Trabajo de grado - Maestría
Análisis de la capacidad predictiva de un modelo dinámico de calidad del agua aplicando técnicas de computación evolutiva, optimización multiobjetivo y procesamiento recursivo de datos
Fecha
2014Autor
Hernández Suárez, Juan Sebastián
Institución
Resumen
En este trabajo se propone una metodología para la calibración de modelos dinámicos de calidad del agua, la cual se aplica utilizando datos de tres tramos del río Bogotá. Para este propósito, se hace una revisión detallada de la estructura del modelo unidimensional, agregado e integrado ADZ-MDLC-QUASAR (AMQQ, Camacho et al., 2012), que permite extender los resultados encontrados a marcos de modelación basados en la ecuación de advección–dispersión y viceversa. A partir de ejercicios sintéticos y utilizando datos reales en el río Bogotá con el modelo AMQQ, se describen y aplican diferentes algoritmos para la estimación de los parámetros de dicho modelo. Los resultados indican que se debe hacer una aplicación conjunta de diferentes formas de agregación de funciones objetivo y de técnicas de calibración que sirvan como marco de referencia, que sean efectivas y eficientes en la identificación de combinaciones óptimas de parámetros y que hagan una descripción apropiada de la incertidumbre paramétrica. En este sentido, se encuentra que el uso de GLUE, SCE-UA y SCEM-UA, en conjunto con un análisis multiobjetivo sencillo, permiten obtener un conocimiento amplio de la capacidad predictiva y obtener conjuntos de soluciones que expliquen consistentemente el comportamiento observado del sistema modelado y el orden de magnitud de los determinantes medidos. Abstract. A dynamic water quality model calibration procedure is proposed and is applied using data obtained at three reaches of the Bogota River. For this purpose, a detailed revision of the one-dimensional, lumped and integrated ADZ-MDLC-QUASAR (AMQQ, Camacho et al., 2012) model structure is performed, which allows the extension of the calibration results to modeling frameworks based on the advection–dispersion equation and vice versa. Using the AMQQ model with synthetic and real data from the Bogota river, different parameter estimation algorithms are described and executed. The results indicate that it is necessary to perform a joint application of different objective function aggregation approaches and calibration techniques that can be considered as a reference framework. Also, effective and efficient tools for optimal parameter identification and good parameter uncertainty descriptors are needed. In this order of ideas, it is found that GLUE, SCE-UA and SCEM-UA, together with a simple multi-objective analysis, allows the gain of a wide model predictive capacity knowledge and the realization of solution sets that properly explain the observed system behavior and the order of magnitude of measured water quality determinants.