Análisis estadístico comparativo de series cronológicas de parámetros de calidad del agua: valoración de diferentes modelos de predicción

Abstract

ESTE TRABAJO TIENE POR OBJETO CONTRASTAR LA VALIDEZ DE
LAS TECNICAS DE ANALISIS DE SERIES TEMPORALES DE MODELOS
ARIMA EN EL TRATAMIENTO DE UN EXTENSO GRUPO DE MEDIDAS DE
PARAMETROS DE CALIDAD DEL AGUA DE LA CUENCA DEL RIO
GUADIANA. LA ELECCION DE LA METODOLOGIA BOX-JENKINS PARA
DICHO ANALISIS HA SIDO CONSECUENCIA DE UNA AMPLIA
REVISION Y SUBSIGUIENTE CLASIFICACION DE DIFERENTES
TECNICAS DE TRATAMIENTO DE SERIES DE TIEMPO Y EN
PARTICULAR LAS RELACIONADAS CON LA CALIDAD DEL AGUA.

SE HACE ENFASIS ESPECIAL EN LOS CONTRASTES Y
HERRAMIENTAS EMPLEADAS EN CADA ETAPA DE CONSTRUCCION DE
LOS MODELOS Y EN TRABAJOS SOBRE APLICACION A SERIES
INCOMPLETAS DE DATOS.

A CONTINUACION, SE ANALIZAN MAS DE CIEN SERIES,
OBTENIENDOSE MODELOS DE PREDICCION QUE REPRESENTAN Y
CARACTERIZAN EL COMPORTAMIENTO DE LAS MISMAS.

SE COMPARAN Y EVALUAN LOS DISTINTOS TIPOS DE MODELOS
OBTENIDOS CLASIFICANDO LOS PARAMETROS: (1) SEGUN EL
COMPORTAMIENTO DE SUS SERIES Y (2) MEDIANTE OTROS METODOS
ESTADISTICOS. LA OBTENCION DE UN INDICE DE SIMILITUD
ENTRE AMBAS CLASIFICACIONES PERMITE AGRUPAR LAS
ESTACIONES EN BASE A LA ESTRUCTURA ESTOCASTICA DE SUS
SERIES, MEDIANTE TECNICAS DE CLUSTER, RESULTANDO GRUPOS
DE ESTACIONES CON CARACTERISTICAS SIMILARES EN LA CALIDAD
DE SUS AGUAS.

The aim of this work is to test the validity of ARIMA
models as Time Series Analysis method on a wide number of
water guality data parameters from the basin of Guadiana
river.
Box-Jenkins methodology has been selected after a large
revisión and subsequent classification of different time
series methods concerned with water quality parameters.
Special emphasis is made on test and tools used in
each of the building model steps and on works concerning
applications to data series with missing valúes.
More than one hundred time series are analysed. The
estimated models represent and characterize the behaviour of
the data series.
After that, models are compared and evaluated, and the
parameters are clustered as follows: (1) according to the
behaviour of the data series, and (2) with other statistics
methods. This point allows to build a similarity index
between the two classifications. Finally, control stations
are grouped according to the stochastic structure of their
data series using "cluster" techniques. The groups of the
cluster are similar to water quality conditions in stations.