Академический Документы
Профессиональный Документы
Культура Документы
Los modelos hidrológicos conceptuales son difíciles de calibrar por medio de métodos automáti-
cos y una de las razones principales radica en la incapacidad que tienen los procedimientos
convencionales para localizar el conjunto óptimo de los parámetros. En este trabajo se presentan
dos procedimientos de búsqueda global: el método de evolución y mezcla de complejos [SCE-
UA) y un algoritmo genético acoplado con una técnica de programación cuadrática secuencia1
[AG-PCS), ambos se evalúan en el modelo conceptual de precipitación-escurrimiento TCG, apli-
cado tanto a una cuenca global como a una cuenca compleja. Para ambos tipos de cuencas se
consideró un caso teórico donde no habían errores ni en los datos ni en el modelo y en la cual los
valores "verdaderos" de los parametros se conocían a priori y un caso real donde los errores en el
modelo y los datos están presentes.Finalmente se presenta un nuevo procedimiento de optimización
global nombrado algoritmo de evolución competitiva de complejo modificado [ECCM). En rela-
ción con la cuenca global, los algoritmos SCE-UA y ECCM fueron los mas confiables, mientras que
el otro algoritmo brindó soluciones equivalentes a los anteriores en el caso teórico; pero en el caso
real, el AG-PCS mostró una ligera tendencia a quedaratrapado en mínimos locales. En cuanto a la
cuenca compleja, ninguno de los tres algoritmos identificó la solución exacta en el caso teórico;
sin embargo, los algoritmos SCE-UA y ECCM fueron los que sistemáticamente aproximaron mejor
la solución y, en el caso real, sus soluciones se mostraron estables, mientras que el algoritmo AG-
PCS produjo un conjunto de parámetros muy inestable.
Generar una nueva población transfiriendo al mejor Paso Ordenar la nueva población según el paso tres.
individuo de la comunidad que convergió a la nueva
población y entonces generar el resto de los indivi- Paso Observar la convergencia de la función objetivo.
duos aleatoriamente. Si el criterio de convergencia para la función se
cumple, parar; de lo contrario, ir al paso siete.
Ir al paso dos y repetir.
Paso Observar la convergencia de los parametros.
También, basado en la característica que tienen los Si no hay convergencia de los parametros ir al
algoritmos genéticos con poblaciones pequeñas “micro paso cuatro; de lo contrario, crear una nueva
genético” en acercarse a un entorno del Óptimo mucho población como sigue: generar N-1 puntos
más rápido que cuando se utilizan poblaciones grandes, aleatorios en el espacio factible
así como los conceptos de búsqueda aleatoria controla- agregarle el mejor punto de la población pre-
da (Price, evolución competitiva (Holland, cedente, u, x1, calcular el valor de la fun-
métodos de selección elitista (Syswerda, 1989; Whitley, ción en los puntos que faltan, luego ir al paso
1989) y el método del simplex (Nelder y Mead, se tres.
propone un nuevo procedimiento de optimización global,
el cual constituye una modificación al método de evolu- Algoritmo de la evolución y mezcla de complejos se-
ción y mezcla de complejo (Duan et al., denomi- gún Duan et a/. (1992).
nado método de evolución competitiva de complejo mo-
dificado (ECCM). Paso O lnicializar q, a y p, tal que N, l.
Modelo utilizado
Criterio de estimación
I v u
donde:
=escurrimiento observado.
=escurrimiento calculado por el modelo.
Nd = cantidad de días del periodo de calibración.
En el estudio realizado de los tres algoritmos de a) Ninguno de los tres algoritmos logró identificar al Con-
optimización global para la calibración automática de junto verdadero de los parámetros en el caso teórico,
modelos hidrológicos conceptuales se utilizó el modelo siendo muy similar el SCE-UA y ECCM en cuanto a la
TCG en su segunda versión, el cual tiene una estructura variación de los parámetros alrededor de los valores
similar a muchos de los modelos hidrológicos propues- reales, siendo mayor la dispersión en el AG-PCS.
tos en la literatura en los últimos años, por lo que es Iógi-
co pensar que los resultados alcanzados en este estudio b) En el caso real, en los tres algoritmos se mostró un
pueden ser extendidos en general. aumento de la dispersión de los valores finales de los
La función objetivo que se utilizó fue la raíz cuadrada parámetros.
del error cuadrático medio entre los escurrirnientos cal-
culados por el modelo y los escurrimientos observados; Aunque el método del SCE-UA parece mostrar una
los rangos de los parámetros, los cuales definen el espa- mejor efectividad en general, el ECCM tiene una efectivi-
cio de la región de búsqueda, se seleccionaron de ma- dad similar al SCE-UA y una eficiencia similar al AG-PCS,
nera tal que fueran activados todos los modos de opera- de manera que el algoritmo ECCM puede considerarse
ción del modelo y correspondieran con las propiedades un algoritmo de optimización global efectivo y eficiente
físicas de los suelos (Fuentes, 1997). para la calibración de modelos conceptuales de precipi-
El análisis se aplicó tanto a una cuenca global como tación-escurrimientos.
a una cuenca compleja dividida en dos subcuencas, Estos resultados resaltan que la selección de los
considerando casos hipotéticos donde no había erro- algoritmos de optimización es solamente uno de los fac-
res ni en los datos ni en el modelo y un caso real donde tores que afectan la calibración automática de los mode-
los errores en el modelo y los datos de entrada están los hidrológicos conceptuales, entre otros factores que
presentes. se deben añadir y que modifican la calidad del modelo
final de los parámetros, tales como:
GOTAY SARDINAS, J. and JORGE PEDREIRA,M. del C. Calibration of rainfall-runoff models using global
optimization. Hydraulic Engineering in Mexico (in Spanish. January-March, vol. no. pp.
Conceptual rainfall-runoff models are difficult to calibrate by means ofautomatic methods; one major reason for
this is the inability of conventional procedures to locate the globally optimal set of parameters. This paper
discusses two existing global search procedures: the Shuffled Complex Evolution Method (SCE-UA) and the
Genetic Algorithm coupled with Sequential Quadratic Programming (GA-SQP).Both are evaluated on the con-
ceptual rainfall-runoff TCG model, applied both to a single basin and to a complex basin. For both types of
basin, a theoretical case without model and data errors was considered in which the true value ofparameters
are known a priori; as well as a real-world case, where modeland data errors exist. Finally, a new global optimization
procedure, entitled The Modified Competitive Complex Evolution algorithm (MCCE), is presented. Regarding
the single basin, the SCE-UA and MCCE algorithms were the most realiable, while the other one gave solutions
equivalent to those of the SCE-UA and MCCE in the theoretical case; but in the real-world case, the GA-SQP
showed an increasing tendency to be trapped in local minima. With reference to the complex basin, none of the
three algorithms identified the exact solution in the theoretical case. However; the SCE-UAand MCCE algorithms
systematically produced a better solution than the GA-SQP algorithm. In the real-world case, their solutions
were stable, while the GA-SQP algorithm produced a very unstable set of parameters.
Keywords: automatic calibration, calibration of rainfall-runoff models, evolution algorithms, global optimization
in rainfall-runoff models.