MANUAL DE SAMS

INTRODUCCIN
La simulacin estocstica de series de tiempo de los recursos hdricos en general y series de tiempo hidrolgicas en particular, se ha usado ampliamente durante varias dcadas para varios problemas relacionados al planeamiento y direccin de sistemas de recursos hdricos. SAMS es un programa de comput que trata del anlisis estocstico, planeamiento, y simulacin de series hidrolgicas de tiempo. Fue escrito en lenguaje C y Fortran y corre bajo sistemas operativos modernos como WINDOWS 98, WINDOWS NT. La primera versin de SAMS (SAMS-96.1) fue liberado en 1996. Desde entonces, las correcciones y modificaciones se han basado en regeneracin recibida de los usuarios. En adicin, se han implementado nuevas funciones y capacidades

SAMS 2000 tiene las siguientes capacidades y limitaciones:

Anlisis anual y estacional de datos. Para los datos estacionales el nmero mximo de estaciones es 12 (intervalos de tiempo dentro de un ao). Incluye varios tipos de opciones de transformacin para transformar los datos originales en normal. Incluye nmeros de un solo sitio, multisitio, y desagregacin de modelos estocsticos que se han usado ampliamente en la literatura. El nmero mximo de estaciones es 40. El nmero mximo de aos para el ingreso de datos es 600. El nmero de ejemplos que pueden generarse es ilimitado. El nmero de aos que pueden generarse es ilimitado

DESCRIPCIN DE SAMS.
Consiste de tres mdulos de aplicacin primarios: Anlisis estadstico de Datos, Encajando un Modelo Estocstico (incluye estimacin de parmetros y pruebas). Generacin de Series Sintticas.

ANLISIS ESTADSTICO DE DATOS

El modulo Statistical Analisis of Data (Anlisis Estadstico de Datos) consiste en el trazado de datos, verificacin de la normalidad, transformacin de datos, y caractersticas estadsticas. El trazado de los datos puede ayudar a detectar tendencias, cambios, salidas, o errores en los datos. La probabilidad del trazo es incluido para verificar la normalidad de los datos. Los datos pueden normalizarse. Actualmente las transformaciones son: Logartmica, Exponencial, y Box-Cox SAMS determina varias caractersticas estadsticas de los datos. Estos incluyen estadsticas bsicas como la media, desviacin estndar, asimetra, correlacin serial (para datos anuales), correlaciones de estacin-a-estacin (para los datos estacionales), anuales y estacionales correlaciones-cruzadas para datos multisitio.

1.Trace los datos de series de tiempo. 2. Verifique la normalidad y transforme las series de tiempo. 3. Caractersticas estadsticas de series de tiempo.

Trazado de los Datos de Serie de Tiempo.

El trazado de los datos puede ayudar a descubrir las tendencias, cambios, saltos, y errores en los datos. SAMS puede trazar los datos como grficos en curva, lneas, y barras

Verificacin de la Normalidad y Transformacin de las series de Tiempo

SAMS prueba la normalidad de los datos trazando los datos en el papel de probabilidad normal y usa la prueba de asimetra de normalidad. Si los datos son no normales, uno puede verificar si puede normalizarse por una cierta funcin de la transformacin.

FITTING A STOCHASTIC MODEL (Ajuste a un Modelo Estocstico)

La segunda aplicacin principal de SAMS es Fitting a Stochastic Model (Ajuste a un Modelo Estocstico), incluye estimacin de parmetros y comprobacin del modelo, para alternativas univariada y multivariada de los modelos estocsticos. Los siguientes modelos son incluidos: (1) Modelo Univariado ARMA (p,q) donde p y q pueden variar de 1 a 10. (2) Modelo Univariado GAR (1) (3) Modelo Univariado peridico ARMA (p,q) (4) Modelo de Desagregacin estacional Univariada. (5) Modelo multivariado autoregresivo MAR (p) (6) Modelo multivariado contemporneo CARMA (p,q) dnde p y q pueden variar de 1 a 10. (7) Modelo Multivariado peridico MPAR (p) (8) Modelo de Desagregacin Multivariada anual (espacial) (9) Modelo de Desagregacin Multivariada (temporal).

