000			02779nam a22002777a 4500
003			OSt
005			20251027100237.0
007			cr ||||||a|c|a
008			221118s2021 mx a|||fom||| 001 0 spa d
040			_erda
100	1		_9185673 _aNarváez Ortiz, Ildefonso
245	1		_aPronósticos de caudales horarios mediante el filtro de Kalman discreto y filtro de Kalman de conjunto en la cuenca del río Huaynamota, México / _cpor Ildefonso Narváez Ortiz, director de tesis Laura Alicia Ibáñez Castillo.
264		1	_aChapingo, México : _bEl autor, _c2021.
300			_a1 recurso en línea (105 páginas). _bcuadros, figuras.
336			_2rdacontent _atexto _btxt
337			_2rdamedia _acomputadora _bc
338			_2rdacarrier _arecurso en línea _bcr
502			_bDIAUIA _cIrrigación y Mecánica _d2021. _gDOC
504			_aIncluye referencias bibliográficas: páginas 54-56,72-75,78-91.
520			_aLa asimilación de datos integrada para el pronóstico de caudales puede brindar flexibilidad y reducción de errores sistemáticos en los modelos. En este trabajo se evalúan la capacidad predictiva del filtro de Kalman discreto, filtro de Kalman de conjuntos y su integración, utilizando registros horarios de caudal de las estaciones Chapalagana y Platanitos ubicadas sobre el rio Huaynamota, región hidrológica 12. La cuenca se ubica al noroeste de la República mexicana y se comparte entre los estados de Durango, Nayarit, Zacatecas y Jalisco. Para el análisis se utilizaron series con 1360 registros horarios del año 2017 comprendidos entre el 02 de agosto a las 9:00 horas hasta el 28 de septiembre a las 0:00 horas. Se realizaron pronósticos a 1, 2, 3, 4, 5 y 6 pasos hacia adelante, combinados con tamaños de conjunto de 5, 8, 10, 20, 50 y 100 miembros utilizando caudales de la estación Platanitos como variable exógena. El ajuste entre la serie observada y las pronosticadas se estimó mediante el coeficiente de Nash-Sutcliffe y la Raíz del Cuadrado Medio del Error para determinar que el filtro de Kalman discreto alcanza mejor ajuste y actualización con base en el tiempo de retraso entre series. El filtro de Kalman de conjuntos genera un suavizado de la serie pronosticada, y al igual que la integración de filtros aumenta el efecto de desplazamiento de la serie pronosticada. El filtro de Kalman discreto alcanza ajuste superior a ARX y a la combinación ARX-DKF.
650		4	_9132176 _aCuencas hidrológicas _xEscurrimientos _xModelos matemáticos
650		4	_9131602 _aCuencas _xEscurrimientos _xMedición
700	0		_957233 _aIbáñez Castillo, Laura Alicia _eDirector de tesis.
856			_uhttp://10.13.5.2/tesis/td/2021_IM_Narvaez_Ortiz_Ildefonso.pdf _zDESCARGAR PDF
942			_2Clasificación Universidad Autónoma Chapingo _cTD
999			_c217840 _d217840