Pronóstico Hidrológico en la Cuenca de Misantla (México) mediante el Uso del Filtro de Kalman Discreto
DOI:
https://doi.org/10.24850/j-tyca-2026-02-05Palabras clave:
previsión hidrológica, inundación, escorrentía, modelo matemático, proceso estocástico, MéxicoResumen
En México, los eventos de precipitación extrema han aumentado en los últimos años, especialmente en el sur, generando cambios abruptos en los caudales de los ríos e inundaciones graves. La información hidrológica es fundamental para gestionar avenidas, presas y desastres. Para predecir los caudales, se utilizan métodos como redes neuronales, inteligencia artificial y técnicas de asimilación de datos, entre ellas el filtro de Kalman discreto (FKD). Este filtro realiza estimaciones estocásticas mediante un algoritmo de corrección; proporciona estimaciones lineales no sesgadas con mínima varianza a partir de datos ruidosos, y actualiza el sistema con cada nueva observación. Su eficacia en hidrología ha sido probada en varios estudios. Este trabajo implementa el FKD en una cuenca del Golfo de México para predecir caudales y evalúa dos funciones de respuesta: el hidrograma unitario instantáneo (HUI) y el modelo de tanque lineal (TL). Durante el análisis de 20 avenidas en 1987, se detectó una avenida extrema en septiembre, con un caudal de 271.6 m³/s. Los resultados mostraron que el HUI fue más preciso que el TL, especialmente en las avenidas. Dicho comportamiento se debe tanto a la naturaleza de las funciones de respuesta como a las ecuaciones del filtro de Kalman, que mejoran la estimación de errores y la representación de procesos estocásticos. En conclusión, el FKD con estas funciones es eficiente para la predicción de caudales.
Referencias
Ahsan, M., & O’Connor, K. M. (1994). A reappraisal of the Kalman filtering technique, as applied in river flow forecasting. Journal of Hydrology, 161(1), 197-226. https://doi.org/10.1016/0022-1694(94)90129-5
Alvarado-Hernández, L., Ibáñez-Castillo, L. A., Ruiz-García, A., González-Leiva, F., & Vázquez-Peña, M. A. (2020). Pronóstico horario de caudales mediante filtro de Kalman discreto en el río Huaynamota, Nayarit, México. Agrociencia, 54(3), 295-312. https://doi.org/10.47163/agrociencia.v54i3.1907
Bennett, N. D., Croke, B. F. W., Guariso, G., Guillaume, J. H. A., Hamilton, S. H., Jakeman, A. J., Marsili-libelli, S., Newham, L. T. H., Norton, J. P., Perrin, C., Pierce, S. A., Robson, B., Seppelt, R., Voinov, A. A., Fath, B. D., & Andreassian, V. (2013). Characterising performance of environmental models. Environmental Modelling & Software, 40, 20. https://doi.org/10.1016/j.envsoft.2012.09.011
Brody, S. D., Peacock, W. G., & Gunn, J. (2012). Ecological indicators of flood risk along the Gulf of Mexico. Ecological Indicators, 18, 493-500. https://doi.org/10.1016/j.ecolind.2012.01.004
Chen, X., Lee, R. M., Dwivedi, D., Son, K., Fang, Y., Zhang, X., Graham, E., Stegen, J., Fisher, J. B., Moulton, D., & Scheibe, T. D. (2021). Integrating field observations and process-based modeling to predict watershed water quality under environmental perturbations. Journal of Hydrology, 602, 125762. https://doi.org/10.1016/j.jhydrol.2020.125762
Conagua, Comisión Nacional del Agua. (2024). Estaciones meteorológicas automáticas (EMAS). Recuperado de https://smn.conagua.gob.mx/es/observando-el-tiempo/estaciones-meteorologicas-automaticas-ema-s
Gong, J., Weerts, A. H., Yao, C., Li, Z., Huang, Y., Chen, Y., Chang, Y., & Huang, P. (2023). State updating in a distributed hydrological model by ensemble Kalman filtering with error estimation. Journal of Hydrology, 620, 129450. https://doi.org/10.1016/j.jhydrol.2023.129450
González-Leiva, F., Ibáñez-Castillo, L. A., & Valdés, J. B. (2015). Pronóstico de caudales con filtro de Kalman discreto en el río Turbio. Tecnología y ciencias del agua, 6(4), 5-24. Recuperado de https://www.revistatyca.org.mx/index.php/tyca/article/view/1176
Haltas, I., Yildirim, E., Oztas, F., & Demir, I. (2021). A comprehensive flood event specification and inventory: 1930-2020 Turkey case study. International Journal of Disaster Risk Reduction, 56, 102086. https://doi.org/10.1016/j.ijdrr.2021.102086
Hino, M. (1973). On‐line prediction of hydrologic systems. Proceedings of the 15th Congress of the International Association for Hydraulic Research (IAHR), 4, 243-250.