Dos metodos de estimacion estan disponibles, el mtodo de los momentos (MOM) y el mtodo de los mnimos cuadrados (LS). MOM esta disponible para la mayora de los modelos mientras LS solo esta disponible para modelos univariados ARMA, PARMA, y CARMA. Para el modelo CARMA, ambos mtodos, de momentos (MOM) y el mtodo de Mxima Verisimilitud (MLE) estn disponibles para la estimacin de la varianza-covarianza (G) matriz

Ajuste a un Modelo Estocstico

SAMS tiene dos mejores estrategias que son modelamientos directos e indirectos. El modelado directo ajusta las medias a un modelo estacionario (Univariado ARMA o Multivariado AR o CARMA) directamente a los datos anuales o ajusta a un modelo peridico (estacional) (Univariado PARMA o Multivariado PAR) directamente a los datos estacionales del sistema.

1. Por

el Modelamiento Anual: Modelo Univariado ARMA(p,q). Modelo Univariado GAR(1). Modelo Multivariado AR(p) (MAR). Modelo contemporaneo ARMA(p,q) (CARMA). Modelo Multivariate de desagregacin Anual (espacial). 2. Por el Estacional: Modelo Univariado PARMA(p,q). Modelo Univariado de desagregacin estacional. Modelo Multivariado PAR(p) (MPAR). Modelo Multivariado de desagregacin estacional.

GENERATING SYNTETHIC SERIES (Generacin de Series Sintticas)

La tercera aplicacin principal de SAMS es Generating Syntethic Series (Generacin de Series Sintticas), es decir simulando datos sintticos. La generacin esta basada en los modelos, aproximacin, y esquemas como mencionamos anteriormente. Las caractersticas estadsticas de los datos generados son presentadas en forma grafica o tabular junto con las estadsticas histricas de los datos que se usaron para ajustar al modelo. Los datos generados incluyen las estadsticas "generadas", que pueden ser mostradas grficamente o en el forma de tablas, y ser impresas y/o escrito en archivos de salida especificados.

Generando Series Sintticas

Una vez que el modelo ha sido definido y los parmetros han sido estimados, uno puede generar muestras sintticas basadas en este modelo. SAMS le permite al usuario generar los datos sintticos y eventualmente comparar las caractersticas estadsticas claves de los datos histricos y los datos generados Tal comparacin es claves para verificar si el modelo utilizado en la generacin de datos es adecuado o no. Si las estadsticas generadas e histrico son muestran diferencias comparables, entonces uno puede discutir que modelo es el adecuado.

APLICACIN

SEQUIAS

SEQUAS
INTRODUCCION.
En todos los pases, el agua constituye un elemento que determina en gran medida el buen funcionamiento de los sistemas productivos e influye, al mismo tiempo, en la calidad de vida de sus habitantes. Sin embargo, la disponibilidad de agua por habitante, tiende a una reduccin notoria en los prximos 20 aos y se tornar definitivamente crtica, por lo que en un futuro cercano, el agua dejar de ser un problema y se convertir en un asunto estratgico de supervivencia. Es difcil estimar la cantidad de agua que se necesita para mantener estndares de vida aceptables o mnimos; sin embargo, la Organizacin de Naciones Unidas considera que cuando la disponibilidad per cpita alcanza valores inferiores a los 1.000 m3/hab/ao, la situacin de escasez es crtica, y una vez que un pas sufre de escasez, sta puede amenazar la produccin de alimentos, obstaculizar el desarrollo econmico y daar los ecosistemas.

