Saltearse al contenido

Ajustar la IDF por mínimos cuadrados

En el capítulo 1 la curva IDF llegó con cuatro coeficientes puestos a mano. Así no se trabaja: llega una tabla de un estudio regional —seis periodos de retorno por seis duraciones— y hay que sacar de ahí los parámetros, con su error. Es el mismo curve_fit que se usa para cualquier modelo no lineal, y el ejemplo tiene la virtud de ser pequeño y verificable.

curve_fit ajusta i = A·T^m/(d+b)^n a una tabla minimizando el error cuadrático; lo que casi nadie mira es la matriz de covarianza, y ahí está la mitad del resultado.

Los valores son los de un estudio regional: intensidades en mm/h para seis periodos de retorno y seis duraciones. Tienen la dispersión de cualquier tabla publicada —un 1.5 %—, no caen exactos sobre la curva que las resume.

Tabla de partida, mm/h
T \ d 10 20 30 60 120 360
2 70.9 52.6 42.0 27.4 17.3 7.8
5 93.5 70.3 55.1 36.2 23.1 10.5
10 115.2 83.6 68.3 45.4 27.7 12.8
25 147.0 109.5 87.5 58.9 36.5 17.0
50 186.8 137.1 106.6 72.2 45.7 20.9
100 224.2 168.0 134.4 88.6 57.3 25.4

python mediciones/12-02-hidrologia-scipy.py

from scipy import optimize
def modelo(X, a, e, bb, nn):
t_, d_ = X
return a * t_**e / (d_ + bb) ** nn
params, cov = optimize.curve_fit(modelo, (T, d), tabla, p0=(400, 0.5, 5, 0.5))

Detalles que importan:

  • xdata va como tupla de dos mallas y ydata como array 1D. curve_fit no sabe que hay dos dimensiones independientes; se lo dices tú.
  • p0 no es opcional en la práctica: con cuatro parámetros y exponentes, el ajuste tiene mínimos locales. Un b inicial negativo no converge.
  • maxfev alto: el optimizador por defecto se rinde pronto en modelos con exponentes.
Parámetros del ajuste, con su error estándar
Parámetro Ajustado Error estándar
A 523.4 ±33.9
m 0.2960 ±0.0020
b 9.64 ±0.68
n 0.7403 ±0.0137
RMSE 1.090 mm/h —
Residuo máximo 2.88 mm/h (1.28 %) —

python mediciones/12-02-hidrologia-scipy.py

Los coeficientes «verdaderos» de la tabla son 545 / 0.30 / 10 / 0.75. El ajuste los recupera, pero con A a ±34, que es un 6.5 %: la tabla tiene 36 puntos y cuatro parámetros, y aun así A no queda clavado.

Con esos parámetros, interpolar T = 20, d = 45 min da 65.74 mm/h frente a los 66.29 de la curva original: −0.83 %. Ese es el error que se puede esperar al usar la IDF ajustada en un punto que no estaba en la tabla.

La covarianza, que es donde está el problema

Sección titulada «La covarianza, que es donde está el problema»

cov no es un adorno: sus elementos diagonales son las varianzas de los parámetros y los de fuera, las covarianzas. Normalizando se obtiene la correlación entre parámetros:

Correlación entre parámetros del ajuste
Pareja Correlación
A ↔ b +0.967
m ↔ n −0.000

python mediciones/12-02-hidrologia-scipy.py

corr(A, b) = 0.967 quiere decir que A y b se mueven juntos: subir A y subir b produce casi la misma curva en el rango de la tabla. Por eso A tiene un error del 6.5 % —no porque los datos sean malos, sino porque el modelo no distingue bien esa pareja—. Un programa que publica A = 523 sin el ±34 publica un número que no está determinado por los datos.

  • Tablas con un solo periodo de retorno: con T fijo no hay m que estimar.
  • Duraciones muy dispares (5 min a 24 h): una sola forma no cubre bien tres órdenes de magnitud; se ajustan por tramos.
  • Datos de otra región: los parámetros son locales; un ajuste con tabla ajena da números con dos decimales y ningún significado.
  • Sin longitud de registro: un estudio regional sin decir cuántos años hay detrás no se puede pesar.

Repite el ajuste fijando b = 10 (tres parámetros: A, m, n) y compara el RMSE y los errores con el ajuste de cuatro. ¿Merece la pena estimar b?

Solución
import numpy as np
from scipy import optimize
d = np.array([10, 20, 30, 60, 120, 360], dtype=float)
T = np.array([2, 5, 10, 25, 50, 100], dtype=float)
rng = np.random.default_rng(7)
tabla = np.array([
[round(545.0 * t**0.30 / (x + 10) ** 0.75 * (1 + rng.normal(0, 0.015)), 1) for x in d]
for t in T
])
mt, md = np.meshgrid(T, d, indexing="ij")
def modelo(X, a, e, nn):
t_, d_ = X
return a * t_**e / (d_ + 10.0) ** nn
params, cov = optimize.curve_fit(modelo, (mt.ravel(), md.ravel()), tabla.ravel(),
p0=(400, 0.5, 0.5), maxfev=20000)
error = np.sqrt(np.diag(cov))
residuo = modelo((mt, md), *params) - tabla
print(f"A={params[0]:.1f}±{error[0]:.1f} m={params[1]:.4f}±{error[1]:.4f} n={params[2]:.4f}±{error[2]:.4f}")
print(f"RMSE={np.sqrt((residuo**2).mean()):.3f} residuo máximo={np.abs(residuo).max():.2f}")
Ajuste A m b n RMSE Residuo máx.
4 parámetros 523.4 ±33.9 0.2960 ±0.0020 9.64 ±0.68 0.7403 ±0.0137 1.090 2.88
b = 10 fijo 541.4 ±8.9 0.2960 ±0.0020 10 0.7472 ±0.0044 1.095 3.02

El RMSE empeora 0.005 mm/h —nada— y a cambio el error de A baja de 33.9 a 8.9 (casi cuatro veces) y el de n de 0.0137 a 0.0044. Estimar b no compra precisión: compra una correlación del 0.967 que infla todos los intervalos.

La lección se generaliza: antes de añadir un parámetro, mira si el modelo lo distingue. Si no, el parámetro extra solo reparte la incertidumbre entre dos casillas.

  • Maidment, D. R. (ed.) Handbook of Hydrology, McGraw-Hill, 1993, capítulo de precipitación.
  • Documentación de SciPy: scipy.optimize.curve_fit y numpy.cov.
  • Verificación: mediciones/12-02-hidrologia-scipy.py (bloque 8).
  • 01 · Precipitación e IDF: la curva que aquí se ajusta.
  • 07 · Log-Pearson III: otro ajuste donde la elección del modelo pesa más que los datos.