programacion hidrologica
Post on 05-Feb-2016
9 Views
Preview:
DESCRIPTION
TRANSCRIPT
Las estaciones utilizadas estaban a elevaciones que iban desde los 59 msnm hasta
los 4541 msnm. Los datos de precipitacion, elevación y ubicación de las estaciones
se muestra a continuación.
Datos de las estaciones utilizadas.
Cuando la correlación precipitación elevación no es suficiente
Muchos vectores regionales de precipitación regional solo consideran la relacion
lineal de precipitación con elevación. Esto puede ser práctico para cuencas entre
60 km2 a 180 km2. Si estamos tratando con escalas regionales mayores a 10000
km2 entonces otros factores como la latitud y longitud pueden tener una mayor
influencia en la precipitación.
A continuación vemos un gráfico donde se muestra que la relación lineal y directa
entre precipitación - elevación para un área de estudio de 74 000 km2 ya no se
cumple. La precipitación sube con la elevación hasta cotas menores a 4000m,
luego disminuyen a medida que sube la elevación.
Elevación (msnm)
Precipitacion (mm/año)
Distribución de la elevación y precipitación en la zona de estudio.
Finalmente el código
Y por último, se muestra el código en Python que realiza la regresión multilineal
que corelaciona la latitud, longitud y elevación con la precipitación.
from sklearn import linear_model
from numpy import genfromtxt
### importamos los datos como un elemento de numpy
mis_datos = genfromtxt('Variables_Climaticas.csv', delimiter=',')
mis_datos_corr = mis_datos[1:,:]
mis_datos_corr
### generamos la correlacion lineal con LinearRegresion
clf = linear_model.LinearRegression()
clf.fit(mis_datos_corr[:,1:],mis_datos_corr[:,:1])
### imprimimos los coeficientes
clf.coef_
### imprimimos el factor independiente
clf.intercept_
### vemos los valores predecidos con a correlacion
clf.predict(mis_datos_corr[:,1:])
Corriendo este código podemos llegar a la siguiente ecuación del vector regional:
Precipitación (mm/año) = 38.14 x Longitud° + 235.78 x Latitud°
+ 0.03887 x Elevación (msnm) + 6975.33
top related