Algunas definiciones de sequias por estudiosos de este fenmeno: Millan, J. (1972) define la sequia como un dficit de agua en el espacio, tiempo oambos para una region y para un periodo de tiempo dado. El dficit puede ser obsevado en varios fenmenos como precipitacin, precipitacin efectiva, contenido de humedad del suelo, niveles de agua subterrnea, descargas y agua almacenada natural o artificial. Yevjevich (1967 1972) define como sequia hidrolgica a la deficiencia d ela precipitacin, descargas, o agua acomulada en varias capacidades de almacenamiento, bsicamente significa un dficit de abastecimiento de agua en un area, en el tiempo o ambos.

Salas (1978), define las sequias asociadas a dficit y escaces de agua, los dficit pueden ser relacionados con consecuencias moderadas. Escacez es la diferencia entre la demanda y abastecimiento. EE. UU. Define comnmente una sequia como un periodo de 21 dias en que la precipitacin es 30% menor que la precipitacin normal.

Tipos de Sequa
Meteorolgica
Se define generalmente segn el grado de sequedad, en comparacin con (1993), algn Keran Li promedio y la duracin del anterior, expresa: perodo seco, considerando las distintas regiones y sus precipitaciones.

Agrcola

refirindose

Se da cuando no hay suficiente humedad en el suelo para las necesidades a satisfacer la clasificacin mnimas del ganado y de las plantas en sus distintas pocas de germinacin y crecimiento.

Si bien los 4 tipos de sequa se distinguen por sus propias caractersticas de formacin, los factores que afectan cada tipo de sequa estn correlacionados. Hidrolgica Y afirma de que Lasuperficial sequa y meteorolgica es la ms Insuficiencias agua Socioeconmica subterrnea para suplir las demandas del Cuando la sequa repercute importante, ya que todos los tipos se derivan de sobre la recurso. la estructura social, el balance misma y en particular de la escasez de o No se aprecia de inmediato sino cuando los alimentario, de mercado niveles de los ros, embalses y lagos financiero de una regin precipitaciones. disminuyen. Los cambios en el uso de la determinada.
tierra pueden alterar las caractersticas hidrolgicas y e incidir este tipo de sequa.

INTRODUCCIN SERIES HIDROLOGICAS

Cuando hablamos de una secuencia de valores observados a lo largo del tiempo, y por tanto ordenados cronolgicamente, la denominamos, en un sentido amplio, serie temporal. La tcnica ms importante para hacer inferencias sobre el futuro con base en lo ocurrido en el pasado, es el anlisis de series temporales.

Series De Tiempo

Ejemplos - Meteorologa - Cantidad de precipitacin - Temperatura mxima diaria - Velocidad del viento (energa elica) - Energa solar, etc. - Precios de un artculo - Tasas de desempleo - Tasa de inflacin - ndice de precios, etc. - Series sismologas - Tasas de crecimiento de la poblacin - Tasa de natalidad, mortalidad - Resultados de censos poblacionales - Series de demanda, gastos, ofertas - Anlisis de seales - Series de trfico

1. Series Fsicas:

2. Series econmicas: 3. Geofsica:

4. Series demogrficas: 5. Series de marketing: 6. Series de telecomunicacin: 7. Series de transporte:

Procesos estocsticos
un proceso estocstico es una familia de variables aleatorias asociadas a un conjunto de nmeros reales, de forma tal que a cada elemento del conjunto le corresponda una y slo una variable aleatoria, esto se escribir como [Z(t),tT], en donde T es el conjunto ndice y es la variable aleatoria correspondiente al elemento t de T.

MODELACIN DE SISTEMAS HIDROLGICOS

La construccin de un modelo estocstico que reproduzca las caractersticas de una serie cronolgica utiliza un esquema de modelacin formado por varias etapas a travs de las cuales se va construyendo el modelo

Datos

IDENTIFICACION

ESTIMACIN

RESIDUOS

VERIFICACIN

UTILIZACIN

APLICACIN AL ANLISIS DE SEQUAS

La identificacin y anlisis de sequas es una metodologa (Mohan; 1991). Es valida para la identificacin de sequas que junto con el proceso de simulacin de muestras sintticas permite pronosticar el inicio, la duracin, la severidad y la terminacin de la sequa, Aplicado a la cuenca alta del Mantaro

La metodologa tiene dos etapas

GENERACIN DE LA SERIE SINTETICA CON SAMS

El objetivo principal en esta parte es de generar una muestra sinttica de 500 aos a travs del modelado de la serie tiempo peridicas, ya sea de escurrimiento o de precipitacin mensual.

