Predictibilidad de caudales en Rincón del Bonete y Salto Grande.

Abstract

Este trabajo tiene como objetivo elaborar esquemas de predicción de caudales de aporte a los embalses de Rincón del Bonete y Salto Grande, para cada mes del año. Para ello se analiza la circulación atmosférica regional, índices asociados al fenómeno El Niño-Oscilación Sur (ENOS) y caudales antecedentes, obteniendo un conjunto inicial de 12 predictores. Se analizan modelos de regresión lineal combinados con métodos de selección y transformación de variables con el fin de seleccionar el modelo que genera el menor error de predicción, estimado mediante el método de validación cruzada leave-one-out. El modelo de mejor desempeño se obtuvo con 5 predictores seleccionados a partir de los 12 originales. La superioridad del modelo al utilizar sólo 5 de los 12 predictores originales se debe a problemas de sobre ajuste en una situación de colinealidad entre los predictores. Utilizando el modelo de mejor desempeño encontramos que la estacionalidad de la predictibilidad es semejante para ambos embalses. En general, los meses de mayor predictibilidad van de marzo a julio y sobre el fin de la primavera e inicios del verano. Por otro lado, el fin del invierno e inicio de la primavera es la temporada con menor predictabilidad.

The goal of this study is to design prediction schemes for the monthly inflow to the Rincón del Bonete and Salto Grande hydroelectric reservoirs. An initial set of 12 predictors was selected for that purpose based on the analysis of regional atmospheric circulation, El Niño-Southern Oscillation (ENSO) phenomenon and previous monthly inflow to the dams. Prediction error, as measured by leave-one-out cross validation, was minimized for linear regression models combined with methods for prior selection and transformation of predicting variables. The best performance was obtained with 5 predictors, selected from the original 12. The better performance of the 5-variable model as compared to that with 12 variables is due to over-fitting in a situation with large co-lineality among predicting variables. The seasonality of inflow predictability, as measured by the best performing model, is similar for both reservoirs. In general, the months of larger predictability range from March to July and towards the end of local spring and the beginning of summer. The least predictable season is the end of local winter and beginning of spring.