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.
En una línea
Sección titulada «En una línea»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.
La tabla
Sección titulada «La tabla»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.
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
El ajuste
Sección titulada «El ajuste»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:
xdatava como tupla de dos mallas yydatacomo array 1D.curve_fitno sabe que hay dos dimensiones independientes; se lo dices tú.p0no es opcional en la práctica: con cuatro parámetros y exponentes, el ajuste tiene mínimos locales. Unbinicial negativo no converge.maxfevalto: el optimizador por defecto se rinde pronto en modelos con exponentes.
| 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:
| 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.
La trampa
Sección titulada «La trampa»Cuándo no aplica
Sección titulada «Cuándo no aplica»- Tablas con un solo periodo de retorno: con
Tfijo no haymque 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.
Ejercicio
Sección titulada «Ejercicio»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 npfrom 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) - tablaprint(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.
Referencias
Sección titulada «Referencias»- Maidment, D. R. (ed.) Handbook of Hydrology, McGraw-Hill, 1993, capítulo de precipitación.
- Documentación de SciPy:
scipy.optimize.curve_fitynumpy.cov. - Verificación:
mediciones/12-02-hidrologia-scipy.py(bloque 8).
Capítulos relacionados
Sección titulada «Capítulos relacionados»- 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.