Paso N 1;
Abrir el archivo de datos de la Estacin Morococha

Paso N 2;
Anlisis estadstico de datos El anlisis estadstico de datos consiste en el ploteo de datos, verificacin de la normalidad, transformacin de datos, y caractersticas estadsticas.

 Tendencias; se asocia a la evolucin a largo plazo. Ciclo; Oscilaciones entorno a la tendencia de periodo superior al ao. Estacionalidad; son los movimientos que se producen con periodicidad anual.

Anlisis de normalidad

Caractersticas estadsticas de las Series de Tiempo

Las estadsticas estacinales bsicas como la media, desviacin estndar, el coeficiente de asimetra, el coeficiente de variacin, y los valores mximos y mnimos. Todos estos datos se guardan.

Paso N 3 Ajuste a un modelo estocstico

Cuando se tiene una serie peridica, SAMS dispone del modelo PARMA(p,q) para modelar estos datos, los parmetros son ajustados directamente a los datos estacinales del sistema.

Prueba de Normalidad e Independencia de los residuales

 Como conclusin de estas pruebas podemos decir que los residuos son Normales e independientes. Y el modelo Peridico Autorregresivo de Medias Mviles PARMA(1,1), se ajusta a los datos de precipitacin de la estacin de Morococha.

Paso N 3 Generacin de la serie sinttica

Una vez que el modelo ha sido definido y los parmetros han sido estimados, uno puede generar muestras sintticas basadas en este modelo. SAMS le permite al usuario generar los datos sintticos y eventualmente comparar las caractersticas estadsticas claves de los datos histricos y los datos generados.

comparacin de las medias de los datos histrico y generados

Comparacin desviaciones estndar; datos histrico y generados

media Meses ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC histrico 1.262.406 1.310.094 1.257.922 684.000 336.984 170.984 156.969 249.234 569.078 719.953 725.406 973.469 generado 1.262.327 1.313.888 1.278.730 680.126 357.499 171.836 147.613 259.550 563.495 717.880 718.273 985.620

desviacion estan. Histrico 404.569 423.732 447.597 275.956 224.386 151.675 130.746 185.145 335.101 349.389 339.063 372.290 generado 401.883 423.698 433.869 267.896 220.791 147.305 119.387 181.510 311.897 347.885 326.171 369.280

Coef de variacion histrico 0,3205 0,3234 0,3558 0,4034 0,6659 0,8871 0,8329 0,7429 0,5888 0,4853 0,4674 0,3824 generado 0,3184 0,3225 0,3393 0,3939 0,6176 0,8572 0,8088 0,6993 0,5535 0,4846 0,4541 0,3747

IDENTIFICACIN DE LAS CARACTERISTICAS DE LA SEQUIAS Las sequas son identificadas mediante su inicio, duracin, severidad terminacin y extensin el espacio, Un primer paso en el proceso de identificacin consiste en establecer un umbral llamado nivel de truncamiento, el cual permite distinguir las sequas de otros eventos en los datos generados, Los estadsticos mustrales como la media y la mediana de las series registradas se utilizan para definir el nivel de truncamiento, Puede decirse que la mediana es til para el anlisis de duracin, mientras que la media lo es para la severidad

Resultados
mes enero febrero marzo abril mayo junio julio agosto septiembre octubre noviembre diciembre TOTAL # de sequas 10.00 8.00 14.00 11.00 3.00 2.00 2.00 1.00 0.00 0.00 3.00 5.00 59.00 % probabilidad 16.95 13.56 23.73 18.64 5.08 3.39 3.39 1.69 0.00 0.00 5.08 8.47 100.00

GRACIAS