Generación estocástica
Series, campos y ensembles sintéticos que preservan distribución marginal, estacionalidad y dependencia espacio-temporal.
En que consiste
Este módulo genera escenarios plausibles cuando el registro observado es demasiado corto para explorar riesgo e incertidumbre. Abarca desde series puntuales mediante CoSMoS y NSRP hasta campos espaciales aleatorios multisitio con estructura de correlación espacio-temporal parametrizada.
Ajustar modelos estocásticos que reproduzcan distribución marginal, estacionalidad, autocorrelación y dependencia espacial. Los ensembles resultantes alimentan modelos físicos y análisis de robustez. El enfoque NSRP (Neyman-Scott Rectangular Pulses) es especialmente útil para precipitación intermitente, mientras que CoSMoS VAR(p) permite simular cualquier variable con estructura espacio-temporal.
Herramientas relacionadas
Flujo de trabajo
- 1 Ajuste de marginales estacionales y estructura temporal (ACF) sobre la serie observada
- 2 Calibración PSO de parámetros NSRP o ajuste VAR(p) del campo espacial
- 3 Simulación de ensembles con semilla reproducible
- 4 Diagnóstico frente a estadísticos observados: media, varianza, ACF, correlación espacial
Entradas
- • Series diarias o sub-diarias observadas con DatetimeIndex (precipitación, caudal, temperatura…)
- • Coordenadas de estaciones (lat/lon o UTM) para modelos multisitio y campos
- • Distribución marginal, p0, orden VAR y parámetros de correlación para SpatialFieldModel
- • Horizonte de simulación y semilla aleatoria para reproducibilidad del ensemble
Salidas
- • Ensembles sintéticos puntuales de cualquier longitud (pd.Series)
- • Campos espacio-temporales sintéticos (ndarray n_steps × n_sites)
- • Series multisitio correlacionadas (pd.DataFrame con DatetimeIndex)
- • Diagnósticos de media, varianza, ACF, correlación espacial y dependencia de cola
Capacidades implementadas
Funciones tecnicas que el modulo cubre dentro de HYDRA y que deben aparecer en la memoria como parte del manual practico.
Generación puntual de series con CoSMoS (analyze_ts / simulate_ts): marginales flexibles (gengamma, BurrXII, GEV…), probabilidad de cero p0, autocorrelación estacional mensual o semanal.
Modelo NSRP puntual (NSRPModel vía NEOPRENE): proceso de Poisson de tormentas con celdas rectangulares aleatorias, calibración PSO sobre estadísticos observados, resolución diaria u horaria con estacionalidad mensual.
Modelo STNSRP multi-estación (STNSRPModel): preserva correlaciones espaciales entre estaciones con coordenadas geográficas o UTM; calibración PSO con enjambre de 1000 partículas para producción.
Campos aleatorios espacio-temporales con CoSMoS_py (SpatialFieldModel): VAR(p), marginales flexibles, estructuras de correlación espacio-temporal (Clayton, Gneiting), cópulas de dependencia Gauss/Student/Bardossy, advección uniforme/rotación/espiral y anisotropía afín.
Soporte para rejillas regulares y ubicaciones irregulares; diagnóstico completo de media, varianza, ACF, matriz de correlación y excedencia conjunta.
Validacion y control
- Comparación mensual de estadísticos observados y simulados (media, varianza, p0, correlaciones).
- Evaluación de ACF empírica frente al modelo de autocorrelación ajustado.
- Matriz de correlación entre estaciones para validar la preservación de dependencia espacial.
- Análisis de excedencia conjunta para revisar eventos extremos simultáneos en el ensemble.
Piezas de codigo HYDRA
analyze_ts / simulate_ts / report_ts
Ajuste estacional CoSMoS y simulación de series temporales puntuales con diagnóstico completo.
NSRPModel.fit() / NSRPModel.simulate()
Modelo NSRP puntual calibrado con PSO sobre estadísticos diarios: media, varianza, probabilidad de lluvia, ACF y autocovarianza.
STNSRPModel.fit() / STNSRPModel.simulate()
Extensión multisitio del NSRP que preserva correlaciones espaciales cruzadas entre estaciones.
SpatialFieldModel.fit() / SpatialFieldModel.simulate()
Campo aleatorio VAR(p) con distribución marginal y estructura de correlación espacio-temporal parametrizada.
fit_spatial_model / generate_random_field / check_random_field
API funcional para ajuste, simulación y diagnóstico de campos espaciales en rejilla o ubicaciones irregulares.
Figuras de analisis
Esquemas iniciales para explicar la logica metodologica del modulo dentro de la memoria y la web.
Modelo NSRP
Proceso de Poisson de tormentas con celdas rectangulares aleatorias (NSRPModel) y calibración PSO sobre estadísticos observados.
Campo espacio-temporal
SpatialFieldModel VAR(p): campo sintético sobre rejilla, función de correlación espacial y series multisitio correlacionadas.
Uso industrial
Como se traduce el modulo en trabajo operativo, transferencia y casos de estudio.