INEGI, Instituto Nacional de Estadística y Geografía (2024). Información por entidad, Veracruz de Ignacio de la Llave. Recuperado de https://cuentame.inegi.org.mx/monografias/informacion/ver/territorio/clima.aspx?tema=me&e=30
Jazwinski, A. H. (1970). Stochastic processes and filtering theory. In: Mathematics in science and engineering analytical (Vol. 64). Seabrook, USA: Mechanics Associates, Inc. Recuperado de https://www.sciencedirect.com/bookseries/mathematics-in-science-and-engineering/vol/64/suppl/C
Kalman, R. E. (1960). A new approach to linear filtering and prediction problems. Journal of Basic Engineering, 82(1), 35-45. https://doi.org/10.1115/1.3662552
Maxwell, D. H., Jackson, B. M., & McGregor, J. (2018). Constraining the ensemble Kalman filter for improved streamflow forecasting. Journal of Hydrology, 560, 127-140. https://doi.org/10.1016/j.jhydrol.2018.03.015
Mazzoleni, M., Alfonso, L., Chacon-Hurtado, J., & Solomatine, D. (2015). Assimilating uncertain, dynamic and intermittent streamflow observations in hydrological models. Advances in Water Resources, 83, 323-339. https://doi.org/10.1016/j.advwatres.2015.07.004
Medina-Chena, A., Salazar-Chimal, T. E., & Álvarez-Palacios, J. L. (2010). Atlas del patrimonio natural, histórico y cultural de Veracruz. Veracruz, Méxco: Gobierno del Estado de Veracruz. Recuperado de https://www.veracruz.gob.mx/atlas-patrimonio
Morales-Velázquez, M. I., Aparicio, J., & Valdés, J. B. (2014). Pronóstico de avenidas utilizando el filtro de Kalman discreto. Tecnología y ciencias del agua, 5(2), 85-110. Recuperado de https://revistatyca.org.mx/index.php/tyca/article/view/466
Nárvaez-Ortiz, I., Ibáñez-Castillo, L. A., Arteaga-Ramírez, R., & Vázquez-Peña, M. A. (2022). Ensemble Kalman filter for hourly streamflow forecasting in Huaynamota River, Nayarit, Mexico. Ingeniería e Investigación, 42(3), e90023. https://doi.org/10.15446/ing.investig.90023
Nash, J. E., & Sutcliffe, J. V. (1970). River flow forescasting through conceptual models. Part I-A Discussion of principles. Journal of Hydrology, 10, 282–290. https://doi.org/10.1016/0022-1694(70)90255-6
Piadeh, F., Behzadian, K., & Alani, A. M. (2022). A critical review of real-time modelling of flood forecasting in urban drainage systems. Journal of Hydrology, 607, 127476. https://doi.org/10.1016/j.jhydrol.2022.127476
Şen, Z. (1991). Adaptive prediction of hydrologic series by Walsh-Kalman model. Journal of Hydrology, 122(1), 221-234. https://doi.org/10.1016/0022-1694(91)90179-L
Sorenson, H. W. (1985). Kalman filtering: Theory and application. New York, USA: IEEE Press.
Sugawara, M. (1984). Tank model with snow component. Tokio, Japón: National Research Center for Disaster Prevention.
Sun, Y., Bao, W., Qu, S., Li, Q., Jiang, P., Zhou, Z., & Shi, P. (2023). Development of the consider cubature Kalman filter for state estimation of hydrological models with parameter uncertainty. Journal of Hydrology, 625, 130080. https://doi.org/10.1016/j.jhydrol.2023.130080
Sunmin, K., Tachikawa, Y., & Takara, K. (2004). Embedding Kalman filter into a distributed hydrological model. In: WSUD2 Proceedings of the WSUD2004 (pp. 278-290). Recuperado de https://hywr.kuciv.kyoto-u.ac.jp/publications/papers/2004WSUD_Kim.pdf
Todaro, V., D’Oria, M., Tanda, M. G., & Gómez-Hernández, J. J. (2022). GenES-MDA: A generic open-source software package to solve inverse problems via the ensemble smoother with multiple data assimilation. Computers & Geosciences, 167, 105210. https://doi.org/10.1016/j.cageo.2022.105210
Valdés, J. B., Velázquez, J. M., & Rodríguez-Iturbe, I. (1980). Filtros de Kalman en hidrología: predicciones de descargas fluviales para la operación óptima de embalses (Informe Técnico 80-2). Caracas, Venezuela: Universidad Simón Bolívar. Recuperado de https://scholar.google.com/scholar_lookup?title=+Filtros+de+Kalman+en+hidrolog%C3%ADa:+Predicciones+de+descargas+fluviales+para+la+operaci%C3%B3n+%C3%B3ptima+de+embalses&author=VALD%C3%89S+J.B.&author=VEL%C3%81ZQUEZ+J.M.&author=RODR%C3%8DGUEZ-ITURBE+I.&publication_year=1980
Vargas, N., & Magaña, V. (2020). Climatic risk in the Mexico City metropolitan area due to urbanization. Urban Climate, 33, 100644. https://doi.org/10.1016/j.uclim.2020.100644
Welch, G., & Bishop, G. (2006). An introduction to the Kalman filter. North Carolina, USA: University of North Carolina at Chapel Hill. Recuperado de https://www.cs.unc.edu/~welch/media/pdf/kalman_intro.pdf
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Tecnología y ciencias del agua
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Por Instituto Mexicano de Tecnología del Agua se distribuye bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional. Basada en una obra en https://www.revistatyca.org.mx/. Permisos que vayan más allá de lo cubierto por esta licencia pueden encontrarse en Política editorial
