Logo del INTA > Página de inicio

 

Instituto Nacional
de Tecnología Agropecuaria 

Estación Experimental
Agropecuaria Balcarce

 

 

 

Principal ] Arriba ] Actividades ] Información ] Institucional ] Contactos ] Actualidad ]

Inicio > Información > Posters > Uso de modelos aditivos...

Uso de modelos aditivos generalizados para validar modelos lineales generalizados en la descripción de las precipitaciones en Balcarce, Serie 1930-1998.

Cendoya, María Gabriela y Monterubbianesi, María Gloria.

Facultad de Ciencias Agrarias, UNMdP, Argentina

 

 

 

 

Click para ver poster completo.

Noviembre 2002

INTRODUCCIÓN

Los modelos lineales asumen una estructura rígida en la relación de la variable respuesta con las variables predictoras. Frecuentemente el tipo de relación resulta arbitrario y difícil de determinar. Los modelos aditivos relajan los supuestos sobre la forma de la relación permitiendo detectar patrones que podrían no advertirse de otra manera. Para el proceso de precipitación, modelos que incluyen términos de tipo sinusoidal como las series de Fourier permiten caracterizar cambios cíclicos dentro del año, tanto para la componente de ocurrencia como para la de intensidad.

METODOLOGÍA

Se utilizó la serie de precipitación diaria en Balcarce (1930-1998) condicionando a las fases del ENOS (Cálido, Neutro, Frío) y a la ocurrencia de precipitación en el día previo - antecesor sin lluvia (Seco), antecesor con lluvia (Húmedo) -. Asumiendo distribución binomial para ocurrencia y gamma para intensidad, se ajustaron modelos lineales generalizados (MLG) y modelos aditivos generalizados (MAG). Las funciones de ligadura canónica se modelaron para los MLG a través de series de Fourier de orden 6 (12 glMODELO) y para los MAG a través de suavizados "splines" con 11 glSPLINE, para hacerlos comparables a los MLG.

Mediante selección Forward (a=0.10) se obtuvieron modelos más parsimoniosos a partir de los MLG propuestos, mientras que por selección con Validación Cruzada Generalizada se obtuvieron MAG óptimos. Para comparar la capacidad predictora de los MLG versus MAG se utilizó la deviance como medida de la bondad del ajuste conjuntamente con métodos gráficos.

RESULTADOS

A excepción de los modelos óptimos para intensidad en la fase cálida del ENOS y antecesor con lluvia se obtuvo que:

  • los MLG seleccionados no incorporaron más de 5 términos sinusoidales (glMODELO £5), mientras que en los MAG seleccionados los glSPLINE fueron inferiores a 7.7,

 

  • las diferencias observadas en deviance para MLG y MAG comparables no superaron al 1% de la deviance de cualquiera de los modelos, Tablas 1 y 2,

 

  • los patrones de comportamiento detectados por los splines fueron consistentes con las estructuras modeladas a través de series de Fourier (se presentan los gráficos correspondientes a la fase cálida y antecesor sin lluvia, Figura 1.

Tabla 1. Valores de deviance en los modelos para el proceso de ocurrencia 

Figura 1.

 

FASE
ENOS

CONDICIÓN
DIA
PREVIO

MODELOS
INICIALES

MODELOS
SELECCIONADOS

 

 

MAG

(Spline)    

MLG

(Fourier)

MAG

(Spline)

MLG

(Fourier)

Cálido

Seco 

4303.13 

4303.60 

4309.95 

4313.42

Húmedo 

1887.26 

1890.64 

1901.57 

1894.76

Neutro

Seco 

10468.40 

10467.08 

10473.41 

10471.95

Húmedo 

4551.61 

4552.24 

4558.0

4561.03

Frío

Seco 

4050.30 

4049.27 

4059.25 

4058.28

Húmedo 

1653.18 

1657.11 

1664.45 

1664.95

Tabla 2. Valores de deviance en los modelos para el proceso de intensidad

 

FASE
ENOS

CONDICIÓN
DIA
PREVIO

MODELOS
INICIALES

MODELOS
SELECCIONADOS

 

 

MAG

(Spline)    

MLG

(Fourier)

MAG

(Spline)

MLG

(Fourier)

Cálido

Seco 

1331.51 

1333.36 

1347.00 

1347.16

Húmedo 

923.48 

925.48 

824.68 

932.79

Neutro

Seco 

3140.82 

3146.04 

3150.24 

3150.53

Húmedo 

2332.21 

2343.33 

2365.76 

2353.41

Frío

Seco 

1163.00 

1168.78 

1193.56 

1178.68

Húmedo 

687.48 

691.31 

705.84 

699.67

Figura 2.

 

 

 

Para la situación de excepción el MAG óptimo requirió 46.13 glSPLINE, redujo la deviance del MLG seleccionado en aproximadamente un 12% y detectó un patrón de comportamiento menos suave que la serie de Fourier óptima. Figura 2.

CONCLUSIONES

 

  • Los MAG validaron los patrones descriptos por las series de Fourier. Éstas últimas serían adecuadas para modelar los procesos de precipitación. 

 

  • Los MAG permitirían detectar si el orden máximo propuesto para una serie de Fourier no es suficiente. 
 
 
 

 

 

© Copyright 2002. INTA EEA Balcarce. Ruta 226 km 73,5 (7620) Balcarce, Buenos Aires, Argentina. Tel: 02266-439100, Fax: 439101, Email: intaba@balcarce.inta.gov.ar