Nuevos métodos de control de calidad de la información requerida para el análisis y la predicción hidrológica

Abstract

El objetivo principal de la tesis es el diseño de nuevos métodos de control de la calidad de la información hidrológica requerida para el análisis y la predicción hidrológica que permitirán, la corrección de series históricas de calado de ríos, con el relleno de los huecos empleando técnicas matemáticas sencillas y otras basadas en redes neuronales. Asimismo se ha desarrollado un sistema que mediante el uso de un algoritmo recursivo y una red neuronal no lineal auto-regresiva, es capaz de realizar validaciones del calado de los ríos en tiempo real. Con estos métodos se ha creado una herramienta global que da integridad y valida los datos de los sistemas de información en tiempo real con los cuales, alimentar de forma coherente y fiable los modelos hidrológicos/hidráulicos que ayudan a la toma de decisiones a los responsables correspondientes.

The main aim of this thesis is to design new quality control methods for the hydrological data required for hydrologic analysis and forecasting. These methods can facilitate the correction of river stage data time series by filling gaps using simple mathematical techniques and other applications based on neural networks. A system has also been developed that uses a recursive algorithm and autoregressive nonlinear neural network (NARNN) to validate river stage data in real time. With these methods, the author has created a comprehensive tool that provides data integrity and validates data from real-time information systems so as to input consistently reliable data to hydrologic/hydraulic models, which in turn support relevant decision makers.