Modelación de variables eólicas mediante estimadores (A,U,Θ)

Arístides A. Legrá-Lobaina, Eduardo Terrero-Matos

Resumen


Se describen tres metodologías para generalizar a los estimadores multivariados (A,U,Θ) teniendo en cuenta las relaciones entre dos o más variables dependientes. Estas generalizaciones dan respuestas a diversos problemas de modelación en las geociencias mediante el uso de la diversidad posible para el caso univariable entre los que se destacan el Kriging, las Funciones de Base Radial, el Inverso de Potencias de la Distancia y los Interpoladores Polinómicos clásicos. El estimador simultáneo de variables dependientes que se define constituye una sistémica y poderosa herramienta para la modelación múltiple. En este caso también se describe la expresión para aproximar el error de estimación multivariado. El enfoque algebraico que se presenta en todos los casos facilita la programación de estas herramientas matemáticas que son aplicadas a la modelación de parámetros eólicos en dos casos de estudio.

Palabras clave


estimador (A,U,Θ); estimador univariado; estimador multivariado; error de estimación; modelación eólica.

Texto completo:

PDF

Referencias


Chilés, J. P. y Delfiner, P. 1999: Geostatistics. Modeling Spatial Uncertainty. Canadá: John Wiley & Sons, Inc. 695 p.

Díaz-Viera, M. A. 2002: Geoestadística Aplicada. CITMA, Cuba: Instituto de Geofísica, UNAM e Instituto de Geofísica y Astronomía. Disponible en: http://mmc2.geofisica.unam.mx/ cursos/geoest/GeoEstadistica.pdf.

Giraldo, G. 2005: Introducción a la Geoestadística. Teoría y Aplicación. Universidad Nacional de Colombia, Sede Bogotá. Disponible en: ftp://ftp.ciat.cgiar.org/ DAPA/projects/Cursos_Talleres/Curso_R/DOCUMENTOS/LIBRO%20DE%20GEOESTADISTICA.pdf

Legrá-Lobaina, A. A. 2017: Modelos de malla basados en estimadores (A,U,Θ). Revista HOLOS, 33(4): 88-110.

Legrá-Lobaina, A. A. 2018: Evaluación del error en estimaciones (A,U,Θ). Revista HOLOS, 34(3): 1-23.

Long, A. E. y Myers, D. E. 1997: A New Form of the Cokriging Equations. Mathematical Geology, 29(5): 685-703.

Marcotte, D. 2018: Géostatisque I. Chapitre 9: Cokrigeage. Department of Civil, Geological and Mining Engineering, Polytechnique Montréal. Disponible en: http://www.groupes. polymtl.ca/geo/marcotte/glq3401geo/chapitre9.pdf

Myers, D. 1992: Kriging, cokriging, radial basis functions and the role of positive definiteness. Computers Math. Applic, 24(12): 139-148.

Rivoirard, J. 2003: Course on multivariate geostatistics. Francia: Centre de Géostatistique, Ecole des Mines de Paris. 77 p.

Rusu, C. y Rusu, V. 2006: Radial Basis Functions versus Geostatistics in Spatial Interpolations. In: IFIP International Conference on Artificial Intelligence in Theory and Practice (p. 119-128). Springer, Boston, MA.

Terrero-Matos, E.; Legrá-Lobaina, A. A. y Lamorú-Reyes, A. 2017: Método de inverso de la potencia de la distancia para estimar la velocidad del viento. Revista Ingeniería Energética, 35(3): 263-273.


Estadísticas

Resumen
107
PDF
26


Copyright (c) 2019 Minería y Geología

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional.