M Jose Gomez

Universidad de Huelva
Escuela Tcnica Superior de Ingeniera
Redes Neuronales Artificiales para la

simulacin, estimacin y control de
caudales impulsados por estaciones de
bombeo en zonas regables.
Proyecto Fin de Carrera

Ingeniera Tcnica Industrial, Esp. Mecnica
Mara Jos Gmez Gallego
Directora:
Dra. Inmaculada Pulido Calvo
Huelva, 2012
Universidad de Huelva
Escuela Tcnica Superior de Ingeniera
Redes Neuronales Artificiales para la

simulacin, estimacin y control de
caudales impulsados por estaciones de
bombeo en zonas regables.
Proyecto Fin de Carrera presentado por Mara Jos Gmez Gallego en satisfaccin
de los requisitos necesarios para optar al grado de Ingeniero Tcnico Industrial,
especialidad en Mecnica. Dirigido por la Dra. Inmaculada Pulido Calvo, profesora
titular del rea de Mecnica de Fluidos de la Universidad de Huelva.
El alumno,
La directora,
Fdo. Mara Jos Gmez Gallego
Fdo. Inmaculada Pulido Calvo
A mi madre, Pepi
El triunfo no est en vencer siempre, sino en nunca desanimarse

Napolen
AGRADECIMIENTOS.
Me gustara que estas lneas sirvieran para expresar mi ms profundo y sincero

agradecimiento a todas aquellas personas que me han brindado su ayuda para llegar hasta
aqu y poder realizar este trabajo, ya que como dijo Demstenes: Los grandes sucesos
dependen de incidentes pequeos.
A la profesora Inmaculada Pulido Calvo, sin duda el mayor de mis estmulos. Contigo
he aprendido que no existen los lmites, que todo lo que me proponga lo puedo lograr y que
solo depende de m. Gracias por aceptarme para realizar este proyecto bajo tu direccin, por
darme todo y cuanto he necesitado, por ofrecerme tu disponibilidad, paciencia y dedicacin,
por entender y saber guiar mis ideas. Todo esto ha sido un aporte invaluable y la clave del
buen trabajo que hemos realizado juntas. Mi ms sincera gratitud por tu apoyo y confianza.
A mi madre. A la mujer que me dio dos grandes regalos: el primero, la vida y el

segundo, la libertad para vivirla. A ella que con su entereza me enseo lo que es vivir; a
saborear el triunfo y la derrota y que con su nimo y consejo me dio el empuje para seguir
adelante. A ella que supo ser Madre y Padre y que ha venerado el tesoro ms valioso que
puede drsele a una hija: Amor. A ella que sin escatimar esfuerzo alguno ha sacrificado por mi
gran parte de su vida; me ha formado y educado y que la ilusin de su existencia ha sido
convertirme en una persona de provecho. A ella que siempre est a mi lado y me comprende,
nunca podr pagar sus desvelos ni con las riquezas ms grandes del mundo. Gracias a ti veo
convertido en realidad lo que antes era una ilusin.
A mis tos, Manuel y Mara Teresa. Una meta ms en mi vida se ha cumplido y mil
palabras no bastaran para agradeceros vuestro apoyo y comprensin en los momentos
difciles. Gracias por haber fomentado en mi el deseo de superacin y el anhelo del triunfo en
la vida, por compartir mis penas y mis alegras, mis pequeas victorias y dolorosos fracasos,
siempre recibiendo de ustedes la palabra de aliento que me dio la fuerza para seguir luchando.
Os debo a ustedes parte de este logro y con ustedes lo comparto.
A mi abuela, quien me ha enseado con sus hechos y convicciones que existir es

cambiar, que cambiar es madurar y que madurar es crearse uno a si mismo constantemente.
A mi familia, que me demostr que la consumacin plena de mi existencia slo se logra

con la fe puesta en lo que soy, puedo y hago.
RESUMEN.
En este trabajo se propone la prediccin de la demanda en las prximas 24 horas en un

sistema de distribucin de agua para riego, y se utilizan, junto con los mtodos tradicionales de
prediccin de Regresiones Lineales Mltiples (RLMs), los modelos heursticos de Redes
Neuronales Artificiales (RNAs). Se dispone de los datos de los caudales diarios impulsados,
desde mayo de 2005 hasta abril de 2008, de la estacin de bombeo del sector II de la zona
regable de Palos de la Frontera (Huelva). Los modelos se establecen considerando la relacin
entre los datos presentes y pasados de los caudales impulsados, y tambin se analiza la
influencia de datos climticos diarios (temperatura mxima, temperatura mnima,
temperatura media, humedad relativa mxima, humedad relativa mnima, humedad relativa
media, velocidad del viento, direccin del viento, radiacin solar, precipitacin y
evotranspiracin potencial).
Las mejores estimaciones se consiguen con el modelo neuronal que considera como
variables de entrada los caudales de los siete das previos, las temperaturas mximas de nueve
y diez das anteriores al de estimacin, las temperaturas mnimas de uno y dos das anteriores,
la humedad relativa mnima del da anterior, la precipitacin del da anterior y la
evotranspiracin potencial de diez das previos al de estimacin. Esta aproximacin neuronal
implica magnitudes de evaluacin muy satisfactorias (coeficiente de determinacin de R2=0.72
e ndice de persistencia de PI=0.25) y mejores que la del modelo de regresin (coeficiente de
determinacin de R2=0.69 e ndice de persistencia de PI=-0.25).
NDICE.
Captulo 1. Introduccin.
1.1. Objetivos.
Captulo 2. Zona de estudio.
2.1. Introduccin.
11
2.2. Riegos de la provincia de Huelva.
12
2.3. Comunidad de Regantes de Palos de la Frontera.

2.3.1. Sectores de riego.
2.3.2. Facturacin del agua de riego.
14
15
23
2.4. Demanda de riego.

2.4.1. Cultivos.
2.4.2. Datos climticos.
23
24
25
Captulo 3. Material y mtodos.
29
3.1. Modelos de Redes Neuronales Artificiales.
31
3.2. Modelos descriptivos y predictivos del caudal impulsado por la estacin de

bombeo.
33
3.3. Anlisis de correlaciones cruzadas.
34
3.4. Pre-tratamiento de los datos de caudal registrados por el sistema SCADA.
34
3.5. Magnitudes de evaluacin de los modelos.
35
3.6. Comparacin de los modelos RNAs con Regresiones Lineales Mltiples.
36
Captulo 4. Resultados y discusin.
39
4.1. Modelos neuronales descriptivos considerando como variables

independientes datos climticos
41
4.2. Modelos neuronales predictivos considerando como variables

independientes datos climticos de das anteriores.
51
4.3. Modelos neuronales predictivos considerando como variables

independientes datos climticos y de caudales impulsados en das previos.
62
4.4. Comparacin con modelos descriptivos y predictivos usando Regresiones

Lineales Mltiples.
66
Captulo 5. Conclusiones.
75
Captulo 6. Referencias bibliogrficas.
81
Anexo. Base de datos del sector II.
91
II
CAPTULO 1.
INTRODUCCIN.
1.1. Objetivos.
CAPTULO 1. INTRODUCCIN.
Como se suele decir la naturaleza es realmente asombrosa. Con la combinacin

correcta de sol, suelo, temperatura y agua se desarrolla la vida vegetal. A veces, sin embargo,
podemos echarle una mano a la naturaleza. La adicin de agua mediante riego es una tcnica
que ha venido practicndose durante miles de aos. El riego puede mejorar tanto la calidad
como cantidad de las cosechas y puede hacerse incluso en reas donde las lluvias son
suficientes para mantener la agricultura. La gestin de este recurso limitado deber tender a
evitar situaciones conflictivas debidas a escasez y sobreexplotacin mediante medidas
preventivas que procuren un uso racional y de conservacin.
Para el control en tiempo real de un sistema de distribucin de agua, es fundamental la
capacidad de predecir el comportamiento de la demanda. Con esta previsin y unos criterios
de gestin determinados, se podrn establecer las estrategias de control del estado de grupos
de bombeo, depsitos y vlvulas (modo de trabajo previsto del sistema de distribucin).
Normalmente, este esquema de operacin se planifica para las prximas 24 horas, debido a
que las curvas de demanda tienen ciclos diarios y a que los intervalos horarios son la base de
los sistemas de discriminacin de la tarifacin de la energa elctrica (Jowitt y Xu, 1992; Len et
al., 2000). De este modo, en este estudio se propone la estimacin de demanda diaria total en
las prximas 24 horas en sistemas de distribucin de agua.
Para resolver la modelacin de la demanda de agua (o caudales demandados) a corto
plazo en redes urbanas, fundamentalmente se han desarrollado dos tcnicas. La primera
consiste en establecer modelos matemticos basados en la correlacin entre los datos de
demanda y factores demogrficos y ambientales (Maidment et al., 1985; Saporta y Muoz,
1994; Rfenatch y Guibentif, 1997; Fontdecaba et al., 2012), mientras que la segunda modela
la relacin entre datos presentes y pasados de la demanda (anlisis estocstico de series
temporales) (Coulbeck et al., 1985; Hartley y Powell, 1991; Jowitt y Xu, 1992; Shvartser et al.,
1993; Saporta y Muoz, 1994; Molino et al., 1996; Nel y Haarhoff, 1996). La primera
metodologa es poco usual, dado que recoger los datos referentes a factores considerados
determinantes es igual o si cabe ms complicado que recoger los propios datos de caudales
impulsados por las estaciones de bombeo, y la inclusin de estos factores se contempla de
forma implcita a travs de las observaciones de los caudales demandados (Saporta y Muoz,
1994).
Las necesidades diarias de agua para el riego de los cultivos pueden ser estimadas por
un balance entre las tasas de percolacin y de evapotranspiracin. Estas se utilizan
normalmente para la planificacin del volumen de agua a distribuir en las grandes zonas
regables. Muchos modelos se han utilizado para simular estas necesidades de agua; desde
tcnicas empricas a mtodos conceptuales (Doorenbos y Pruit, 1977; Doorenbos y Kassam,
1979; Van Aelst et al., 1988; Allen et al., 1998). Sin embargo, las necesidades de agua
calculadas para la planificacin del riego con estos mtodos no siempre son adecuadas para la
evaluacin y manejo de los volmenes impulsados reales. Esto se debe a que hay muchos
parmetros que pueden variar significativamente entre las condiciones consideradas en el
planteamiento de estos modelos y las condiciones reales que se presentan en la gestin diaria
de estas zonas regables.
Adems, para facilitar la adquisicin y el registro de datos en las grandes zonas

regables cada vez es ms frecuente la instalacin de sistemas de informacin geogrfica SIG y
de telecontrol, que combinados con modelos hidrulicos y de gestin, mejoran y facilitan la
planificacin y el manejo de los abastecimientos de agua correspondientes (Hartkamp et al.,
1999; Kite, 2000; Kite y Droogers, 2000; Lorite et al., 2004; Leib et al., 2003; Mareels et al.,
2005; Miranda et al., 2005).
A pesar de estos avances, en muchas de las zonas regables la gestin del agua de riego
se basa slo en la experiencia y el conocimiento de los tcnicos responsables, que siempre
tienen la necesidad de apoyarse en tcnicas que le faciliten la previsin de la demanda diaria
de agua.
Entre las herramientas generalmente utilizadas para tales fines destacan las
regresiones lineales mltiples.
Avances recientes y significativos en el campo del pronstico y la estimacin han sido
posibles gracias a los avances en una rama de la teora de sistemas no lineales; modelos que se
conocen como redes neuronales artificiales o computacionales (RNAs). Los enfoques
neuronales son cada vez ms aplicados en muchos campos de la ciencia y la ingeniera y, por lo
general, aportan resultados altamente satisfactorios.
Las RNAs estn siendo ampliamente utilizadas en el ajuste de funciones y en el
modelado de sistemas altamente no lineales, ya que realizan una transformacin de este tipo
entre los datos de entrada y salida, lo que supone importantes ventajas frente a las
metodologas estadsticas convencionales tales como la regresin lineal mltiple en la que la
relacin entre los datos ha de ser lineal. Asimismo, no precisan de una ecuacin para la
relacin emprica entre los datos como as ocurre en otras tcnicas estadsticas paramtricas
tales como la regresin no lineal o el filtro de Kalman. Por otro lado, se caracterizan por
identificar la informacin relevante sobre una ingente cantidad de datos, discriminando la que
es inconsistente, ambigua o incompleta.
Algunas de las aplicaciones de redes neuronales artificiales para la gestin y
planificacin de los recursos hdricos incluyen el modelado del proceso de lluvia-escorrenta
(Hsu et al., 1995; Lorrai y Sechi, 1995; Mason et al., 1996; Abrahart et al., 1999; Tokar y
Johnson, 1999; Thirumalaiah y Deo, 2000; Tokar y Markus, 2000; Chiang et al., 2004;
Moradkhani et al., 2004; Anctil y Rat, 2005; Agarwal et al., 2006), previsin del estado de ros
(Thirumalaiah y Deo, 1998, 2000; Abrahart y See, 2000, 2002; See y Openshaw, 2000; Cameron
et al., 2002; Nayebi et al., 2006; Pulido-Calvo y Portela, 2007), la caracterizacin de
precipitaciones (French et al., 1992; Zhang et al., 1997; Kuligowski y Barros, 1998), la
modelacin de aguas subterrneas (Rizzo y Dougherty, 1994; Roger y Dowla, 1994; Yang et al.,
1997), la prediccin del contenido de agua en el suelo (lvarez y Bolado, 1996; Givi et al.,
2004) y de nitratos en drenaje del agua del suelo (Sharma et al., 2003), y el anlisis de sequas
(Shin y Salas, 2000), entre otros. Trabajos previos sobre la estimacin de la demanda de agua
tanto en sistemas de abastecimiento urbano y de riego (Gri, 1992; Pulido-Calvo et al., 2002,
2003) mostraron que el uso de los modelos de redes neuronales artificiales proporcionaron
resultados muy satisfactorios.
En este trabajo junto con la metodologa tradicional de regresiones lineales mltiples,
se propone el uso de Redes Neuronales Artificiales (RNAs) para la estimacin de los caudales
impulsados por estaciones de bombeo de grandes zonas regables, ya que han demostrado
conseguir muy buenos resultados en el campo de las tcnicas de control inteligente.
4
1.1. OBJETIVOS.
El objetivo global de este proyecto ha sido utilizar modelos heursticos de Redes
Neuronales Artificiales como herramienta de apoyo en el control en tiempo real de los
caudales de agua impulsados por estaciones de bombeo de grandes zonas regables. Para la
consecucin de este objetivo global se han planteado los siguientes objetivos especficos:
1. Seleccin y caracterizacin de la zona regable de Palos de la Frontera (Huelva). Esta
Comunidad de Regantes dispone de un sistema de telecontrol que registra datos de la
red hidrulica a presin encargada de impulsar y distribuir el agua a los cultivos.
2. Diseo y evaluacin de modelos descriptivos de Redes Neuronales Artificiales que
consideran como variable dependiente el caudal impulsado por la estacin de bombeo
en el tiempo t y como variables independientes datos climticos (temperaturas
mximas, mnimas y medias; humedades relativas mximas, mnimas y medias;
velocidad del viento; direccin del viento; radiacin solar; precipitacin;
evapotranspiracin de referencia) registrados en la zona en el tiempo t.
3. Diseo y evaluacin de modelos predictivos de Redes Neuronales Artificiales que
consideran como variable dependiente el caudal impulsado por la estacin de bombeo
en el tiempo t y como variables independientes datos climticos y caudales impulsados
en periodos de tiempo anteriores (t-n).
4. Comparacin de las aproximaciones neuronales con modelos tradicionales de
Regresiones Lineales Mltiples.
CAPTULO 2.
ZONA DE ESTUDIO.
2.1. Introduccin.
2.2. Riegos de la provincia de Huelva.
2.3. Comunidad de Regantes de Palos de la Frontera.
2.3.1. Sectores de riego.
2.3.2. Facturacin del agua de riego.
2.4. Demanda de riego.
2.4.1. Cultivos.
2.4.2. Datos climticos.
CAPTULO 2. ZONA DE ESTUDIO.
2.1. INTRODUCCIN.
A comienzos de la dcada de los setenta del pasado siglo, la situacin general de la
agricultura en la provincia de Huelva era de autntica subsistencia y de abandono creciente
por parte de la poblacin agrcola ms joven.
La labor divulgadora de los Servicios Comarcales de Extensin Agraria ubicados en la
costa onubense se dio cuenta del posible incremento de rentabilidad agraria que podra tener
el cultivo de la fresa, que ya vena hacindose desde haca algn tiempo por algunos
agricultores. As pues, se lleva a cabo una campaa intensa de informacin y concienciacin en
todos los pueblos de la costa de Huelva con tal de extender los notables beneficios del nuevo
cultivo al mayor nmero posible de agricultores. Esta labor divulgadora de los Servicios
Comarcales de Extensin Agraria junto al afn de mejorar de los agricultores hizo que el campo
de la costa onubense pasase, en muy poco tiempo, de una situacin de lamentable penuria a
un campo con una de las mayores rentabilidades de todo el panorama nacional.
Pero para que ese milagroso cambio se produjera hubo que salvar muchos obstculos,
dedicando a esa ilusionante tarea muchos esfuerzos por parte de muchas personas e
instituciones. Fueron precisas la creacin de infraestructuras, entidades, canales de
comercializacin, etc.
Una de las entidades que nacieron con el objetivo de que los agricultores
aprovechasen el rentable momento agrcola que se le presentaba con el cultivo de la fresa
fueron las Comunidades de Regantes.
Al principio del desarrollo del cultivo de la fresa, un factor limitante para su expansin
en diferentes zonas de la costa de Huelva fue la carencia o escasez de agua de los acuferos
subterrneos o de la mala calidad de la misma. Enseguida comenz a pensarse en la
posibilidad de utilizar las aguas superficiales de las presas del Piedras (figura 2.1) y del Chanza
(figura 2.2) que estaban conectadas con Huelva-Capital y su Polo Industrial mediante el Canal
del Piedras que atravesaba parte de los territorios aspirantes a provechar el buen momento
agrcola que se les pona por delante.
Figura 2.1. Presa del Piedras (capacidad de 59 hm ).
11
Figura 2.2. Presa del Chanza (capacidad de 340 hm ).
2.2. RIEGOS DE LA PROVINCIA DE HUELVA.

La provincia de Huelva est regada por cuatro cuencas fundamentalmente: Guadiana,
Piedras, Odiel y Tinto. Todas ellas, y en lo relativo a la provincia, representan una extensin de
aproximadamente 7400 km2. En general, puede decirse que se trata de una provincia
potencialmente excedentaria en recursos hdricos.
De estas cuatro cuencas, tradicionalmente las del Odiel y Tinto han estado
fuertemente contaminadas por el contenido pirtico de sus suelos, piritas cuya extraccin ha
sido, en gran medida, el soporte econmico de la provincia desde tiempos inmemoriales (junto
con la pesca) y que, ltimamente, estn en fuerte retroceso.
A partir de 1980 comienzan las experiencias de riegos en Huelva, en concreto el fresn
con apenas 1000 ha, debido a las ventajas que ofrece el clima de Huelva y a la potencialidad
hidrulica de la provincia, antes mencionada. En el ao 2000 las 1000 ha se haban
transformado en ms de 20000 ha, de las que unas 12000 ha, se regaban con aguas
superficiales y el resto, subterrneas.
El esquema hidrulico actual, como se aprecia en la figura 2.3, contempla la toma de
agua en el Chanza, y su trasvase hasta el Piedras y Huelva mediante el canal del Piedras. Esto
hace que el verdadero ro de Huelva sea este canal que une la Presa del Chanza con la Presa
del Piedras y con Huelva.
El esquema hidrulico futuro que se aprecia en la figura 2.4, contempla adems la
regulacin de los ros Odiel y Tinto, as como del Guadiana, formando una red que posibilitar
abastecer, no slo al Polo Industrial de Huelva y a la mayor parte de los municipios, sino a las
previsiones de riego, que apuntan a unas 50000 ha.
12
Figura 2.3. Esquema hidrulico general de la infraestructura de abastecimiento de agua actual de la

provincia de Huelva.
Figura 2.4. Esquema hidrulico general de la infraestructura de abastecimiento futuro de agua de la

provincia de Huelva.
13
2.3. COMUNIDAD DE REGANTES DE PALOS DE LA FRONTERA.

La necesidad de abordar la modernizacin de la zona regable de Palos de Frontera era
clara y manifiesta ya que, tratndose de una zona dinmica y con un potencial econmico
extraordinario, solo contaba con una infraestructura de distribucin improvisada por los
regantes da a da, careca de infraestructura de regulacin, y los recursos disponibles no
alcanzaban a cubrir la totalidad de la demanda.
Con el objetivo de regular y poner orden a todos los regados existentes de la zona,
nace en 1999 la Comunidad de Regantes (CC.RR.) de Palos de la Frontera, la cual queda
constituida legalmente segn resolucin del Ministerio de Medio Ambiente, de fecha 15 de
junio de 2000, de la Comisara de Aguas de la Configuracin Hidrogrfica del Guadiana.
Inicialmente se incluye en la declaracin el permetro formado por los sectores I y II,
con una superficie regable de 2200 ha. Ms tarde, en la campaa 2002-2003 se ampla la
comunidad incluyendo la zona conocida como Las Malvinas en el sector III. Finalmente
queda una superficie regable total de 3343 ha repartidas entre los municipios de Palos de la
Frontera y Moguer (tabla 2.1).
Tabla 2.1. Superficies regables de la CC.RR. de Palos de la Frontera.

Trmino municipal
Palos de la Frontera
Moguer
Total
Fuente: Consejera de Agricultura y Pesca, 2003
Superficie regable (ha)

1720
1623
3343
A lo largo de estos aos se han realizado diversas obras de modernizacin en los tres
sectores, incorporndose en 2004 un sistema SCADA (Supervisory Control Data Adquisition)
para la gestin ptima de la distribucin del agua en esta comunidad de regantes. Este sistema
de telecontrol permite la adquisicin y supervisin de datos como la presin y el caudal de
numerosos puntos del sistema de distribucin de agua, y por tanto, facilita la gestin diaria de
toda la red hidrulica.
Respecto al origen del agua de riego, en un principio los regados de la zona de Palos y
Moguer se abastecan de pozos subterrneos realizados por particulares sobre el Acufero de
Doana, compartido por las cuencas del Guadiana y del Guadalquivir. Con el paso de los aos y
la progresiva intensificacin de los cultivos, se alert del peligro de sobreexplotacin que
exista sobre dicho acufero. Para solucionar este y otros problemas, se ejecutaron las obras
del Anillo Hdrico de Huelva.
En la actualidad, la Comunidad de Regantes de Palos de la Frontera gestiona agua de
origen superficial, proveniente de la regulacin del sistema Chanza-Piedras, de los embalses
del Chanza (340 hm3) y del Piedras (59 hm3) transportada por el canal del Granado y por el
Canal del Piedras. Por otra parte, los agricultores tambin disponen de pozos propios para
extraer agua de acuferos y complementar el riego a los cultivos, aunque dichas extracciones
no estn reguladas por parte de la Comunidad de Regantes ya que sta se limita a gestionar
nicamente los recursos recibidos del sistema Chanza-Piedras.
14
La Comunidad de Regantes de Palos de la Frontera se encuentra en la Comarca del

Condado, en la provincia de Huelva, junto a la desembocadura del Ro Tinto, el cual marca el
lmite occidental de la Comunidad. Se extiende por los municipios de Moguer y sobre todo de
Palos de la Frontera, cuyo Polo Industrial constituye el lmite sur de la Comunidad. Al norte se
encuentra la Comunidad de Regantes El Fresno, situada en el Trmino Municipal de Moguer.
Por ltimo, el extremo oriental de la Comunidad se sita sobre la lnea de separacin entre las
cuencas del Guadiana y Guadalquivir. Su sede est en Palos de la Frontera (Huelva).
2.3.1. SECTORES DE RIEGO.

La Comunidad de Regantes Palos de la Frontera cuenta con un permetro de riego de
3343 ha repartidas entre los municipios de Palos de la Frontera y Moguer, pertenecientes a
ms de 350 socios, distribuidas en tres sectores de riego (figura 2.5).
Figura 2.5. Ubicacin de los sectores de riego y balsas de regulacin.
Sector I:
El sector I, con una superficie estimada de 1320 ha, es el de mayor extensin y a la vez
el ms tradicional. Cuenta con una balsa de 56000 m3 de capacidad (figura 2.6) que se
abastece directamente del anillo hdrico a travs de una doble conduccin de dimetro 700
mm. Esta obra ha sido financiada por la Consejera de Agricultura y Pesca de la Junta de
Andaluca.
Junto a la balsa de regulacin, se encuentra la estacin de bombeo que, conectada a
sus tomas de riego, proporciona 1584 l/s a 8.5 kgf/cm2 (85 m.c.a.) de presin, de forma que en
todos los puntos finales de las unidades de riego existe una dotacin de 1.2 l/s ha a 3 kgf/cm2
(30 m.c.a.). Una de las cinco bombas que comprende la estacin est regulada por un variador
de frecuencia que ajusta el bombeo a la demanda real.
15
Tras el bombeo se halla la estacin de filtracin de mallas automticas (figura 2.7),

cuya misin es la de eliminar cualquier partcula que pudiera atascar las vlvulas hidrulicas, el
contador y los goteos utilizados para el riego de los cultivos. Despus de los filtros se
encuentran dos calderines (o depsitos antiarietes) de 35000 litros cada uno, que protegern a
las bombas, filtros y a la red de tuberas de depresiones y sobrepresiones bruscas que puedan
generarse en algn momento de la operacin del sistema. A continuacin va instalado un
controlador electromagntico de dimetro 900 mm que contabiliza toda el agua que pasa por
el riego de este sector.
La red de distribucin est compuesta de tuberas de polister reforzado con fibra de
vidrio (PRFV), policloruro de vinilo (PVC) y polietileno de alta densidad (PEAD) segn sea el
dimetro de la misma (figura 2.8). Esta red se ramifica por todo el sector y avanza por los
lmites de parcelas, hasta llegar a la agrupacin de contadores que se encuentra en las
unidades de riego.
Paralela a esta red hidrulica est instalada una red de tuberas para la distribucin de
agua potable a todas las viviendas que estn construidas en cada parcela. Esta red es de
polietileno de alta densidad PN10 y de uso alimentario con calidad AENOR. Con esta iniciativa,
la Comunidad de Regantes Palos de la Frontera se constituye en pionera en la gestin y
distribucin de abastecimientos de agua potable al medio rural que forma su permetro de
riego.
En cada unidad de riego se puede encontrar, dependiendo de las parcelas y
consecuentemente de los propietarios que estn dentro de las mismas, de 1 a 8 contadores.
Tras dichas casetas sale la red terciaria, formada por las tuberas individuales que llegan hasta
las parcelas de cada usuario o regante.
En las tablas 2.2(a) y 2.2(b) se muestran y resumen las principales caractersticas de la
red hidrulica a presin del sector I.
Tabla 2.2(a). Principales caractersticas del sector I.

Superficie sector I .......... 1230 ha
Dotacin general.1.2 l/s ha a 3 kgf/cm
BALSA DE REGULACIN
Capacidad total
Altura mxima de dique
Superficie de lmina de agua
Tubera de entrada
Caudal de entrada
56000 m
6.85 m
2
11978 m
PRFV 2 - 700 mm
1584 l/s
ESTACIN DE BOMBEO
Nmero de bombas
Caudal unitario
Caudal total de impulsin
Potencia instalada
Potencia unitaria
Presin de trabajo
Transformadores
4 + 1 de reserva
3
511 l/s 1840 m /h
3
1584 l/s - 5386 m /h
1920 kW 2600 CV
840 CV 430 CV
2
8.5 kgf/cm
2 x 1000 kVA
16
Tabla 2.2(b). Principales caractersticas del sector I.
ESTACIN DE FILTRADO
Nmero de filtros
Superficie total de filtracin
Caudal unitario de filtracin
Grado de filtracin
Control de lavados
16 (malla automtica)
2
160000 cm
3
350 m /h
130 micras -120 mesh
Automtico
RED DE RIEGO
Longitud total de tuberas

Dimetros
Materiales
Nmero de casetas de unidad de riego
Nmero de vlvulas contador
Longitud total de cable telecontrol
Nmero de concentradores de telecontrol
38294 m
de 1200 a 90 mm
PRFV PVC PEAD
109
391
40200 m
3
Figura 2.6. Balsa de regulacin del sector I.
Figura 2.7. Sistema de bombeo y filtrado del sector I.
17
Figura 2.8. Tuberas del sector I.
Sector II:
El sector II, con una superficie estimada de 880 ha, cuenta con una balsa de 283000 m3
de capacidad (figura 2.9) y se abastece directamente del anillo hdrico a travs de una
conduccin de acero helicoidal de dimetro 1200 mm.
La gran diferencia de volumen de esta balsa respecto a la del sector I se explica por
tres razones: aprovechar al mximo el suelo disponible; disponer de una reserva de agua de
dos das, para toda la superficie regable ante cualquier eventualidad; y optimizar al mximo las
distintas posibilidades de funcionamiento. Por ello, ambas balsas estn comunicadas a travs
de una tubera de dimetro 800 mm, y se dispone de los by-pass necesarios para poder
suministrar agua a cualquier sector desde cualquiera de las tres estaciones de bombeo. Esto
supondr un ahorro importante en los consumos elctricos totales.
La estacin de bombeo del sector II (figura 2.10), cuyo funcionamiento es similar a la
del sector I, est compuesta por cinco bombas verticales y una capacidad total de bombeo de
1056 l/s a 5.5 kgf/cm2 de presin. Con estas caractersticas se garantiza la dotacin establecida
para todos los usuarios que es de 1.2 l/s ha a 3 kgf/cm2 de presin en cada unidad de riego.
Con la misma configuracin que el sector anterior, nos encontramos con una estacin de
filtracin de mallas automticas, un contador o caudalmetro electromagntico de dimetro
900 mm, y un caldern de 30000 litros. La red de distribucin de riego, formada igualmente por
tuberas de polister y PVC segn los dimetros, se extiende hasta alcanzar las 64 casetas de
las unidades de riego que conforman este sector y que tienen las mismas caractersticas que la
del sector I.
En la tabla 2.3(a) y 2.3(b) se muestran y resumen las principales caractersticas de la
red hidrulica a presin del sector II.
Tabla 2.3(a). Principales caractersticas del sector II.
Superficie sector II .......... 880 ha
Dotacin general.1.2 l/s ha a 3 kgf/cm
BALSA DE REGULACIN
Capacidad total
Altura mxima de dique
Superficie de lmina de agua
Tubera de entrada
Caudal de entrada
285000 m
9.9 m
2
37833 m
Acero - 1200 mm
2427 l/s
18
Tabla 2.3(b). Principales caractersticas del sector II.
ESTACIN DE BOMBEO
Nmero de bombas
Caudal unitario
Caudal total de impulsin
Potencia instalada
Potencia unitaria
Presin de trabajo
Transformadores
4 + 1 de reserva
3
358 l/s 1290 m
3
1056 l/s - 3800 m /h
1280 kW 1739 CV
340 CV 180 CV
2
5.5 kgf/cm
2 x 800 kVA
ESTACIN DE FILTRADO
Nmero de filtros
Superficie total de filtracin
Caudal unitario de filtracin
Grado de filtracin
Control de lavados
11 (malla automtica)
2
110000 cm
3
350 m /h
130 micras -120 mesh
Automtico
RED DE RIEGO
Longitud total de tuberas
Dimetros
Materiales
Nmero de casetas de unidad de riego
Nmero de vlvulas contador
Longitud total de cable telecontrol
Nmero de concentradores de telecontrol
29759 m
de 900 a 90 mm
PRFV PVC PEAD
64
148
32200 m
3
Figura 2.9. Balsa sector II.
Figura 2.10. Estacin de bombeo y filtrado de los sectores II y III.
19
Sector III:
El sector III, con una superficie estimada de 1143 ha, ha sido el ltimo en incorporarse
legalmente al permetro de riego de la Comunidad. Es el sector donde se produce la mayor
actividad agrcola, donde se demanda una mayor dotacin de agua, debida fundamentalmente
a sus caractersticas geotcnicas.
Se abastece de la misma balsa general del sector II (figura 2.10). Cuenta con una
estacin de bombeo de cinco bombas verticales y una capacidad total de impulsin de 1372 l/s
a 6.5 kgf/cm2 de presin. Tambin consta de una estacin de filtracin de mallas automticas,
y un contador electromagntico de dimetro 900 mm.
La red de distribucin de riego, formada por tuberas de polister y PVC, se extiende
hasta alcanzar las 54 casetas de las unidades de riego que conforman este sector y que tienen
las mismas caractersticas que las de los dos sectores anteriores.
Las casetas de las unidades de riego de cualquiera de los sectores de riego de la

Comunidad de Regantes, estn compuestas por los siguientes elementos:
-
Un cazapiedras, cuya misin es retener todos aquellos slidos gruesos que puedan
obstruir el normal funcionamiento de las vlvulas-contador.
Una vlvula reductora-sostenedora, cuya misin es estabilizar la presin a 3 kgf/cm2 en

cada hidrante, abriendo o cerrando segn las necesidades. Tambin tiene la misin de
mantener en carga toda la red de riego una vez que el bombeo se ha interrumpido.
Una vlvula hidrulica-contador, limitadora de caudal, cuya funcin es la de

contabilizar los consumos individuales de agua y a la misma vez limitar el caudal
instantneo que cada parcela tiene asignado en funcin de su superficie (figura 2.11).
Una solenoide que tras recibir la seal, va radio y monocable, acta en consonancia
abriendo o cerrando el paso de agua a cada parcela.
Un contador volumtrico para contabilizar los consumos de agua potable de cada

usuario de la parcela (figura 2.12).
Las tarjetas remotas que a travs de monocable toman y llevan los datos de consumo y
las presiones que nos dan los traductores instalados en el sistema SCADA.
Puesto que los suelos de la comunidad en general tienen un alto contenido en arena,
no es necesaria infraestructura de drenaje. A pesar de ello, la comunidad dispone de una
captacin en la red natural de drenaje de la zona por la que fluyen las aguas de escorrenta,
que permite recuperar un determinado volumen de agua y almacenarlo de nuevo en las balsas
de regulacin para su reutilizacin.
20
Figura 2.11. Vlvulas para la regulacin del agua de riego.
Figura 2.12. Contadores de agua potable.
Como se ha mencionado anteriormente, para el correcto control de las instalaciones y

del agua utilizada por los usuarios, la Comunidad de Regantes cuenta con un sistema de
telecontrol (figura 2.13) de ltima generacin [sistema SCADA (figura 2.14)], que permite
alcanzar los siguientes objetivos:
-
Recibir la medida de los caudales instantneos y consumos acumulados, en tiempo

real, de cada uno de los usuarios de la Comunidad de Regantes, permitiendo saber si
existe un exceso o un defecto de consumo de agua por parte de algn usuario.
Detectar cualquier anomala en la red, de manera que pueda actuar con celeridad a la
hora de reparar un fallo en el sistema.
El control sobre la apertura y cierre de cada vlvula-contador, que evitara las prdidas
innecesarias de agua, as como su uso fraudulento.
El control sobre el arranque y parada de las estaciones de bombeo, as como conocer

las presiones en distintos puntos estratgicos de las redes.
21
La posibilidad de que cada usuario, a travs de internet, pueda conocer datos de sus
consumos y facturaciones, y tambin programar el riego de sus parcelas
individualmente.
Realizar estadsticas con datos acumulados para conocer la dinmica de riegos por
parte de los usuarios, pudiendo asesorar a los mismos sobre mejoras en el modo de
regar, contribuyendo de esta manera al ahorro de agua y optimizacin de los regados.
Figura 2.13. Composicin de tubera de agua potable, tubera de riego y cable del telecontrol.
Figura 2.14. Ejemplo del sistema SCADA.
22
2.3.2. FACTURACIN DEL AGUA DE RIEGO.

La organizacin del riego es a la demanda. Con las infraestructuras existentes
actualmente, todos los comuneros pueden disponer de una dotacin de 1.2 l/s ha a 3 kgf/cm2
durante las 24 h del da todos los das del ao.
La facturacin realizada en la Comunidad de Regantes de Palos de la Frontera es por
volumen de agua. En cuanto al precio del agua, queda definido dentro de la Normativa de
Riego de cada campaa, como se recoge en la tabla 2.4.
Tabla 2.4. Precios segn Normativa de Riegos y Agua Potable.

Campaa
Precio del Agua de Riego

Precio del Agua Potable
3
3
/m
/m
2001-2002
0.0721
0.0721
2002-2003
0.0721
0.0721
2003-2004
0.0721
0.0721
2004-2005
0.0962
0.0962
2005-2006
0.0962
0.0962
2006-2007
0.1143
0.4327
2007-2008
0.1143
0.5410
2008-2009
0.1550
0.5410
2009-2010
0.1550
0.5410
Fuente: Comunidad de Regantes Palos de la Frontera, 2011.
Cuota Anual
/ha y ao
45.08
45.08
45.08
45.08
45.08
45.08
45.08
45.08
45.08
Cada comunero estar obligado a satisfacer, con independencia de su consumo de

agua y energa, la cuota que le corresponda para cubrir el presupuesto de los gastos generales
de la Comunidad, relativos a la explotacin, conservacin, reparacin y mejora, segn la
derrama por hectrea o equivalente que ser recogida para cada campaa en la Normativa de
Riego y de Agua Potable correspondiente, reflejado en la tabla 2.4. Los gastos energticos y el
canon que la Confederacin Hidrogrfica del Guadiana se cobra a los agricultores es segn el
volumen de agua consumido (m3).
Para evitar excesos en el consumo de agua en parcela, la Confederacin Hidrogrfica
del Guadiana asigna una dotacin mxima anual de 6000 m3/ha, con independencia del tipo de
cultivo y la antigedad del mismo. La comunidad de regantes puede sancionar y cortar el
suministro de agua a los comuneros cuyo consumo en exceso suponga alteraciones en el
suministro a los dems usuarios.
2.4. DEMANDA DE RIEGO.

La necesidad de agua de riego es la cantidad de agua que debe aportarse a un cultivo
para asegurar que recibe la totalidad de sus necesidades hdricas o una fraccin de terminada
de stas. Cuando el riego es la nica aportacin de agua de que se dispone, la necesidad de
agua de riego ser al menos igual a las necesidades hdricas del cultivo, siendo mayor cuando
existen prdidas (escorrenta, percolacin, falta de uniformidad en la distribucin, etc.), y
menor cuando la planta puede satisfacer sus necesidades hdricas a partir de otros recursos
(lluvia, reservas de agua en el suelo, etc.).
23
Por tanto, para poder planificar los riegos, tanto en lo que se refiere a la frecuencia
como a la dosis, es necesario conocer las necesidades hdricas de los cultivos, es decir, la
cantidad de agua que requieren para un desarrollo ptimo. Dichas necesidades se miden en l/s
y van a depender en cada momento de diversos factores: condiciones meteorolgicas,
caractersticas del suelo y del propio cultivo (especie, variedad, estado fenolgico, adaptacin
al hbitat de cultivo, etc.).
2.4.1. CULTIVOS.
La Comunidad de Regantes de Palos de la Frontera cuenta con un 89% de su superficie
de riego destinada al cultivo de la fresa, quedando el 11% restante para rboles frutales.
El ciclo del cultivo de fresas se inicia en el mes de agosto con el abonado y riego por
aspersin de la parcela para posteriormente realizarse sobre sta las labores de alomado y
encintado. Una vez preparado el terreno, a principios de octubre, comienza la plantacin,
siendo en este mes fundamental el riego con microaspersores para el enraizamiento de la
planta. Durante la produccin de fresas, se dan dos pocas muy bien marcadas: la lluviosa, de
noviembre a febrero, y la seca de marzo a mayo, esto explica que la demanda de agua
aumente en estos ltimos meses. A finales de mayo queda completado el periodo de
recoleccin de frutos y por tanto el riego es mnimo. Esta distribucin de riego se aprecia en la
figura 2.15.
Plantacin
450
Riegos del
cultivo
400
Caudal medio diario (l/s)
350
Preparacin
del
terreno
300
250
200
150
100
50
Tendencia lineal
0
09/03/2007 28/04/2007 17/06/2007 06/08/2007 25/09/2007 14/11/2007 03/01/2008 22/02/2008 12/04/2008 01/06/2008
Fecha
Figura 2.15. Caudal medio diario (l/s) suministrado por la estacin de bombeo del sector II, desde mayo
de 2007 a abril de 2008.
24
2.4.2. DATOS CLIMTICOS.

La estimacin de las necesidades de agua de los cultivos precisa de una informacin
meteorolgica de calidad y que abarque la mayor parte de las superficies regadas. Esta
informacin es hoy fcil de obtener con la ayuda de las estaciones meteorolgicas
automticas, que cuentan con un adecuado plan de mantenimiento "in situ", as como con una
exhaustiva revisin de los registros que suministran los sensores. Concretamente en la
Comunidad Andaluza existe una red de estaciones agroclimticas, denominadas RIA (Red
Informacin Agroclimtica), dependientes del Instituto de Investigacin y Formacin Agraria y
Pesquera (IFAPA) de la Consejera de Agricultura y Pesca.
En la provincia de Huelva se cuenta con 12 estaciones agroclimticas distribuidas en
distintas localidades. Para este estudio se usan los datos climticos procedentes de la estacin
de Moguer (latitud: 37o 08' 52'' N; longitud: 06o 47' 28'' W; altitud 87.0 m) por ser sta la ms
prxima a Palos de la Frontera. Se dispone de datos diarios de temperatura (mxima, mnima,
media), humedad relativa (mxima, mnima y media), velocidad del viento, direccin del
viento, radiacin solar, precipitacin y evotranspiracin potencial (ET0), desde mayo de 2005
hasta abril de 2008.
La provincia onubense goza de un clima mediterrneo subtropical, clasificado como
templado clido, con influencias martimas en el litoral. La temperatura media anual es de
18oC, variando las medias mensuales entre los 25oC para el mes ms clido y 11oC para el ms
fro. Las temperaturas mnimas excepcionalmente bajan de 0oC. En la figura 2.16 se muestra la
variacin estacional de la temperatura media diaria en la estacin meteorologa de Moguer.
Huelva cuenta con ms de 3000 horas de luz anuales, lo que la convierte en la
provincia espaola peninsular con mayor ndice de insolacin anual, junto a Almera.
Temperatura media diaria (oC)
35
30
25
20
15
10
5
0
Fecha
o
Figura 2.16. Distribucin de la temperatura media ( C) recogida por la estacin meteorolgica de

Moguer desde mayo de 2005 a abril de 2008.
25
La precipitacin media anual de la provincia de Huelva es de aproximadamente 500

mm, aunque en aos lluviosos se pueda llegar hasta 1000 mm. El mximo pluviomtrico se
encuentra a finales de otoo-invierno, mientras que en la estacin estival escasean las lluvias,
destacando el mes de julio con apenas precipitaciones registradas. En la figura 2.17 se muestra
la variacin estacional de las precipitaciones en la estacin de Moguer desde mayo de 2005 a
abril de 2008.
80
Precipitacin diaria (mm)
70
60
50
40
30
20
10
0
Fecha
Figura 2.17. Distribucin de las precipitaciones diarias (mm) recogida por la estacin meteorolgica de
Moguer desde mayo de 2005 a abril de 2008.
Si se quiere profundizar en alguna otra caracterstica especifica relativa a la Comunidad

de Regantes de Palos de la Frontera (Huelva) se recomienda se consulten los trabajos de PrezUrrestarazu (2007) y Prez-Urrestarazu et al. (2009).
26
CAPTULO 3.
MATERIAL Y MTODOS.
3.1. Modelos de Redes Neuronales Artificiales.

3.2. Modelos descriptivos y predictivos del caudal impulsado por la estacin de bombeo.
3.3. Anlisis de correlaciones cruzadas.
3.4. Pre-tratamiento de los datos de caudal registrados por el sistema SCADA.
3.5. Magnitudes de evaluacin de los modelos.
3.6. Comparacin de los modelos RNAs con Regresiones Lineales Mltiples.
29
CAPTULO 3. MATERIAL Y MTODOS.
3.1. MODELOS DE REDES NEURONALES ARTIFICIALES.

Una red neuronal artificial (RNA) es un modelo heurstico que copia la estructura de un
sistema neuronal biolgico con el fin de alcanzar una funcionalidad similar. El procesador
elemental o neurona es un dispositivo simple de clculo que, a partir de un vector de entrada
del exterior o de otra neurona, proporciona una nica respuesta o salida. En general una red
neuronal consiste en el establecimiento de un conjunto de nodos o neuronas agrupadas en
varias capas e interconectadas entre s (capa de entrada, capas ocultas o intermedias y capa de
salida). Las conexiones que unen a las neuronas tiene asociado un peso numrico, y el
aprendizaje se realiza con la actualizacin de tales pesos (figura 3.1). Se denomina poca al
periodo de tiempo que comprende todas las iteraciones realizadas al presentar todos los
patrones (conjunto de datos de entrenamiento y calibracin) una sola vez. La actualizacin de
los pesos se realiza al final de cada poca.
Para la calibracin y validacin de los modelos de RNAs se ha utilizado el mdulo
correspondiente del software STATISTICA 6.0 (Statsoft, Inc., 1984-2002). Para las neuronas de
la capa de salida se propuso como funcin de transferencia de la informacin entre neuronas
la funcin lineal (l) y para cada neurona de las capas intermedias la funcin de transferencia
logstica, tambin conocida como sigmoide (s). De este modo, para que la respuesta de cada
neurona de la red (incluida la salida) se encuentre en el intervalo [0, 1] para cualquier entrada
(-, ), los datos de caudales utilizados en este trabajo se sometieron a un proceso de
escalado. Los algoritmos de aprendizaje seleccionados para la calibracin y posterior validacin
de los modelos son: (a) el algoritmo de retropropagacin estndar conocido como
backpropagation (BP) (Rumelhart et al., 1986); y (b) el algoritmo supervisado de segundo
orden de Levenberg-Marquardt (LM) (Shepherd, 1997).
El algoritmo de aprendizaje de retropropagacin estndar o backpropagation
(Rumelhart et al., 1986) es el algoritmo supervisado mas empleado en sistemas neuronales y
su funcionamiento se basa en modificar los valores de los pesos proporcionalmente al
gradiente de la funcin de error con el objeto de alcanzar un mnimo local (algoritmo de
descenso por el gradiente). Ya que la velocidad de convergencia de este algoritmo es lenta, se
han propuesto pasos adicionales para acelerar esta convergencia haciendo uso de informacin
de segundo orden de la funcin de error, esto es, de sus derivadas segundas o, en forma
matricial de su Hessiano (algoritmos de segundo orden). En el caso particular de una funcin
de error a minimizar cuadrtica, el Hessiano puede ser aproximado usando slo las derivadas
primeras de las salidas del sistema neuronal, como hace el algoritmo Gauss-Newton. Ya que
este algoritmo puede presentar inestabilidad cuando la aproximacin no es definida positiva,
el algoritmo LM resuelve este problema introduciendo un trmino adaptativo, por lo que es
recomendado como primera opcin a ensayar por muchos autores (Tan y van Cauwenberghe,
1999; Martn-del-Bro y Sanz-Molina, 2001; Anctil y Rat, 2005).
Un aspecto fundamental de una red neuronal es su capacidad de generalizar a travs
de ejemplos. Por generalizacin se entiende la capacidad de la red de proporcionar una
respuesta correcta ante patrones de comportamiento (conjunto de datos de validacin) que
no han sido empleados en su entrenamiento o calibracin. De este modo, dada una
arquitectura de red, esta deber entrenarse hasta alcanzar el punto ptimo en el que el error
de generalizacin o validacin es mnimo. En este trabajo se ha utilizado un aprendizaje
controlado mediante el mtodo de validacin interna (Tsoukalas y Uhrig, 1997; Gutirrez31
Estrada et al., 2004), es decir, que en el proceso de calibracin de los modelos neuronales tras
entrenar un nmero de pocas determinado, se recupera el conjunto de pesos que mejores
resultados proporciona sobre el conjunto de validacin interna.
En este trabajo, los datos de caudales impulsados por la estacin de bombeo son los
correspondientes al sector II de la zona regable de Palos de la Frontera (Huelva) (apartado
2.3.1). De este conjunto de datos se seleccionaron de forma aleatoria los siguientes
subconjuntos: 40% calibracin, 40% validacin y 20% para validacin interna.
Se probaron RNAs con 1 y 2 capas ocultas y con 4 a 80 nodos en cada una de las capas
ocultas. Se seleccion la red neuronal con mejor funcionamiento en el periodo de validacin
realizando 30 repeticiones del proceso de calibracin para cada estructura de RNA (Anctil y
Rat, 2005; Prez-Martn et al., 2006) ya que el conjunto de pesos inicial con el que se empieza
el entrenamiento es aleatorio, y por tanto, al final del proceso no se llega a conseguir el mismo
conjunto de pesos que mejores resultados proporciona.
I j xiW ji
i 1
y j f(I j )
1
1 exp (-I j )
Figura 3.1. Red neuronal artificial con una capa de entrada de i neuronas, dos capas intermedias de j y p
neuronas, respectivamente, y una capa de salida de k neuronas (i, j, p, k). Variables de entrada: x1,, xi.
Variables de salida de la red: e1,, ek.
32
3.2. MODELOS DESCRIPTIVOS Y PREDICTIVOS DEL CAUDAL IMPULSADO POR LA ESTACIN DE

BOMBEO.
En los modelos descriptivos se ha pretendido caracterizar el caudal diario impulsado
por la estacin de bombeo utilizando como variables independientes los datos climticos
diarios. Tanto el caudal impulsado (variable dependiente) como los datos climticos (variables
independientes) se han considerado en el mismo instante de tiempo t:
)
(3.1)
donde
es caudal medio diario impulsado por la estacin de bombeo en el tiempo t;
es la temperatura mxima diaria en el tiempo t;
es la temperatura mnima diaria en el
tiempo t;
es la temperatura media diaria en el tiempo t;
es la humedad relativa
mxima diaria en el tiempo t;
es la humedad relativa mnima diaria en el tiempo t;
es la humedad relativa media diaria en el tiempo t; es la velocidad del viento diaria
en el tiempo t;
es la direccin del viento diaria en el tiempo t;
es la radiacin solar
diaria en el tiempo t; es la precipitacin diaria en el tiempo t; y
es la evotranspiracin
potencial diaria en el tiempo t.
En los modelos predictivos se ha pretendido estimar el caudal diario impulsado por la

estacin de bombeo en el tiempo t utilizando como variables independientes datos climticos
y/o caudales impulsados en periodos de tiempo anteriores. As en la ecuacin (3.2) se
representa la expresin de un modelo predictivo considerando slo como variables
independientes datos climticos en periodos de tiempo previos, mientras que en la ecuacin
(3.3) se indica la dependencia del caudal impulsado en el tiempo t en funcin de datos
climticos y caudales impulsados en periodos anteriores de tiempo:
(
)
(3.2)
(
)
(3.3)
donde es caudal medio diario impulsado por la estacin de bombeo en el tiempo t;

es
el caudal medio diario impulsado por la estacin de bombeo en el tiempo t-n;
es la
temperatura mxima diaria en el tiempo t-n;
es la temperatura mnima diaria en el
tiempo t-n;
es la temperatura media diaria en el tiempo t-n;
es la
humedad relativa mxima diaria en el tiempo t-n;
es la humedad relativa mnima
diaria en el tiempo t-n;
es la humedad relativa media diaria en el tiempo t-n;
33
es la velocidad del viento diaria en el tiempo t-n;

es la direccin del viento diaria en el
tiempo t-n;
es la radiacin solar diaria en el tiempo t-n;
es la precipitacin diaria en
el tiempo t-n; y
es la evotranspiracin potencial diaria en el tiempo t-n.
En este trabajo se han llegado a considerar retrasos de tiempo de hasta 10 das, es
decir, t-n=10 das.
3.3. ANLISIS DE CORRELACIONES CRUZADAS.

Con el objetivo de reducir las variables independientes o variables de entrada y por
tanto, de simplificar los modelos descriptivos y predictivos, se han realizado anlisis de
correlaciones cruzadas para evaluar qu variables climticas son las ms significativas para
explicar la varianza de la variable dependiente o caudales impulsados por la estacin de
bombeo.
La correlacin cruzada es una medida de la similitud entre dos variables. Si las
variables son idnticas, la correlacin cruzada tendr un valor uno, y si son completamente
diferentes tendr un valor cero.
Se han seleccionado en los modelos simplificados aquellas variables independientes
que tenan las mayores correlaciones cruzadas con la variable dependiente caudal impulsado.
3.4. PRE-TRATAMIENTO DE LOS DATOS DE CAUDAL REGISTRADOS POR EL SISTEMA SCADA.

La fiabilidad de las estimaciones de los caudales impulsados por la estacin de bombeo
depende en gran medida de la calidad y la cantidad de los datos disponibles. En nuestro caso
hay datos suficientes para hacer un buen anlisis, pero la calidad a la hora de imprecisiones y
ruido puede ser cuestionable ya que se trata de datos registrados mediante sensores
instalados en al sistema de distribucin de agua que manda las seales al centro de control del
sistema SCADA.
Para solucionar este problema, la informacin registrada por el SCADA referente a los
caudales impulsados se ha tratado utilizando un suavizado triangular (Coulbeck, 1988; De Vries
y Principe, 1991; Gutirrez-Estrada et al., 2004; Pulido-Calvo et al., 2007):
=
(3.4)
donde Sj es la observacin j en la serie de datos suavizados; xj es la observacin j en el conjunto

de datos y n es el nmero total de observaciones en el conjunto de datos.
34
3.5. MAGNITUDES DE EVALUACIN DE LOS MODELOS.

Se han evaluado diversas medidas de error para asegurar el funcionamiento de las
redes neuronales durante la fase de validacin y as identificar el mejor modelo (Legates y
McCabe Jr., 1999; Abrahart y See, 2000). El coeficiente de determinacin (R2) describe la
proporcin de la varianza total en los datos observados que pueden ser explicados por el
modelo. Por otro lado, se ha usado una medida de varianza que es el coeficiente de eficiencia
(E2) (Nash y Sutcliffe, 1970; Kitanidis y Bras, 1980). Estos estimadores no estn influenciados
por el rango de variacin de sus elementos y son empleados para ver hasta donde el modelo
es capaz de explicar el total de la variacin de los datos.
Asimismo, es apropiado cuantificar el error en trminos de las unidades de la variable
a estimar. Este tipo de medidas, o medidas de errores absolutos, incluyen la raz cuadrada del
error cuadrtico medio RMSE:
RMSE =
(3.5)
donde es el caudal observado en el tiempo t; es el caudal estimado en el mismo tiempo t

y N es el nmero total de observaciones del conjunto de datos de validacin.
El coeficiente de eficiencia E2 representa la proporcin de la variacin de los datos
observados considerados por el modelo, y se calcula como:
E2 = 1.0
(3.6)
Un valor de cero para E2 indica que el valor medio observado es un buen estimador
como el modelo, mientras valores negativos indican que la media observada es un mejor
estimador que el modelo (Legates y McCabe Jr., 1999).
Para admitir como aceptable la bondad del ajuste, los valores de R2 y E2 deben
aproximarse a uno y los valores de RMSE a cero.
Tambin el ndice de persistencia (persistence index, PI) se us para la evaluacin del
funcionamiento del modelo (Kitanidis y Bras, 1980):
PI = 1
(3.7)
donde
es el caudal observado en el tiempo t L y L es el intervalo de tiempo. En las
aplicaciones realizadas L fue igual a uno, ya que slo se consideraron predicciones para el da
siguiente. Un valor de PI de uno indica un ajuste perfecto entre los valores estimados y
35
observados, y un valor de cero es equivalente a decir que el modelo no es mejor que un

modelo nave, el cual da siempre como prediccin la observacin previa. Un valor negativo
de PI significara que el modelo est alterando la informacin original, mostrando un
funcionamiento peor que un modelo nave (Anctil y Rat, 2005).
3.6. COMPARACIN DE LOS MODELOS RNAs CON REGRESIONES LINEALES MLTIPLES.

El anlisis de regresin mltiple pretende obtener una ecuacin lineal que permita
estimar la variable dependiente o criterio e, conocidos los valores que presentan las q
variables independientes o predictivas, x1,....,xq:
e=
++
(3.8)
donde los parmetros b0,b1,...,bq representan las contribuciones de cada variable

independiente a la prediccin de la variable dependiente. Para aceptar con una seguridad
cuantificada la validez del modelo diseado se analiza la significacin estadstica global de la
relacin de e con las variables predictivas x1,....,xq, mediante el anlisis de la varianza (Hair et
al., 1999).
36
CAPTULO 4.
RESULTADOS Y DISCUSIN.
4.1. Modelos neuronales descriptivos considerando como variables independientes datos

climticos.
4.2. Modelos neuronales predictivos considerando como variables independientes datos
climticos de das anteriores.
4.3. Modelos neuronales predictivos considerando como variables independientes datos
climticos y de caudales impulsados en das previos.
4.4. Comparacin con modelos descriptivos y predictivos usando Regresiones Lineales
Mltiples.
39
CAPTULO 4. RESULTADOS Y DISCUSIN.
4.1. MODELOS NEURONALES DESCRIPTIVOS

INDEPENDIENTES DATOS CLIMTICOS.
CONSIDERANDO
COMO
VARIABLES
En la tabla 4.1 se muestran los resultados obtenidos con los modelos simulados de
redes neuronales considerando como variables de entrada o variables independientes todos
los datos climticos (ecuacin 3.1).
Tabla 4.1. Resultados de las magnitudes de error para los modelos descriptivos analizados empleando
todas las variables climticas diarias:
=(
).
RNA
11:07:01
11:13:01
11:19:01
11:07:01
11:13:01
11:19:01
11:07:07:01
11:13:13:01
11:19:19:01
11:07:07:01
11:13:13:01
11:19:19:01
Algoritmo de
entrenamiento
BP
BP
BP
LM
LM
LM
BP
BP
BP
LM
LM
LM
Nmero de
pocas
10000
10000
10000
500
500
500
10000
10000
10000
500
500
500
0.65
0.65
0.68
0.68
0.67
0.74
0.69
0.72
0.71
0.67
0.65
0.69
0.42
0.42
0.46
0.46
0.45
0.54
0.47
0.52
0.50
0.45
0.42
0.48
E2
PI
RMSE (l/s)
0.42
0.42
0.46
0.45
0.43
0.53
0.47
0.51
0.50
0.44
0.41
0.46
-0.59
-0.57
-0.47
-0.49
-0.54
-0.29
-0.45
-0.33
-0.37
-0.53
-0.59
-0.48
61.13
60.83
58.84
59.19
60.13
55.08
58.45
56.00
56.82
60.00
61.18
59.02
*BP; algoritmo de entrenamiento back-propagation.

*LM; algoritmo de entrenamiento Levenberg-Marquardt.
Caudal medio diario estimado (l/s)
(a)
500
400
300
200
100
0
0
100
200
300
400
500
Caudal medio diario observado (l/s)

Figura 4.1(a). Caudales medios diarios observados y estimados por el mejor modelo descriptivo
(11:19:01) sin proceso de suavizado: Valores observados versus valores estimados
[modelo = (
)].
41
(b)
Observado
400
Estimado
350
300
250
200
150
100
50
0
01-11-07
01-12-07
01-01-08
01-02-08
Fecha
01-03-08
01-04-08
Figura 4.1(b). Caudales medios diarios observados y estimados por el mejor modelo descriptivo
(11:19:01) sin proceso de suavizado: Ejemplo de serie temporal de los valores observados y estimados
[modelo = (
)].
Un anlisis de los resultados obtenidos indica que la mejor red neuronal presenta una
estructura 11:19:01, es decir, once neuronas en la capa de entrada, diecinueve neuronas en la
capa oculta y una neurona en la capa de salida. Esta red neuronal se ha entrenado con el
algoritmo LM y con un nmero total de 500 pocas. En las figuras 4.1(a) y 4.1(b) se han
representado grficamente los caudales medios diarios observados y estimados de este mejor
modelo descriptivo.
Los coeficientes de correlacin y eficiencia resultantes (R=0.74 y E2=0.53) pueden
considerarse estadsticamente aceptables. Esto no ocurre con el ndice de persistencia PI que
presenta un valor de -0.29. Por tanto, para evaluar si mejores estimaciones pueden ser
obtenidas se plantea un anlisis de correlacin cruzada entre todas la variables consideradas
en el mismo instante de tiempo, con el fin de obtener modelos ms parsimoniosos o simples
(tabla 4.2).
42
Tabla 4.2. Matriz de correlaciones cruzadas entre las variables de caudal y los datos climticos en el mismo instante de
tiempo.
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
-0.06
-0.26
-0.18
-0.04
-0.25
-0.16
-0.05
-0.09
0.09
-0.21
-0.02
-0.06
0.77
0.94
-0.40
-0.59
-0.64
0.01
0.21
0.75
-0.23
0.84
-0.26
0.77
0.92
-0.26
-0.08
-0.29
0.28
0.31
0.51
0.01
0.68
Tmed ( C)
-0.18
0.94
0.92
-0.35
-0.36
-0.50
0.18
0.31
0.70
-0.10
0.84
HRmax (%)
-0.04
-0.40
-0.26
-0.35
0.53
0.77
-0.26
-0.11
-0.37
0.15
-0.44
HRmin (%)
-0.25
-0.59
-0.08
-0.36
0.53
0.87
0.06
-0.06
-0.63
0.36
-0.58
HRmed (%)
-0.16
-0.64
-0.29
-0.50
0.77
0.87
-0.16
-0.15
-0.67
0.32
-0.69
U (m/s)
-0.05
0.01
0.28
0.18
-0.26
0.06
-0.16
0.31
0.18
0.30
0.27
DV ( )
-0.09
0.21
0.31
0.31
-0.11
-0.06
-0.15
0.31
0.41
-0.05
0.42
0.09
0.75
0.51
0.70
-0.37
-0.63
-0.67
0.18
0.41
-0.34
0.95
-0.21
-0.23
0.01
-0.10
0.15
0.36
0.32
0.30
-0.05
-0.34
-0.23
-0.02
0.84
0.68
0.84
-0.44
-0.58
-0.69
0.27
0.42
0.95
-0.23
Q (l/s)
Tmax ( C)
Tmin ( C)
RS(MJ/m da)
P (mm)
ET0 (mm/da)
RS
P
2
(MJ/m da) (mm)
ET0
(mm/da)
Caudal medio diario;

Temperatura mxima diaria;
Temperatura mnima diaria;
Temperatura media
diaria;
Humedad relativa mxima diaria;
Humedad relativa mnima diaria;
Humedad relativa
media diaria; U Velocidad del viento diaria; DV Direccin del viento diaria; RS Radiacin solar diaria; P Precipitacin
diaria; ET0 Evotranspiracin potencial diaria.
Con los valores obtenidos en el anlisis de correlaciones cruzadas (tabla 4.2), se

observa como las variables climticas que tienen mayor correlacin con la variable
dependiente caudal impulsado Q son: temperatura mnima (
) con R=-0.26, humedad
relativa mnima (
) con R=-0.25 y precipitacin (P) con R=-0.21. Tambin se puede
apreciar en el anlisis de correlaciones cruzadas que las variables radiacin solar (RS) y
evotranspiracin potencial (ET0) estn muy correlacionadas entre ellas (R=0.95). Se decidi
elaborar un primer modelo descriptivo que inclua junto a las tres variables anteriores
(
y P) la variable RS, es decir, el modelo descriptivo tendra la forma:
)
(4.1)
43
En la tabla 4.3 se muestran las magnitudes de error para este modelo descriptivo.
las variables climticas diarias temperatura mnima, humedad relativa mnima, radiacin solar y
precipitacin: = (
).
RNA
04:04:01
04:07:01
04:10:01
04:04:01
04:07:01
04:10:01
04:04:04:01
04:07:07:01
04:10:10:01
04:04:04:01
04:07:07:01
04:10:10:01
Algoritmo de
entrenamiento
BP
BP
BP
LM
LM
LM
BP
BP
BP
LM
LM
LM
Nmero
de pocas
10000
10000
10000
500
500
500
10000
10000
10000
500
500
500
0.61
0.62
0.63
0.63
0.64
0.63
0.63
0.66
0.67
0.66
0.67
0.66
0.37
0.39
0.40
0.40
0.40
0.40
0.40
0.44
0.44
0.44
0.45
0.43
E2
PI
RMSE (l/s)
0.36
0.38
0.40
0.40
0.40
0.40
0.40
0.44
0.44
0.43
0.44
0.42
-0.73
-0.68
-0.64
-0.64
-0.62
-0.64
-0.63
-0.52
-0.53
-0.54
-0.51
-0.57
63.77
62.81
62.05
62.19
61.77
62.14
62.02
59.89
60.07
60.29
59.65
60.81
*BP; algoritmo de entrenamiento backpropagation.

Segn los resultados obtenidos en la tabla 4.3, el mejor modelo se tiene con una red
neuronal 04:07:07:01, es decir, cuatro neuronas en la capa de entrada, dos capas ocultas con
siete neuronas en cada una de ellas y una neurona en la capa de salida. Esta red neuronal ha
sido entrenada mediante el algoritmo LM y con un nmero total de 500 pocas. Se llega a
obtener un coeficiente de determinacin de 0.45 y un coeficiente de eficiencia de 0.44. El
ndice de persistencia PI tiene un valor poco aceptable (PI=-0.51).
Para comprobar si mejoras podan ser conseguidas en el modelo descriptivo anterior
(ecuacin 4.1), se plantean dos nuevos modelos cuyas expresiones son las que se indican a
continuacin:
)
(4.2)
)
(4.3)
44
las variables climticas diarias temperatura mxima, temperatura mnima, humedad relativa mxima,
humedad relativa mnima, radiacin solar y precipitacin:
= (
).
RNA
06:04:01
06:07:01
06:10:01
06:04:01
06:07:01
06:10:01
06:04:04:01
06:07:07:01
06:10:10:01
06:04:04:01
06:07:07:01
06:10:10:01
Algoritmo de
entrenamiento
BP
BP
BP
LM
LM
LM
BP
BP
BP
LM
LM
LM
Nmero
de pocas
10000
10000
10000
500
500
500
10000
10000
10000
500
500
500
0.61
0.63
0.63
0.65
0.62
0.64
0.63
0.68
0.69
0.66
0.66
0.67
0.38
0.39
0.39
0.43
0.38
0.41
0.40
0.46
0.48
0.43
0.43
0.45
E2
PI
RMSE (l/s)
0.38
0.39
0.39
0.43
0.38
0.41
0.40
0.46
0.48
0.43
0.42
0.44
-0.70
-0.65
-0.65
-0.56
-0.69
-0.60
-0.64
-0.46
-0.41
-0.53
-0.57
-0.52
63.18
62.42
62.28
60.56
63.02
61.43
62.14
58.67
57.69
59.93
60.80
59.77

(a)
500
400
300
200
100
0
0
100
200
300
400
500

Figura 4.2(a). Caudales medios diarios observados y estimados por el mejor modelo descriptivo
(06:10:10:01) sin proceso de suavizado: Valores observados versus valores estimados
[modelo = (
)].
45
(b)
400
Observado
Estimado
350
300
250
200
150
100
50
0
01-11-07
01-12-07
01-01-08
01-02-08
Fecha
01-03-08
01-04-08
Figura 4.2(b). Caudales medios diarios observados y estimados por el mejor modelo descriptivo
(06:10:10:01) sin proceso de suavizado: Ejemplo de serie temporal de los valores observados y estimados
[modelo = (
)].
redes neuronales considerando como variables de entrada o variables independientes los
datos climticos diarios de temperatura mxima, temperatura mnima, humedad relativa
mxima, humedad relativa mnima, radiacin solar y precipitacin. A la vista de los resultados
obtenidos, puede decirse que el mejor modelo se obtiene con la red neuronal 06:10:10:01, es
decir, seis neuronas en la capa de entrada, dos capas ocultas con diez neuronas en cada una y
una neurona en la capa de salida. Esta red neuronal ha sido entrenada con el algoritmo BP y
con 10000 pocas. Como coeficientes de correlacin y eficiencia resultantes tenemos R=0.69 y
E2=0.48. El coeficiente PI es de -0.41. Tanto los caudales medios diarios observados como
estimados de este modelo descriptivo quedan representados en las figuras 4.2(a) y 4.2(b).
las variables climticas diarias temperatura media, humedad relativa media, radiacin solar y
precipitacin: = (
).
RNA
04:04:01
04:07:01
04:10:01
04:04:01
04:07:01
04:10:01
04:04:04:01
04:07:07:01
04:10:10:01
04:04:04:01
04:07:07:01
04:10:10:01
Algoritmo de
entrenamiento
BP
BP
BP
LM
LM
LM
BP
BP
BP
LM
LM
LM
Nmero
de pocas
10000
10000
10000
500
500
500
10000
10000
10000
500
500
500
0.62
0.62
0.64
0.61
0.67
0.66
0.67
0.68
0.68
0.66
0.68
0.68
0.39
0.39
0.40
0.38
0.45
0.44
0.45
0.46
0.46
0.44
0.46
0.46

46
E2
PI
RMSE (l/s)
0.38
0.38
0.40
0.38
0.45
0.43
0.44
0.46
0.46
0.44
0.46
0.46
-0.67
-0.67
-0.62
-0.70
-0.50
-0.54
-0.51
-0.47
-0.46
-0.52
-0.47
-0.47
62.73
62.76
61.74
63.17
59.42
60.16
59.59
58.83
58.71
59.91
58.75
58.78
datos climticos diarios de temperatura media, humedad relativa media, radiacin solar y
precipitacin. Un anlisis de los resultados obtenidos en dicha tabla indican que la mejor red
neuronal se estructura como 04:10:10:01, es decir, cuatro neuronas en la capa de entrada, dos
capas ocultas con diez neuronas cada una de ellas y una neurona en la capa de salida. El
algoritmo de entrenamiento fue BP y la calibracin se llevo a cabo con un total de 500 pocas.
Entre las magnitudes de errores resultantes cabe destacar el coeficiente de correlacin de
0.68, el coeficiente de determinacin de 0.46 y el ndice de persistencia de -0.46.
Como se indic en el apartado de Material y mtodos, tambin se ha plateado el
suavizado de los datos de caudal impulsado registrados por el sistema SCADA. En las tablas 4.6,
4.7, 4.8, y 4.9 se muestran los resultados de las magnitudes de error de los mejores modelos
anteriores incluyendo la variable suavizada caudal impulsado medio diario. Las expresiones
anteriores (ecuaciones 3.1, 4.1, 4.2, 4.3) quedan modificadas de la siguiente manera:
)
(4.4)
)
(4.5)
)
(4.6)
)
(4.7)
Tabla 4.6. Resultados de las magnitudes de error para los modelos descriptivos analizados con caudal
suavizado empleando todas las variables climticas diarias:
= (
).
RNA
11:19:01
11:13:13:01
11:19:19:01
11:19:19:01
Algoritmo de
entrenamiento
LM
BP
BP
LM
Nmero de
pocas
500
10000
10000
500
0.69
0.75
0.78
0.68
0.48
0.57
0.60
0.46

47
E2
PI
RMSE (l/s)
0.48
0.56
0.58
0.46
-8.58
-7.13
-6.70
-8.93
51.63
47.56
46.30
52.58
(a)
500
400
300
200
100
0
0
100
200
300
400
500

(b)
350
Observado
Estimado
300
250
200
150
100
50
0
01-11-07
01-12-07
01-01-08
01-02-08
01-03-08
01-04-08
Fecha
Figura 4.3. Caudales medios diarios observados y estimados por el mejor modelo descriptivo
(11:19:19:01) (algoritmo BP) con proceso de suavizado: (a) Valores observados versus valores estimados;
y (b) ejemplo de serie temporal de los valores observados y estimados
[modelo
= (
)].
suavizado empleando las variables climticas diarias temperatura mnima, humedad relativa mnima,
radiacin solar y precipitacin:
= (
).
RNA
04:07:07:01
04:10:10:01
04:07:07:01
04:10:10:01
Algoritmo de
entrenamiento
BP
BP
LM
LM
Nmero de
pocas
10000
10000
500
500
0.66
0.69
0.68
0.66
0.44
0.48
0.46
0.44

48
E2
PI
RMSE (l/s)
0.43
0.48
0.46
0.43
-9.41
-8.60
-9.00
-9.44
53.82
51.69
52.75
53.91
suavizado empleando las variables climticas diarias temperatura mxima, temperatura mnima,
humedad relativa mxima, humedad relativa mnima, radiacin solar y precipitacin:
= (
).
RNA
06:07:07:01
06:10:10:01
06:04:04:01
06:10:10:01
Algoritmo de
entrenamiento
BP
BP
LM
LM
Nmero de
pocas
10000
10000
500
500
0.68
0.69
0.65
0.67
0.46
0.48
0.42
0.45
E2
PI
RMSE (l/s)
0.45
0.46
0.42
0.45
-9.16
-8.93
-9.66
-9.20
53.16
52.56
54.46
53.29

suavizado empleando las variables climticas diarias temperatura media, humedad relativa media,
radiacin solar y precipitacin:
= (
).
RNA
04:07:07:01
04:10:10:01
04:07:07:01
04:10:10:01
Algoritmo de
entrenamiento
BP
BP
LM
LM
Nmero de
pocas
10000
10000
500
500
0.70
0.71
0.70
0.71
0.49
0.51
0.49
0.51
E2
PI
RMSE (l/s)
0.49
0.50
0.49
0.50
-8.44
-8.03
-8.38
-8.13
51.27
50.13
51.10
50.39

Los mejores resultados de las magnitudes de error para los modelos descriptivos
analizados con caudal suavizado se obtuvieron empleando todas las variables climticas (tabla
4.6), siendo la mejor red neuronal 11:19:19:01, es decir, once neuronas en la capa de entrada,
dos capas ocultas con diecinueve neuronas cada una de ellas y una neurona en la capa de
salida. Esta red fue entrenada con el algoritmo BP y con un total de 10000 pocas. Como
coeficientes de correlacin y eficiencia se obtuvo 0.78 y 0.58, respectivamente. El ndice de
persistencia PI tom un valor de -6.70. En la figura 4.3 queda representado tanto el caudal
observado como el estimado de este modelo neuronal.
De todos los modelos neuronales descriptivos evaluados en este apartado se puede
observar que los mejores resultados se obtienen considerando como variables independientes
todos los datos climticos registrados (tabla 4.10). As las magnitudes de evaluacin de los
coeficientes de correlacin (R) y de eficiencia (E2) presentan valores estadsticamente
aceptables, del orden de 0.7 y 0.5, respectivamente.
49
De forma global, tambin se aprecian mejores resultados en todos los modelos

descriptivos planteados considerando el suavizado de la variable dependiente caudal
impulsado, lo cual es lgico, ya que se elimina el ruido presente en los datos registrados por el
sistema de telecontrol. Se llegan a tener coeficientes de correlacin y de eficiencia del orden
de 0.8 y 0.6, respectivamente (tabla 4.10).
Sin embargo, deben indicarse los valores no aceptables del ndice de persistencia PI en
todos los modelos descriptivos, con valores en todos los casos menores a -0.2. Esto se aprecia
en el desplazamiento entre los valores observados y estimados representados en las series
temporales de las figuras 4.1(b), 4.2(b) y 4.3.
Tabla 4.10. Magnitudes de error de los mejores modelos neuronales descriptivos.

Ecuacin
E2
PI
RMSE
(l/s)
0.54
0.53
-0.29
55.08
0.67
0.45
0.44
-0.51
59.65
BP
0.69
0.48
-0.41
57.69
04:10:10:01
BP
0.68
0.46
0.46
-0.46
58.71
11:19:19:01
BP
0.78
0.60
0.58
-6.70
46.30
04:10:10:01
BP
0.69
0.48
0.48
-8.60
51.69
06:10:10:01
BP
0.69
0.48
0.46
-8.93
52.56
04:10:10:01
BP
0.71
0.51
0.50
-8.03
50.13
RNA
Alg.
11:19:01
LM
0.74
04:07:07:01
LM
06:10:10:01
= (
0.48
= (
)
*Alg. BP; algoritmo de entrenamiento backpropagation.

*Alg. LM; algoritmo de entrenamiento Levenberg-Marquardt.
50
4.2. MODELOS NEURONALES PREDICTIVOS CONSIDERANDO

INDEPENDIENTES DATOS CLIMTICOS DE DIAS ANTERIORES.
COMO
VARIABLES
redes neuronales considerando como variables de entrada o variables independientes todos
los datos climticos con un retraso en el tiempo de hasta diez das (ecuacin 3.2, con n=10
das).
Tabla 4.11. Resultados de las magnitudes de error para los modelos predictivos analizados empleando
todas las variables climticas diarias con un retraso en el tiempo de diez das (n=10):
= (
).
RNA
110:60:01
110:70:01
110:80:01
110:60:60:01
110:70:70:01
110:80:80:01
Algoritmo de
entrenamiento
BP
BP
BP
BP
BP
BP
Nmero de
pocas
10000
10000
10000
10000
10000
10000
0.63
0.58
0.63
0.53
0.64
0.52
0.40
0.33
0.39
0.28
0.41
0.27
E2
PI
RMSE (l/s)
0.32
0.28
0.37
0.19
0.41
0.19
-0.80
-0.90
-0.67
-1.15
-0.56
-1.13
65.05
66.70
62.51
71.08
60.57
70.70

(a)
500
400
300
200
100
0
0
100
200
300
400
500

Figura 4.4(a). Caudales medios diarios observados y estimados por el mejor modelo predictivo
[modelo = (
), con n=10].
51
(b) 400
Observado
Estimado
350
300
250
200
150
100
50
0
01-11-07
01-12-07
01-01-08
01-02-08
01-03-08
01-04-08
Fecha
Figura 4.4(b). Caudales medios diarios observados y estimados por el mejor modelo predictivo
(110:70:70:01) sin proceso de suavizado: Ejemplo de serie temporal de los valores observados y
estimados [modelo = (
), con n=10].
Un anlisis de los resultados obtenidos indica que la mejor red neuronal tiene una
estructura 110:70:70:01, es decir, ciento diez neuronas en la capa de entrada, dos capas
ocultas con setenta neuronas en cada una de ellas y una neurona en la capa de salida. Esta red
neuronal se ha entrenado con el algoritmo BP y 10000 pocas. En las figuras 4.4(a) y 4.4(b) se
representa grficamente los caudales medios diarios observados y estimados para este
modelo predictivo.
Los coeficientes de correlacin y eficiencia resultantes (R=0.64 y E2=0.41) pueden
considerarse estadsticamente aceptables. No se cumple esta afirmacin para el caso del
ndice de persistencia (PI=-0.56). Para evaluar si mejores estimaciones podan ser obtenidas se
plante un anlisis de correlaciones cruzadas entre todas la variables consideradas con un
retraso en el tiempo de hasta diez das, con el fin de obtener modelos ms parsimoniosos o
simples.
La matriz de correlaciones cruzadas indica que las variables climticas que presentan
mayores correlaciones con la variable dependiente caudal medio diario impulsado Qt son:
temperatura mxima diaria en el tiempo t-9 (
) con R=-0.22, temperatura mxima
diaria en el tiempo t-10 (
) con R=-0.22, temperatura mnima diaria en el tiempo t-1
(
) con R=-0.25, temperatura mnima diaria en el tiempo t-2 (
) con R=-0.24,
humedad relativa mnima diaria en el tiempo t-1 (
) con R=-0.22 y precipitacin diaria
en el tiempo t-1 (
) con R=-0.17. Por tanto, se plante un modelo que considerara estas
variables climticas como variables de entrada o independientes con la siguiente expresin:
)
(4.8)
52
En la tabla 4.12 se muestran las magnitudes de error para este modelo predictivo
representado en la ecuacin (4.8).
las variables climticas diarias temperatura mxima en el tiempo t-9, temperatura mxima en el tiempo
t-10, temperatura mnima en el tiempo t-1, temperatura mnima en el tiempo t-2, humedad relativa
mnima en el tiempo t-1 y precipitacin en el tiempo t-1:
= (
,
).
RNA
06:04:01
06:07:01
06:10:01
06:04:01
06:07:01
06:10:01
06:04:04:01
06:07:07:01
06:10:10:01
06:04:04:01
06:07:07:01
06:10:10:01
Algoritmo de
entrenamiento
BP
BP
BP
LM
LM
LM
BP
BP
BP
LM
LM
LM
Nmero
de pocas
10000
10000
10000
500
500
500
10000
10000
10000
500
500
500
0.56
0.57
0.58
0.57
0.57
0.56
0.57
0.57
0.60
0.58
0.58
0.58
0.31
0.32
0.34
0.32
0.33
0.32
0.32
0.33
0.36
0.33
0.34
0.34
E2
PI
RMSE (l/s)
0.31
0.32
0.34
0.32
0.32
0.31
0.32
0.31
0.36
0.33
0.33
0.34
-0.83
-0.79
-0.76
-0.80
-0.79
-0.83
-0.79
-0.83
-0.70
-0.77
-0.77
-0.75
65.50
64.87
64.18
64.93
64.82
65.46
64.87
65.56
63.05
64.42
64.37
63.97

Segn los resultados obtenidos en la tabla 4.12, el mejor modelo se tiene con una red
neuronal 06:10:10:01, es decir, seis neuronas en la capa de entrada, dos capas ocultas con diez
neuronas en cada una de ellas y una neurona en la capa de salida. Esta red neuronal ha sido
entrenada mediante el algoritmo BP y con un nmero total de 10000 pocas. Se llega a
obtener un coeficiente de correlacin de 0.60, un coeficiente de eficiencia de 0.36 y un ndice
de persistencia de -0.70.
Otro modelo simulado considera la inclusin de la evotranspiracin potencial con un
retraso en el tiempo de diez das (
). Esta variable independiente frente a la variable
dependiente caudal impulsado Qt presenta en el anlisis de correlacin cruzada un valor de R=
-0.15. La formulacin de este nuevo modelo es:
)
(4.9)
En la tabla 4.13 se muestran las magnitudes de error para este nuevo modelo
predictivo que se expresa mediante la ecuacin (4.9).
53
las variables climticas diarias temperatura mxima en el tiempo t-9, temperatura mxima en el tiempo
t-10, temperatura mnima en el tiempo t-1, temperatura mnima en el tiempo t-2, humedad relativa
mnima en el tiempo t-1, precipitacin en el tiempo t-1 y evotranspiracin potencial en el tiempo t-10:
= (
,
).
Algoritmo de
entrenamiento
BP
BP
BP
LM
LM
LM
BP
BP
BP
LM
LM
LM
RNA
07:04:01
07:07:01
07:10:01
07:04:01
07:07:01
07:10:01
07:04:04:01
07:07:07:01
07:10:10:01
07:04:04:01
07:07:07:01
07:10:10:01
Nmero
de pocas
10000
10000
10000
500
500
500
10000
10000
10000
500
500
500
0.62
0.64
0.64
0.63
0.64
0.64
0.63
0.64
0.66
0.64
0.65
0.66
0.38
0.41
0.40
0.40
0.42
0.41
0.40
0.41
0.44
0.41
0.42
0.44
E2
PI
RMSE (l/s)
0.38
0.41
0.38
0.40
0.41
0.41
0.40
0.40
0.43
0.41
0.41
0.43
-0.64
-0.56
-0.63
-0.59
-0.55
-0.56
-0.59
-0.58
-0.52
-0.57
-0.55
-0.51
62.10
60.44
61.83
61.04
60.31
60.54
60.99
60.86
59.65
60.73
60.27
59.49

(a)
500
400
300
200
100
0
0
100
200
300
400
500

[modelo = (
,
)].
54
(b)
400
Observado
Estimado
350
300
250
200
150
100
50
0
01-11-07
01-12-07
01-01-08
01-02-08
01-03-08
01-04-08
Fecha
(07:10:10:01) sin proceso de suavizado: Ejemplo de serie temporal de los valores observados y estimados
[modelo = (
,
)].
Con la inclusin en este nuevo modelo de la

se ha obtenido los mejores
resultados R=0.66 y E2=0.43 con la red neuronal 07:10:10:01, es decir, siete neuronas en la
capa de entrada, dos capas intermedias con diez neuronas en cada una de ellas y una neurona
en la capa de salida. Los resultados del ndice de persistencia siguen tomando valores
negativos, PI=-0.51. En este caso, el algoritmo de entrenamiento ha sido LM con un nmero de
pocas igual a 500. En las figuras 4.5(a) y 4.5(b) queda representado los caudales medios
diarios observados y estimados de este modelo descriptivo.
Como consecuencia de las altas correlaciones entre las temperaturas mximas y
mnimas con las temperaturas medias, se plantearon modificaciones de los modelos anteriores
(ecuaciones 4.8 y 4.9), cuyas expresiones son:
)
(4.10)
)
(4.11)
55
las variables climticas diarias temperatura media en el tiempo t-9, temperatura media en el tiempo
t-10, humedad relativa media en el tiempo t-1 y precipitacin en el tiempo t-1:
= (
,
).
RNA
04:04:01
04:07:01
04:10:01
04:04:01
04:07:01
04:10:01
04:04:04:01
04:07:07:01
04:10:10:01
04:04:04:01
04:07:07:01
04:10:10:01
Algoritmo de
entrenamiento
BP
BP
BP
LM
LM
LM
BP
BP
BP
LM
LM
LM
Nmero
de pocas
10000
10000
10000
500
500
500
10000
10000
10000
500
500
500
0.52
0.52
0.53
0.53
0.53
0.52
0.53
0.53
0.54
0.54
0.53
0.53
0.27
0.27
0.28
0.28
0.28
0.27
0.28
0.28
0.29
0.29
0.28
0.29
E2
PI
RMSE (l/s)
0.26
0.27
0.28
0.28
0.28
0.27
0.26
0.28
0.29
0.29
0.28
0.29
-0.96
-0.94
-0.91
-0.91
-0.90
-0.94
-0.96
-0.90
-0.89
-0.88
-0.90
-0.89
67.78
67.39
66.92
67.00
66.67
67.44
67.75
66.76
66.56
66.37
66.79
66.58

datos climticos de temperatura media diaria en el tiempo t-9, temperatura media diaria en el
tiempo t-10, humedad relativa media diaria en el tiempo t-1 y precipitacin diaria en el tiempo
t-1. Un anlisis de los resultados obtenidos en dicha tabla indican que la mejor red neuronal se
estructura 04:04:04:1, es decir, cuatro neuronas en la capa de entrada, dos capas ocultas con
cuatro neuronas cada una de ellas y una neurona en la capa de salida. El algoritmo de
entrenamiento fue LM y la calibracin se llevo a cabo con un total de 500 pocas. Entre las
magnitudes de errores resultantes cabe destacar el coeficiente de correlacin 0.54, el
coeficiente de determinacin 0.29 y el ndice de persistencia de -0.88.
las variables climticas diarias temperatura media en el tiempo t-9, temperatura media en el tiempo
t-10, humedad relativa media en el tiempo t-1, precipitacin en el tiempo t-1 y evotranspiracin
potencial en el tiempo t-10: = (
,
).
RNA
05:04:01
05:07:01
05:10:01
05:04:01
05:07:01
05:10:01
05:04:04:01
05:07:07:01
05:10:10:01
05:04:04:01
05:07:07:01
05:10:10:01
Algoritmo de
entrenamiento
BP
BP
BP
LM
LM
LM
BP
BP
BP
LM
LM
LM
Nmero
de pocas
10000
10000
10000
500
500
500
10000
10000
10000
500
500
500
0.59
0.61
0.61
0.61
0.61
0.62
0.60
0.62
0.62
0.60
0.62
0.62
0.35
0.37
0.37
0.38
0.37
0.39
0.37
0.39
0.38
0.37
0.39
0.39

56
E2
PI
RMSE (l/s)
0.34
0.36
0.37
0.37
0.37
0.38
0.36
0.38
0.38
0.36
0.38
0.38
-0.74
-0.69
-0.68
-0.66
-0.68
-0.63
-0.68
-0.64
-0.64
-0.68
-0.63
-0.63
63.89
62.92
62.69
62.33
62.68
61.85
62.78
61.95
62.08
62.77
61.81
61.88
(a)
500
400
300
200
100
0
0
100
200
300
400
500
(b) 350
Observado
Estimado
300
250
200
150
100
50
0
01-11-07
01-12-07
01-01-08
01-02-08
01-03-08
01-04-08
Fecha
Figura 4.6. Caudales medios diarios observados y estimados por el mejor modelo predictivo
(05:07:07:01) sin proceso de suavizado: (a) Valores observados versus valores estimados; y (b) ejemplo
de serie temporal de los valores observados y estimados
[modelo = (
,
)].
datos climticos de temperatura media diaria en el tiempo t-9, temperatura media diaria en el
tiempo t-10, humedad relativa media diaria en el tiempo t-1, precipitacin diaria en el tiempo
t-1 y evotranspiracin potencial diaria en el tiempo t-10. Un anlisis de los resultados
obtenidos en dicha tabla indican que la mejor red neuronal se estructura 05:07:07:01, es decir,
cinco neuronas en la capa de entrada, dos capas ocultas con siete neuronas cada una de ellas y
una neurona en la capa de salida. El algoritmo de entrenamiento fue LM y la calibracin se
llevo a cabo con un total de 500 pocas. Entre las magnitudes de errores resultantes cabe
destacar el coeficiente de correlacin 0.62, el coeficiente de determinacin 0.39 y el ndice de
persistencia de -0.63. En la figura 4.6 se aprecia la representacin de los caudales observados
versus a los estimados de este modelo neuronal.
57

suavizado de los datos de caudal impulsado registrados por el sistema SCADA. En las tablas
4.16, 4.17, 4.18, 4.18 y 4.20 se muestran los resultados de las magnitudes de error de los
mejores modelos anteriores considerando la variable suavizada caudal impulsado. Las
expresiones anteriores (ecuaciones 3.2, 4.8, 4.9, 4.10, 4.11) quedan modificadas de la siguiente
manera:
(
)
(4.12)
)
(4.13)
)
(4.14)
)
(4.15)
)
(4.16)
Tabla 4.16. Resultados de las magnitudes de error para los modelos predictivos analizados con caudal
suavizado empleando todas las variables climticas diarias con un retraso en el tiempo de diez das:
= (
).
RNA
110:60:60:01
Algoritmo de
entrenamiento
BP
Nmero de
pocas
10000
0.57
0.32

58
E2
PI
RMSE (l/s)
0.32
-11.31
58.33
suavizado empleando las variables climticas diarias temperatura mxima en el tiempo t-9, temperatura
mxima en el tiempo t-10, temperatura mnima en el tiempo t-1, temperatura mnima en el tiempo t-2,
humedad relativa mnima en el tiempo t-1 y precipitacin en el tiempo t-1:
= (
,
).
RNA
06:10:10:01
06:04:04:01
06:07:07:01
06:10:10:01
Algoritmo de
entrenamiento
BP
LM
LM
LM
Nmero de
pocas
10000
500
500
500
0.60
0.60
0.61
0.62
0.36
0.36
0.38
0.38
E2
PI
RMSE (l/s)
0.36
0.36
0.38
0.37
-10.60
-10.60
-10.20
-10.25
56.63
56.63
55.65
55.77

suavizado empleando las variables climticas diarias temperatura mxima en el tiempo t-9, temperatura
mxima en el tiempo t-10, temperatura mnima en el tiempo t-1, temperatura mnima en el tiempo t-2,
humedad relativa mnima en el tiempo t-1, precipitacin en el tiempo t-1 y evotranspiracin potencial en
el tiempo t-10:
= (
,
).
RNA
07:10:10:01
07:04:04:01
07:07:07:01
07:10:10:01
Algoritmo de
entrenamiento
BP
LM
LM
LM
Nmero de
pocas
10000
500
500
500
0.73
0.70
0.70
0.72
0.53
0.49
0.48
0.52
E2
PI
RMSE (l/s)
0.53
0.48
0.48
0.50
-7.53
-8.30
-8.41
-7.91
48.55
50.72
51.00
49.63

(a)
500
400
300
200
100
0
0
100
200
300
400
500

(07:10:10:01) con proceso de suavizado: Valores observados versus valores estimados
[modelo
= (
,
)].
59
(b) 350
Observado
Estimado
300
250
200
150
100
50
0
01-11-07
01-12-07
01-01-08
01-02-08
01-03-08
01-04-08
Fecha
(07:10:10:01) con proceso de suavizado: Ejemplo de serie temporal de los valores observados y
estimados [modelo
= (
,
)].
suavizado empleando las variables climticas diarias temperatura media en el tiempo t-9, temperatura
media en el tiempo t-10, humedad relativa media en el tiempo t-1 y precipitacin en el tiempo t-1:
= (
,
).
RNA
04:10:10:01
04:04:04:01
Algoritmo de
entrenamiento
BP
LM
Nmero de
pocas
10000
500
0.57
0.57
0.32
0.32
E2
PI
RMSE (l/s)
0.32
0.32
-11.31
-11.25
58.33
58.20

suavizado empleando las variables climticas diarias temperatura media en el tiempo t-9, temperatura
media en el tiempo t-10, humedad relativa media en el tiempo t-1, precipitacin en el tiempo t-1 y
evotranspiracin potencial en el tiempo t-10:
= (
,
).
RNA
05:07:07:01
05:10:10:01
05:07:07:01
05:10:10:01
Algoritmo de
entrenamiento
BP
BP
LM
LM
Nmero de
pocas
10000
10000
500
500
0.67
0.68
0.69
0.68
0.45
0.47
0.47
0.46
E2
PI
RMSE (l/s)
0.45
0.47
0.47
0.45
-8.84
-8.62
-8.55
-8.84
52.16
51.57
51.38
52.15

Los mejor resultados de las magnitudes de error para los modelos predictivos
analizados con caudal suavizado se obtuvieron empleando las variables climticas temperatura
mxima en el tiempo t-9, temperatura mxima en el tiempo t-10, mnima en el tiempo t-1,
temperatura mnima en el tiempo t-2, humedad relativa mnima en el tiempo t-1, precipitacin
60
en el tiempo t-1 y evotranspiracin potencial en el tiempo t-10 (tabla 4.18), siendo la mejor
red neuronal 07:10:10:01, es decir, siete neuronas en la capa de entrada, dos capas ocultas
con diez neuronas cada una de ellas y una neurona en la capa de salida. Esta red fue entrenada
con el algoritmo BP y con un total de 10000 pocas. Como coeficientes de correlacin y
eficiencia se obtuvieron valores de 0.73 y 0.53, respectivamente. El ndice de persistencia PI
tomo un valor de -7.53. En las figuras 4.7(a) y 4.7(b) se muestra la representacin de los
caudales observados versus los estimados de este mejor modelo de red neuronal.
Tabla 4.21. Magnitudes de error de los mejores modelos neuronales predictivos con slo datos climticos como
variables independientes.
Alg.
E2
PI
RMSE
(l/s)
110:70:70:01
BP
0.64
0.41
0.41
-0.56
60.57
06:10:10:01
BP
0.60
0.36
0.36
-0.70
63.05
07:10:10:01
LM
0.66
0.44
0.43
-0.51
59.49
04:04:04:01
LM
0.54
0.29
0.29
-0.88
66.37
05:07:07:01
LM
0.62
0.39
0.38
-0.63
61.81
110:60:60:01
BP
0.57
0.32
0.32
-11.31
58.33
06:10:10:01
LM
0.62
0.38
0.37
-10.25
55.77
07:10:10:01
BP
0.73
0.53
0.53
-7.53
48.55
04:04:04:01
LM
0.57
0.32
0.32
-11.25
58.20
05:07:07:01
LM
0.69
0.47
0.47
-8.55
51.38
Ecuacin
=
RNA
(
,
(
,
(
,
(
,
= (

*Alg. LM; algoritmo de entrenamiento Levenberg-Marquardt.
61
Las aproximaciones neuronales evaluadas en este apartado como modelos predictivos

presentan valores similares de las magnitudes de error a los obtenidos en la seccin anterior
con los modelos descriptivos. Los mejores modelos predictivos llegan a tener coeficientes de
correlacin en el rango de 0.6-0.7 y coeficientes de eficiencia en el rango de 0.4-0.5. Sin
embargo, se siguen obteniendo ndices de persistencia no aceptables estadsticamente
(valores negativos) (tabla 4.21).
En relacin con las variables independientes que aportan los mejores resultados de los
modelos neuronales, se debe indicar: (a) una influencia de las temperaturas mximas diarias
de 9 y 10 das anteriores as como de la evotranspiracin potencial de 10 das anteriores; y (b)
una influencia de las temperaturas mnimas, humedad relativa mnima y precipitacin de 1 y 2
das anteriores (tabla 4.21).
4.3. MODELOS NEURONALES PREDICTIVOS CONSIDERANDO COMO VARIABLES

INDEPENDIENTES DATOS CLIMTICOS Y DE CAUDALES IMPULSADOS EN DAS PREVIOS.
datos climticos de temperatura mxima diaria en el tiempo t-9, temperatura mxima diaria
en el tiempo t-10, temperatura mnima diaria en el tiempo t-1, temperatura mnima diaria en
el tiempo t-2, humedad relativa mnima diaria en el tiempo t-1, precipitacin diaria en el
tiempo t-1, evotranspiracin potencial diaria en el tiempo t-10 (mejor aproximacin neuronal
obtenida con los modelos predictivos considerando slo datos climticos como variables
independientes), y los datos de caudales impulsados en das previos. La expresin
correspondiente seria:
= (
), n=1,,10
(4.17)
Tabla 4.22. Resultados de las magnitudes de error para los modelos predictivos analizados empleando las
variables climticas diarias de temperatura mxima en el tiempo t-9, temperatura mxima en el tiempo
t-10, mnima en el tiempo t-1, temperatura mnima en el tiempo t-2, humedad relativa mnima en el
tiempo t-1, precipitacin en el tiempo t-1, evotranspiracin potencial en el tiempo t-10 y el caudal medio
diario impulsado por la estacin de bombeo en el tiempo t-n, con n=1,,10:
= (
,
).
n
RNA
1
2
3
4
5
6
7
8
9
10
08:10:10:01
09:10:10:01
10:10:10:01
11:10:10:01
12:10:10:01
13:10:10:01
14:10:10:01
15:10:10:01
16:10:10:01
17:10:10:01
Algoritmo de
entrenamiento
BP
BP
BP
BP
BP
BP
BP
BP
BP
BP
Nmero
de pocas
10000
10000
10000
10000
10000
10000
10000
10000
10000
10000
62
0.84
0.83
0.84
0.84
0.84
0.84
0.85
0.84
0.84
0.84
0.70
0.70
0.70
0.71
0.71
0.71
0.72
0.71
0.71
0.71
E2
PI
RMSE (l/s)
0.70
0.69
0.70
0.70
0.70
0.71
0.72
0.71
0.71
0.70
0.19
0.19
0.21
0.21
0.20
0.23
0.25
0.22
0.23
0.22
43.22
43.29
42.77
42.66
42.89
42.16
41.57
42.49
42.11
42.56
(a)
500
400
300
200
100
0
0
100
200
300
400
500

(b) 400
Observado
Estimado
350
300
250
200
150
100
50
0
01-11-07
01-12-07
01-01-08
01-02-08
01-03-08
01-04-08
Fecha
Figura 4.8. Caudales medios diarios observados y estimados por el mejor modelo predictivo
(14:10:10:01) sin proceso de suavizado: (a) Valores observados versus valores estimados; y (b) ejemplo
de serie temporal de los valores observados y estimados
[modelo = (
,
)].
redes neuronales considerando la ecuacin (4.17). Un anlisis de los resultados obtenidos en
dicha tabla indican que la mejor red neuronal tiene una estructura 14:10:10:01, es decir,
catorce neuronas en la capa de entrada, dos capas ocultas con diez neuronas cada una de ellas
y una neurona en la capa de salida. El algoritmo de entrenamiento fue BP y la calibracin se
llevo a cabo con un total de 10000 pocas. Entre las magnitudes de errores resultantes cabe
destacar el coeficiente de correlacin 0.85, el coeficiente de eficiencia 0.72 y el ndice de
persistencia 0.25. En la figura 4.8 se muestra la representacin de los caudales observados
frente a los estimados de este modelo neuronal.
Con estos resultados se aprecia una mejora significativa en las magnitudes de error en
comparacin con los modelos predictivos que slo consideran datos climticos como variables
independientes (apartado 4.2 y tabla 4.21). El mejor modelo supone considerar como variable
de entrada los caudales impulsados en siete das previos (tabla 4.22).
63

suavizado de los datos de caudal impulsado registrados por el sistema SCADA. En la tabla 4.23
se muestran los resultados de las magnitudes de error de los mejores modelos anteriores
incluyendo la variable suavizada caudal impulsado. La ecuacin (4.17) queda modificada de la
siguiente manera:
= (
), n=1,,10
(4.18)
Tabla 4.23. Resultados de las magnitudes de error para los modelos predictivos analizados empleando las
variables climticas diarias de temperatura mxima en el tiempo t-9, temperatura mxima en el tiempo
t-10, mnima en el tiempo t-1, temperatura mnima en el tiempo t-2, humedad relativa mnima en el tiempo
t-1, precipitacin en el tiempo t-1, evotranspiracin potencial en el tiempo t-10 y el caudal suavizado medio
diario impulsado por la estacin de bombeo en el tiempo t-n, con n=1,,10:
= (
,
).
n
RNA
1
2
3
4
5
6
7
8
9
10
08:10:10:01
09:10:10:01
10:10:10:01
11:10:10:01
12:10:10:01
13:10:10:01
14:10:10:01
15:10:10:01
16:10:10:01
17:10:10:01
Algoritmo de
entrenamiento
BP
BP
BP
BP
BP
BP
BP
BP
BP
BP
Nmero
de pocas
10000
10000
10000
10000
10000
10000
10000
10000
10000
10000
0.93
0.95
0.95
0.95
0.95
0.95
0.95
0.96
0.96
0.96
0.86
0.90
0.90
0.90
0.90
0.90
0.90
0.92
0.92
0.92
E2
PI
RMSE (l/s)
0.86
0.90
0.90
0.90
0.90
0.90
0.90
0.92
0.92
0.92
0.03
0.61
0.73
0.74
0.79
0.80
0.80
0.83
0.84
0.84
16.35
10.39
8.58
8.40
7.56
7.45
7.45
6.83
6.71
6.73

(a)
500
400
300
200
100
0
0
100
200
300
400
500

(16:10:10:01) con proceso de suavizado: Valores observados versus valores estimados
[modelo
= (
,
)].
64
(b)
350
Observado
Estimado
300
250
200
150
100
50
0
01-11-07
01-12-07
01-01-08
01-02-08
01-03-08
01-04-08
Fecha
(16:10:10:01) con proceso de suavizado: Ejemplo de serie temporal de los valores observados y
estimados [modelo
= (
,
)].
Un anlisis de los resultados obtenidos indica que la mejor red neuronal presenta una
estructura 16:10:10:01, es decir, diecisis neuronas en la capa de entrada, dos capas ocultas
con diez neuronas en cada una de ellas y una neurona en la capa de salida. Esta red neuronal
se ha entrenado con el algoritmo BP y 10000 pocas. En las figuras 4.9(a) y 4.9(b) se ha
representado grficamente los caudales observados versus los caudales estimados de este
mejor modelo predictivo considerando como variables independientes adems de los datos
climticos seleccionados (
,
) los
caudales impulsados en los nueve das previos.
Los coeficientes de correlacin y de eficiencia resultantes, as como el ndice de
persistencia, (R=0.96, E2=0.92 y PI=0.84) pueden considerarse estadsticamente muy buenos.
Se han apreciado mejores resultados en todos los modelos predictivos planteados
considerando el suavizado de la variable dependiente.
De los modelos neuronales predictivos evaluados en este apartado se puede observar
que los mejores resultados se obtienen considerando la variable independiente caudal
suavizado, lo cual es lgico, ya que se elimina el ruido presente en los datos registrados por el
telecontrol.
De forma global se aprecian coeficientes de correlacin, eficiencia e ndices de
persistencia de 0.9, 0.9 y 0.8 respectivamente. Se tratan de valores muy prximos a uno y por
tanto altamente satisfactorios. En la tabla 4.24 queda recogido los dos mejores modelos
planteados en este apartado.
65
Tabla 4.24. Magnitudes de error de los mejores modelos neuronales predictivos empleando como variables
independientes datos climticos y caudales impulsados en das previos.
Ecuacin
=
RNA
(
,
E2
PI
RMSE
(l/s)
0.72
0.72
0.25
41.57
0.92
0.92
0.84
6.71
Alg.
14:10:10:01
BP
0.85
16:10:10:01
BP
0.96
4.4. COMPARACIN DE MODELOS DESCRIPTIVOS Y PREDICTIVOS USANDO REGRESIONES

LINEALES MLTIPLES.
Los mejores modelos neuronales (descriptivos y predictivos) obtenidos en los
apartados anteriores de este captulo han sido comparados con modelos tradicionales de
Regresiones Lineales Mltiples (RLMs), utilizando lgicamente las mismas variables
independientes.
En el caso de los mejores modelos descriptivos (con caudales no suavizados y
suavizados) utilizando como variables de independientes todos los datos climticos, en las
tablas 4.25 y 4.26 y en las figuras 4.10 y 4.11 se indican los resultados obtenidos utilizando el
anlisis de RLM (tabla 4.25 y figura 4.10: modelo descriptivo con variable dependiente los
caudales impulsados no suavizados; y tabla 4.26 y figura 4.11: modelo descriptivo con variable
dependiente los caudales impulsados suavizados).
En ambos anlisis se observa cmo se obtienen mejores resultados con las
aproximaciones neuronales. As en el modelo descriptivo con caudal impulsado sin suavizar se
tiene con la mejor red neuronal un coeficiente de correlacin de 0.74 (tabla 4.1) mientras que
con la regresin lineal mltiple se tiene un coeficiente de correlacin de 0.46 (tabla 4.25). Por
otra parte, en el modelo descriptivo con caudal impulsado suavizado los coeficientes de
correlacin son para la mejor red neuronal de 0.78 y para la regresin lineal mltiple de 0.44
(tablas 4.6 y 4.26).
66
Tabla 4.25. Regresin Lineal Mltiple para el modelo descriptivo considerando como variable
dependiente el caudal impulsado por la estacin de bombeo (sin suavizar) en el tiempo t y como
variables independientes todos los datos climticos registrados en el tiempo t:
=(
).
2
R=0.46; R =0.21; E2=0.21; PI=-1.15; RMSE=71.08 (l/s)

F(11,1084)=26.16; p<0.001
Interceptacin
Variables independientes
o
Tmax t ( C)
o
Tmin t ( C)
o
Tmed t ( C)
HRmax t (%)
HRmin t (%)
HRmed t (%)
U t (m/s)
o
DV t ( )
2
RS t (MJ m /da)
P t (mm/da)
ET0 t (mm/da)
Beta
Coeficientes bi
107.2572
Nivel de significacin p
0.0424
0.5229
0.0449
-0.6388
0.0432
-0.0844
-0.0989
0.1905
-0.0691
0.8059
-0.0786
-0.8648
6.9777
0.7016
-9.4134
0.6145
-0.4036
-0.6472
47.4097
-0.0507
7.7172
-1.1328
-38.8298
0.0006
0.6429
0.0006
0.3935
0.3109
0.3048
<0.0001
0.0329
<0.0001
0.0196
<0.0001
500
400
300
200
100
0
0
100
200
300
400
500

Figura 4.10. Valores de caudal observados frente a los valores de caudal estimados por el anlisis de
Regresin Lineal Mltiple [modelo descriptivo con variables independientes todos los datos climticos y
con variable dependiente el caudal impulsado no suavizado:
=(
)].
67
Tabla 4.26. Regresin Lineal Mltiple para el modelo descriptivo considerando como variable
dependiente el caudal impulsado por la estacin de bombeo (suavizado) en el tiempo t y como variables
independientes todos los datos climticos registrados en el tiempo t:
= (
).
2
R=0.44; R =0.19; E2=0.19; PI=-13.92; RMSE=64.43 (l/s)

F(11,1070)=23.03; p<0.001
Interceptacin
o
Tmax t ( C)
o
Tmin t ( C)
o
Tmed t ( C)
HRmax t (%)
HRmin t (%)
HRmed t (%)
U t (m/s)
o
DV t ( )
2
RS t (MJ m /da)
P t (mm/da)
ET0 t (mm/da)
Beta
Coeficientes bi
97.1168
0.0415
0.6248
0.0572
-0.7645
0.0610
-0.0683
-0.1151
0.2241
-0.0751
0.6534
-0.0469
-0.7470
7.3602
0.7878
-9.9411
0.7663
-0.2893
-0.6670
49.5395
-0.0488
5.5547
-0.5962
-29.7209
<0.0001
0.5636
<0.0001
0.2375
0.4232
0.2424
<0.0001
0.0228
<0.0001
0.1715
<0.0001
500
400
300
200
100
0
0
100
200
300
400
500

Figura 4.11. Valores de caudal observados frente a los valores de caudal estimados por el anlisis de
Regresin Lineal Mltiple [modelo descriptivo con variables independientes todos los datos climticos y
con variable dependiente el caudal impulsado suavizado:
= (
)].
En el caso de los mejores modelos predictivos (con caudales no suavizados y

suavizados) utilizando como variables independientes los datos climticos diarios de
temperatura mxima en el tiempo t-9, temperatura mxima en el tiempo t-10, temperatura
mnima en el tiempo t-1, temperatura mnima en el tiempo t-2, humedad relativa mnima en el
68
tiempo t-1, precipitacin en el tiempo t-1 y evotranspiracin potencial en el tiempo t-10, en las
tablas 4.27 y 4.28 se indican los resultados obtenidos utilizando el anlisis de RLM (tabla 4.27:
modelo predictivo con variable dependiente los caudales impulsados no suavizados; y tabla
4.28: modelo predictivo con variable dependiente los caudales impulsados suavizados).
aproximaciones neuronales. As en el modelo predictivo con caudal impulsado sin suavizar se
otra parte, en el modelo predictivo con caudal impulsado suavizado los coeficientes de
(tablas 4.18 y 4.28).
Tabla 4.27. Regresin Lineal Mltiple para el modelo predictivo considerando como variable
variables independientes: Tmax t-9, Tmax t-10, Tmin t-1, Tmin t-2, HRmin t-1, Pt-1, ET0 t-10:
= (
,
).
2
R=0.40; R =0.16; E2=0.16; PI=-1.23; RMSE=72.34 (l/s)

F(7,1074)=28.01; p<0.001
Interceptacin
o
Tmax t-9 ( C)
o
Tmax t-10 ( C)
o
Tmin t-1 ( C)
o
Tmin t-2 ( C)
HRmin t-1 (%)
P t-1 (mm/da)
ET0 t-10 (mm/da)
Beta
Coeficientes bi
313.2844
<0.0001
-0.0678
-0.1771
0.0114
-0.1421
-0.2675
-0.0956
0.0305
-0.8893
-2.3226
0.1753
-2.1761
-1.2589
-1.3500
1.3474
0.3502
0.0221
0.8573
0.0197
<0.0001
0.0015
0.6157
independientes: Tmax t-9, Tmax t-10, Tmin t-1, Tmin t-2, HRmin t-1, Pt-1, ET0 t-10:
= (
,
).
2
R=0.41; R =0.17; E2=0.17; PI=-13.94; RMSE=64.26 (l/s)

F(7,1074)=31.40; p<0.001
Interceptacin
o
Tmax t-9 ( C)
o
Tmax t-10 ( C)
o
Tmin t-1 ( C)
o
Tmin t-2 ( C)
HRmin t-1 (%)
P t-1 (mm/da)
ET0 t-10 (mm/da)
Beta
Coeficientes bi
307.8506
<0.0001
-0.0609
-0.2197
-0.0035
-0.1603
-0.2670
-0.0777
0.0688
-0.7190
-2.5923
-0.0493
-2.2071
-1.1304
-0.9871
2.7348
0.3967
0.0042
0.9547
0.0079
<0.0001
0.0094
0.2531
69
En el caso de los mejores modelos predictivos (con caudales no suavizados y

suavizados) utilizando como variables de independientes los datos de caudales impulsados en
das previos y datos climticos diarios de temperatura mxima en el tiempo t-9, temperatura
mxima en el tiempo t-10, temperatura mnima en el tiempo t-1, temperatura mnima en el
tiempo t-2, humedad relativa mnima en el tiempo t-1, precipitacin en el tiempo t-1 y
evotranspiracin potencial en el tiempo t-10, en las tablas 4.29 y 4.30 se indican los resultados
obtenidos utilizando el anlisis de RLM (tabla 4.29: modelo predictivo con variable
dependiente los caudales impulsados no suavizados; y tabla 4.30: modelo predictivo con
variable dependiente los caudales impulsados suavizados).
aproximaciones neuronales. As en el modelo predictivo con caudal impulsado sin suavizar se
otra parte, en el modelo predictivo con caudal impulsado suavizado los coeficientes de
(tablas 4.23 y 4.30).
variables independientes: Qt-1,,Qt-7, Tmax t-9, Tmax t-10, Tmin t-1, Tmin t-2, HRmin t-1, Pt-1, ET0 t-10:
= (
,
).
2
R=0.83; R =0.69; E2=0.91; PI=-0.25; RMSE=54.44 (l/s)

F(14,1067)=167.76; p<0.001
Interceptacin
Q t-1 (l/s)
Q t-2 (l/s)
Q t-3 (l/s)
Q t-4 (l/s)
Q t-5 (l/s)
Q t-6 (l/s)
Q t-7 (l/s)
o
Tmax t-9 ( C)
o
Tmax t-10 ( C)
o
Tmin t-1 ( C)
o
Tmin t-2 ( C)
HRmin t-1 (%)
P t-1 (mm/da)
ET0 t-10 (mm/da)
Beta
Coeficientes bi
59.42179
<0.0001
0.5977
0.1065
0.0002
0.0321
-0.0046
-0.0094
0.1516
-0.0467
-0.0199
0.0585
-0.0167
-0.0850
-0.0294
-0.0490
0.7982
0.1066
0.0002
0.0321
-0.0046
-0.0094
0.1515
-0.6133
-0.2611
0.8966
-0.2557
-0.4001
-0.4162
-2.1641
<0.0001
0.0031
0.9943
0.3695
0.8962
0.7900
<0.0001
0.2929
0.6744
0.1345
0.6574
<0.0001
0.1239
0.1889
70
independientes: Qs t-1,,QSt-7, Tmax t-9, Tmax t-10, Tmin t-1, Tmin t-2, HRmin t-1, Pt-1, ET0 t-10:
= (
,
).
2
R=0.91; R =0.83; E2=0.91; PI=0.52; RMSE=11.44 (l/s)

F(14,1067)=6773.7; p<0.001
Interceptacin
QS t-1 (l/s)
QS t-2 (l/s)
QS t-3 (l/s)
QS t-4 (l/s)
QS t-5 (l/s)
QS t-6 (l/s)
QS t-7 (l/s)
o
Tmax t-9 ( C)
o
Tmax t-10 ( C)
o
Tmin t-1 ( C)
o
Tmin t-2 ( C)
HRmin t-1 (%)
P t-1 (mm/da)
ET0 t-10 (mm/da)
Beta
Coeficientes bi
6.07238
0.0010
2.2002
-1.5050
-0.4657
1.4393
-0.8189
0.0190
0.1142
-0.0137
-0.0034
0.0146
-0.0105
-0.0006
0.0149
0.0057
4.2037
-1.5091
-0.4673
1.4444
-0.8215
0.0190
0.1143
-0.1625
-0.0406
0.2011
-0.1447
-0.0028
0.1898
0.2297
<0.0001
<0.0001
<0.0001
<0.0001
<0.0001
0.7932
0.0002
0.1018
0.7010
0.0481
0.1382
0.8700
<0.0001
0.4126
71
CAPTULO 5.
CONCLUSIONES.
75
CAPTULO 5. CONCLUSIONES.
La evaluacin de los modelos de Redes Neuronales Artificiales como herramienta de

apoyo en el control en tiempo real de los caudales de agua impulsados por la estacin de
bombeo del sector II de la zona regable de Palos de la Frontera ha mostrado resultados
bastante satisfactorios. Se han conseguido magnitudes de error estadsticamente bastante
aceptables, con coeficientes de determinacin y de eficiencia superiores a 0.7.
La comparacin de las aproximaciones neuronales con modelos tradicionales de
Regresiones Lineales Mltiples ha supuesto un mejor funcionamiento de los modelos
heursticos debido a las relaciones funcionales no lineales presentes en las variables
independientes consideradas en los modelos (datos climticos y caudales impulsados en
periodos de tiempo anteriores).
Actualmente, la regulacin de la mayora de los sistemas de abastecimiento a zonas
regables se basan en curvas de modulacin de la demanda de agua promediadas para ciertos
periodos de tiempo (10 das o periodos semanales, normalmente). Cuando hay diferencias
significativas entre estas curvas asumidas de demanda de agua y la que realmente se produce
conforme a las caractersticas de un da determinado (por ejemplo, debido a cambios en el
estado de desarrollo de los cultivos o en las condiciones climticas previstas), es necesario con
estas condiciones volver a introducir los datos en el programa de ordenador que controla las
operaciones de la estacin de bombeo. Esto puede implicar valores no aceptables de presin y
caudal en la red hidrulica durante ciertos periodos de tiempo, lo cual puede afectar a su
funcionamiento e incluso al rendimiento de los cultivos. En consecuencia, la alternativa es
desarrollar una aplicacin de ordenador que incluya una aproximacin similar a la desarrollada
en este trabajo que implique un proceso de estimacin del caudal impulsado a la red hidrulica
y que pueda ser adaptado diariamente.
77
CAPTULO 6.
REFERENCIAS BIBLIOGRFICAS.
81
CAPTULO 6. REFERENCIAS BIBLIOGRFICAS.
Abrahart, R.J.; L. See; P.E. Kneale. 1999. Using pruning algorithms and genetic algorithms to
optimise network architectures and forecasting inputs in a neural network rainfall-runoff
model. J. Hydroinformatics, 1(2): 103114.
Abrahart, R.J.; L. See. 2000. Comparing neural network and autoregressive moving average
techniques for the provision of continuous river flow forecasts in two contrasting catchments.
Hydrol. Process., 14: 2157-2172.
Abrahart, R.J.; L. See. 2002. Multi-model data fusion for river flow forecasting: an evaluation of
six alternative methods based on two contrasting catchments. HESS, 6(4): 655670.
Agarwal, A.; S.K. Mishra; S. Ram; J.K. Singh. 2006. Simulation of runoff and sediment yield using
artificial neural networks. Biosyst .Eng., 94(4): 597613.
Allen R. G.; L. S. Pereira; D. Raes; M. Smith. 1998. Crop evapotranspiration: Guidelines for
computing crop water requirements. FAO Irrigation and Drainage Paper 56, FAO, Roma.
lvarez, J.; S. Bolado. 1996. Descripcin de los procesos de infiltracin mediante redes
neurales artificiales. Ingeniera del Agua, 3: 39-46.
Anctil, F.; A. Rat. 2005. Evaluation of neural network streamflow forecasting on 47 watersheds.
J. Hydrol. Eng., 10(1): 85-88.
Cameron, D.; P. Kneale; L. See. 2002. An evaluation of a traditional and a neural net modelling
approach to flood forecasting for an upland catchment. Hydrol. Process., 16: 10331046.
Chiang, Y.M.; L.C. Chang; F.J. Chang. 2004. Comparison of staticfeedforward and dynamicfeedback neural networks for rainfall-runoff modeling. J. Hydrol., 290: 297311.
Coulbeck, B.; S.T. Tennant; C.H. Orr. 1985. Development of a demand prediction program for
use in optimal control of water supply. Systems Sci., 11: 59-66.
Coulbeck, B. 1988. Computer Control of Water Supply. Leicester Polytechnic, Leicester, UK.
Comunidad de Regantes de Palos de la Frontera. 2011. Normativa de riegos y de agua potable.

En: Pgina web de la Comunidad de Regantes de Palos de la Frontera (Huelva)
[www.crpalos.com].
83
Consejera de Agricultura y Pesca. 2003. Inventario y caracterizacin de los regados de

Andaluca. Actualizacin 2002. Junta de Andaluca, Sevilla.
De Vries, B.; J.C. Principe. 1991. A theory for neural networks with time delays. En: Advances in
Neural Information Processing Systems, Vol. 3, Morgan Kaufmann Publishers, California, USA.
Doorenbos, J.; W.O. Pruitt. 1977. Guidelines for predicting crop water requirements. FAO
Irrigation and Drainage Paper 24, FAO, Roma.
Doorenbos, J.; A.H. Kassam. 1979. Yield response to water. FAO Irrigation and Drainage Paper
33, FAO, Roma.
Fontdecaba, S.; P. Grima; Ll. Marco; L. Rodero; J.A. Snchez-Espigares; I. Sol; X. TortMartorell; D. Demessence; V. Martnez De Pablo; J. Zubelzu. 2011. A methodology to model
water demand based on the identification of homogenous client segments. Application to the
city of Barcelona. Water Resour. Manage., 26: 499-516.
French, M.N.; W.F. Krajewski; R.R. Cuykendall. 1992. Rainfall forecasting in space and time
using a neural network. J. Hydrol., 137: 1-31.
Givi, J.; S.O. Prasher; R.M. Patel. 2004. Evaluation of pedotransfer functions in predicting the
soil water contents at field capacity and wilting point. Agric. Water Manage., 70(2): 8396.
Gri, R. 1992. Neural networks for univariate time series forecasting and their application to
water demand prediction. Neural Netw. World, 2(5): 437-450.
Gutirrez-Estrada, J.C.; E. de Pedro-Sanz; R. Lpez-Luque; I. Pulido-Calvo. 2004. Comparison

between traditional methods and artificial neural networks for ammonia concentration
forescasting in an eel (Anguilla anguilla L.) intensive rearing system. Aquacult. Eng., 31: 183203.
Hair Jr., J.F.; R.E. Anderson; R.L. Tatham; W.C. Black. 1999. Anlisis de regresin mltiple. En
Anlisis multivariante. Pretince Hall Iberia, 5 ed., Madrid, 4: 143-226.
Hartkamp, A.D.; J.W. White; G. Hoogenboom. 1999. Interfacing geographic information

systems with agronomic modeling: a review. Agron. J., 91: 761772.
Hartley, J.A.; R.S. Powell. 1991. The development of a combined demand prediction system.
Civ. Eng. Systems, 8: 231-236.
84
Hsu, K.; H.V. Gupta; S. Sorooshian. 1995. Artificial neural network modeling of the rainfallrunoff process. Water Resour. Res., 31: 2517-2530.
Kite, G. 2000. Using a basin-scale hydrological model to estimate crop transpiration and soil
evaporation. J. Hydrol., 229: 5969.
Kite, G.; P. Droogers. 2000. Comparing evapotranspiration estimates from satellites,

hydrological models and field data. J. Hydrol., 229: 318.
Kuligowski, R.J.; A.P. Barros. 1998. Experiments in short-term precipitation forecasting using
artificial neural networks. Mon. Weather Rev., 126(2): 470482.
Jowitt, P.W.; C. Xu. 1992. Demand forecasting for water distribution systems. Civ. Eng.
Systems, 9: 105-121.
Kitanidis, P.K.; R.L. Bras. 1980. Real time forecasting with a conceptual hydrological model. 2:
Applications and results. Water Resour. Res., 16(6): 1034-1044.
Legates, D.R.; G.J. McCabe Jr. 1999. Evaluating the use of goodness-of-fit measures in
hydrologic and hydroclimatic model validation. Water Resour. Res., 35(1): 233-241.
Leib, B.G.; G. Matthews; M. Kroeger. 2003. Development of an ontime logger for irrigation
systems. Agric. Water Manage., 62: 6777.
Len, C.; S. Martn; J.M. Elena; J. Luque. 2000. Explore-Hybrid expert system for water
networks management. J. Water Resour. Planning Manage., 126: 65-74.
Lorite, I.J.; L. Mateos; E. Fereres. 2004. Evaluating irrigation performance in a Mediterranean

environment. I: Model and general assessment of an irrigation scheme. Irrig. Science, 23: 77
84.
Lorrai, M.; G.M. Sechi. 1995. Neural nets for modelling rainfallrunoff transformations. Water
Resour. Manage., 9: 299313.
Maidment, D.R.; S.P. Miaou; M.M. Crawford. 1985. Transfer function models for daily urban
water use. Water Resour. Res., 21: 425-432.
Mareels, I.; E. Weker; S.K. Ooi; M. Cantoni; Y. Li; G. Nair. 2005. Systems engineering for
irrigation systems: successes and challenges. Annu. Rev. Contr., 29: 191204.
85
Martn-del-Bro, B.; A. Sanz-Molina. 2001. Redes neuronales y sistemas borrosos. Ra-Ma,

Madrid.
Mason, J.C.; A. Temme; R.K. Price. 1996. A neural network model of rainfall-runoff using radial
basis functions. J. Hydrol. Res., 34(4): 537548.
Miranda, F.R.; R.E. Yoder; J.B. Wilkerson; L.O. Odhiambo. 2005. An autonomous controller for
site-specific management of fixed irrigation systems. Comput. Electron. Agr., 48: 183197.
Molino, B.; G. Rasulo; L. Taglialatela. 1996. Forecast model of water consumption for Naples.
Water Resour. Manage., 10: 321-332.
Moradkhani, H.; K. Hsu; H.V. Gupta; S. Sorooshian. 2004. Improved streamflow forecasting
using self-organizing radial basis function artificial neural networks. J. Hydrol., 295: 246262.
Nash, J.E.; J.V. Sutcliffe. 1970. River flow forecasting through conceptual models. I: A discussion
of principles. J. Hydrol., 10: 282-290.
Nayebi, M.; D. Khalili; S. Amin; Sh. Zand-Parsa. 2006. Daily stream flow prediction capability of
artificial neural networks as influenced by minimum air temperature data. Biosystems Eng.,
95(4): 557567.
Nel, D.; J. Haarhoff. 1996. Sizing municipal water storage tanks with Monte Carlo simulation. J.
Water SRT & Aqua, 45: 203-212.
Prez-Martn, D.; A. Garrido-Varo; J.E. Guerrero; J.C. Gutirrez-Estrada. 2006. Use of artificial
neural networks in nearinfrared reflectance spectroscopy calibrations for predicting the
inclusion percentages of wheat and sunflower meal in compround feedingstuffs. Appl. Spect.,
60(9): 1062-1069.
Prez-Urrestarazu, L. 2007. Aplicacin de los indicadores para el anlisis de las acciones de

mejora en zonas regables y para el desarrollo de un modelo de gestin integral del agua de
riego. Tesis Doctoral, Universidad de Crdoba, Crdoba.
Prez-Urrestarazu, L.; J.A. Rodrguez-Daz; E. Camacho-Poyato; R. Lpez-Luque. 2009. Quality

of service in irrigation distribution networks: Case of Palos de la Frontera irrigation district
(Spain). J. Irrig. Drain. Eng., 135: 755-762.
Pulido-Calvo, I.; J. Roldn; R. Lpez-Luque; J.C. Gutirrez-Estrada. 2002. Tcnicas de prediccin

a corto plazo de la demanda de agua. Aplicacin al uso agrcola. Ingeniera del Agua, 9(3): 319
331.
86
Pulido-Calvo, I.; J. Roldn; R. Lpez-Luque; J.C. Gutirrez-Estrada. 2003. Demand forecasting

for irrigation water distribution systems. J. Irrig. Drain. Eng., 129(6): 422431.
Pulido-Calvo, I.; M.M. Portela. 2007. Application of neural approaches to one-step daily flow
forecasting in Portuguese watersheds. J. Hydrol., 332: 115.
Pulido-Calvo, I.; P. Montesinos; J. Roldn; F. Ruiz-Navarro. 2007. Linear regressions and neural
approaches to water demand forecasting in irrigation districts with telemetry systems.
Biosystems Eng., 97: 283-293.
Rizzo, D.M.; D.E. Dougherty. 1994. Characterization of aquifer properties using artificial neural
networks: neural kriging. Water Resour. Res., 30: 483-497.
Roger, L.L.; F.U. Dowla. 1994. Optimization of groundwater remediation using artificial neural
networks with parallel solute transport modeling. Water Resour. Res., 30(2): 457481.
Rfenatch, H.P.; H. Guibentif. 1997. A model for forecasting water consumption in Geneva
canton, Switzerland. J. Water SRT & Aqua, 46: 196-201.
Rumelhart, D.E.; G.E. Hinton; R.J. Williams. 1986. Learning representations by backpropagation errors. Nature, 323: 533-536.
Saporta, D.; M. Muoz. 1994. El consumo en redes de distribucin. Prediccin diaria de la

demanda. En: Mejora del rendimiento y de la fiabilidad en sistemas de distribucin de agua.
Aguas de Valencia y U.D. Mecnica de Fluidos (Universidad Politcnica de Valencia), 2: 43-75.
See L.; S. Openshaw. 2000. A hybrid multi-model approach to river level forecasting. Hydrolog.
Sci. J., 45(4): 523536.
Sharma V.; S.C. Negi; R.P. Rudra; S. Yang. 2003. Neural networks for predicting nitrate-nitrogen
in drainage water. Agric. Water Manage., 63(3): 169183.
Shepherd, A.J. 1997. Second-Order Methods for Neural Networks. Springer, Nueva York, USA.
Shin, H.S.; J.D. Salas. 2000. Regional drought analysis based on neural networks. J. Hydrol. Eng.,
5(2): 145155.
Shvartser, L.; U. Shamir; M. Feldman. 1993. Forecasting hourly water demands by pattern
recognition approach. J. Water Resour. Planning and Manage., 119: 611-627.
87
Tan, Y.; A. van Cauwenberghe. 1999. Neural-network-based d-step-ahead predictors for

nonlinear systems with time delay. Eng. Applic. Artif. Intell., 12(1): 21-25.
Thirumalaiah K.; M.C. Deo. 1998. River stage forecasting using artificial neural networks. J.
Hydrol. Eng., 3(1): 2632.
Thirumalaiah K.; M.C. Deo. 2000. Hydrological forecasting using neural networks. J. Hydrol.
Eng., 5(2): 180189.
Tokar A.S.; P.A. Johnson. 1999. Rainfall-runoff modeling using artificial neural networks. J.
Hydrol. Eng., 4(3): 232239.
Tokar A.S.; M. Markus. 2000. Precipitation-runoff modeling using artificial neural networks and
conceptual models. J. Hydrol. Eng., 5(2): 156161.
Tsoukalas, L.H.; R.E. Uhrig. 1997. Fuzzy and neural approaches in engineering. Wiley
Interscience, Nueva York, USA.
Van Aelst, P.V.; R.A. Ragab; J. Feyen; D. Raes. 1988. Improving irrigation management by
modelling the irrigation schedule. Agric. Water Manage., 13: 113125.
Yang, C.C.; S.O. Prasher; R. Lacroix; S. Sreekanth; N.K. Patni; L. Masse. 1997. Artificial neural
network model for subsurface-drained farmland. J. Irrig. Drain. Eng., 123(4): 285292.
Zhang, M.; J. Fulcher; R.A. Scofield. 1997. Rainfall estimation using artificial neural network
group. Neurocomputing, 16: 97115.
88
ANEXO.
BASE DE DATOS DEL SECTOR II.
91
ANEXO: BASE DE DATOS DEL SECTOR II.
En este anexo se indican los datos del caudal medio diario impulsado por la estacin de
bombeo del sector II de la CC.RR. de Palos de la Frontera (Huelva) y registrados por el sistema
SCADA instalado en el sistema de distribucin de agua. Tambin se muestran los datos
climticos diarios registrados en la estacin de Moguer (Huelva) (latitud: 37o 08' 52'' N;
longitud: 06o 47' 28'' W; altitud 87.0 m).
Tabla 5(a). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
01/05/2005
02/05/2005
03/05/2005
04/05/2005
05/05/2005
06/05/2005
07/05/2005
08/05/2005
09/05/2005
10/05/2005
11/05/2005
12/05/2005
13/05/2005
14/05/2005
15/05/2005
16/05/2005
17/05/2005
18/05/2005
19/05/2005
20/05/2005
21/05/2005
22/05/2005
23/05/2005
24/05/2005
25/05/2005
26/05/2005
27/05/2005
28/05/2005
29/05/2005
30/05/2005
31/05/2005
01/06/2005
02/06/2005
03/06/2005
04/06/2005
05/06/2005
06/06/2005
259.59
338.07
324.28
314.85
339.91
329.32
287.20
281.47
296.96
266.91
277.82
107.54
176.45
199.22
195.52
191.88
209.75
235.69
223.69
239.73
214.63
241.66
261.47
253.00
236.25
207.77
198.20
171.11
46.07
135.24
228.64
133.27
169.88
251.68
63.07
45.00
83.07
21.3
22.8
27.4
28.9
26.1
27.7
22.7
24.5
28.2
23
22.9
22.2
21.3
23.3
25.8
22.1
23.1
27.7
32.7
29
30.1
26.3
30.7
29.5
28.3
26.8
24.7
27.5
22.6
27.8
31
27.5
28.6
29.9
33.1
32.8
31.2
10.5
10.1
10.7
14.6
10.9
10.6
11.7
11.1
15.6
10.9
13
13.5
11.2
8.3
11.3
10.3
9.8
9.4
9.1
11
15.8
12.9
10.8
10.1
11.6
12.9
12.9
15.1
16
15.8
15.6
17
14.8
15.6
16.3
15
15.7
17.4
17.5
18.7
20.5
19.3
19.1
17.6
17.9
20.4
18
18.8
18.3
16.3
16.3
18.5
16.4
16
18.9
21.4
21.1
21.9
19.5
19.7
20.2
19.9
19.3
19.9
21.6
18.8
20.8
22.6
22
22.3
22.6
24.3
24.8
23.4
95.3
95.1
90
84.9
91.6
94.4
93.8
95.6
93
95.6
94.9
95.1
94.3
93.5
82.6
89.5
91.9
87.6
85.8
83.9
79.1
63.6
87
87.7
90.9
93.4
94.4
94
92.4
92.8
90.5
93.9
91.4
93.5
91.3
91
91.6
58.2
47.6
21.4
21.4
28.8
34.3
31.4
40.3
31.4
43.1
55.4
67.8
43.8
35
22.3
33.5
35.1
19.1
14.4
18.9
27.4
20.6
12.8
26.2
24.5
25
56.9
37.4
61
46.8
31.4
41.9
40
30
16.3
24.5
35.3
79.4
72.6
56.2
53.2
58.5
68.9
77.3
73.1
65.2
77.4
79.4
83.1
74.6
64.2
53.1
65
68.6
53.3
45.1
49.6
55.1
40.5
46.6
57.9
63.7
68.2
76.8
64
82.3
70.7
65.2
67.8
65.3
60.2
49.4
52.4
66.2
0.9
0.9
0.9
0.9
0.7
0.7
0.9
0.8
1.3
1
1
1.7
0.7
0.9
1.2
1.4
1
0.7
0.7
0.7
1.1
1.3
0.7
0.7
0.7
0.8
0.9
0.7
0.6
0.6
0.6
0.8
0.8
0.7
0.7
0.7
0.6
219.3
284.1
317.1
305.2
284.2
153.6
177.1
268
265.1
241.4
219.8
235.8
287
307.5
318.2
283.5
307.6
331.9
210.1
266.1
319.3
334.3
348.4
87.7
295.7
189.8
211.9
260
354.2
288
22.4
219.2
225.2
253.6
290.5
231.7
226
RS
P
ETo
2
(MJ/m da) (mm) (mm/da)
25.7
26.3
29.3
27.8
28.7
28.4
26.5
28.3
27.6
27.4
27.5
24.6
24
30.5
30.4
21.9
31
31
31.4
31.2
29.5
32
32.4
30.2
29.3
29.7
27.9
24.6
5.1
21.9
23.3
25
27.3
28.7
30.3
30
29.6
0
0
0
0
0
0
0
0
0
0
0
7.8
0
0
0
0.8
0
0
0
0
0
0
0
0
0
0
0
0
3.4
0
0
0
0
0
0
0
0
3.98
4.2
5.07
5.17
4.76
4.82
4.37
4.6
5.37
4.48
4.49
4.01
3.83
4.76
5.4
4.08
4.87
5.19
5.71
5.41
5.83
5.87
5.65
5.32
5.14
5.17
4.74
4.6
1.54
4.14
4.63
4.75
5.12
5.38
5.89
5.83
5.55

Temperatura media diaria;
Humedad relativa media diaria; U Velocidad del viento
diaria; DV Direccin del viento diaria; RS Radiacin solar diaria; P Precipitacin diaria; ET0 Evotranspiracin potencial diaria.
93
Tabla 5(b). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
07/06/2005
08/06/2005
09/06/2005
10/06/2005
11/06/2005
12/06/2005
13/06/2005
14/06/2005
15/06/2005
16/06/2005
17/06/2005
18/06/2005
19/06/2005
20/06/2005
21/06/2005
22/06/2005
23/06/2005
24/06/2005
25/06/2005
26/06/2005
27/06/2005
28/06/2005
29/06/2005
30/06/2005
01/07/2005
02/07/2005
03/07/2005
04/07/2005
05/07/2005
06/07/2005
07/07/2005
08/07/2005
09/07/2005
10/07/2005
11/07/2005
12/07/2005
13/07/2005
14/07/2005
15/07/2005
16/07/2005
17/07/2005
18/07/2005
19/07/2005
20/07/2005
21/07/2005
22/07/2005
23/07/2005
24/07/2005
25/07/2005
26/07/2005
27/07/2005
87.86
116.77
301.57
208.14
21.77
14.91
90.13
152.66
26.91
93.58
125.74
12.39
11.00
13.98
17.70
8.92
55.72
154.16
171.47
162.59
124.24
65.03
67.92
71.27
65.47
59.15
52.16
64.86
58.84
54.12
48.80
29.60
0
0
43.90
11.66
64.45
63.10
84.45
64.09
38.67
78.13
70.40
80.73
60.44
59.98
59.69
41.15
86.59
87.07
98.38
29.8
32.8
29.7
32.2
29.6
24.3
24.5
26.1
31.5
36.1
35.4
32.4
33.4
34
35.6
33.5
34.3
26.3
25.4
24.7
25.1
26.1
28.4
31.8
31.8
31.3
30.8
29.8
31.2
28.9
30.1
27.6
30.1
31.3
30.4
29.8
27.6
28.5
32.1
32.1
31.9
35.8
36.6
36.5
36.6
28.9
26.8
29.6
26.9
25.8
27.1
17.1
17
15.1
14.3
13.5
15.1
15.6
11
15.4
14
14.5
15.6
16.5
18.2
17.7
17.4
17.2
16.6
16.4
13.7
13.9
12.2
14.4
16.4
15.9
15.6
16.1
16.7
15.1
18.6
14.2
14.6
16.4
16.6
18.5
16.7
0
15.1
15.8
16.4
19
17.6
16
17.8
15.9
17
14.3
14.2
18.4
14.9
20
23.7
24.8
22.8
23.2
21.8
20.6
20.3
20.1
24.2
26
25.4
24.8
25.5
26.1
26.2
25.4
22.6
21.6
21.2
20.3
19.8
20.4
21.8
23.9
23.8
24.2
23.6
22
23.9
23.6
22.2
22.4
23.3
24.3
24.9
23.5
23.7
22.3
23.9
24.2
23.9
24.8
26.2
26.9
26
22.1
20.5
22.1
22.7
21.2
22.7
94.4
74.8
88.6
87.9
93.6
85.2
88.2
93.8
79.6
81.6
74.5
78.4
87.7
78.9
78.6
85.3
94
91.3
86.7
91.2
91.8
90.6
89.7
71.3
85.6
94.4
93.6
92.7
89.8
94.5
95
95.2
94.1
93.6
88.3
94
94.5
95.2
94.9
80.6
82.6
72.5
75.7
86.5
85.5
93.2
93.1
93.8
88.5
94.2
91.1
41.7
22.5
27.4
21.3
37.1
51.8
46.2
41.7
24.4
16.8
17.4
26.9
25.8
21.3
19.7
24.3
41.7
51.2
39.5
51.3
41.9
39.5
31
26.7
22.8
35.4
37.8
32.6
30.3
54.5
32.5
62.3
47.7
38.3
38.9
39.1
0
49.8
42.1
19.1
26.3
12.5
12
23.4
16.1
36.3
50.3
35.4
46.5
61.8
63.6
63.6
44.6
55.7
54.2
67.2
65.1
67.3
66.9
49.3
42.9
46.7
52
52.8
47.1
48.1
49.8
74.2
70.6
68.1
68.6
68.5
66.3
60.7
52
48.6
65.1
67.3
68.2
52.9
77.5
66.7
79.2
75.5
70.2
63.4
69.5
72.2
77.4
69.8
54.3
56.3
46.5
38.7
54.3
49
69.6
77.5
68.5
71.2
79
80.6
0.8
1.1
0.8
0.7
0.7
1.4
1.3
0.9
1
0.6
0.7
0.7
0.7
0.5
0.5
0.7
0.8
1
1
0.8
1.1
1.1
1.2
1.2
0.9
0.6
0.6
0.9
0.7
0.7
0.6
0.7
0.7
0.7
0.8
0.6
0.8
0.6
0.6
0.8
1
1.1
0.6
0.6
0.7
1.1
0.7
0.9
1.2
0.9
0.9
167.3
130.5
187.8
263.8
248.4
270.1
266.5
289
312.1
241.4
133.7
196.7
243
256.3
183.8
187.6
258.1
291.5
283.1
259.3
287.7
292.3
302.9
307.1
298.7
234
256.3
278
263.5
208.2
259.4
208.6
249.8
244.2
221.8
258
72.2
183
292.3
285.8
311.4
323.1
343.1
216.4
288.4
274.5
256.1
294.3
280.9
244
219.4
RS
P
ETo
2
28.5
29.8
29.9
29.2
24.1
29.5
26.5
29.4
30.6
30.4
28.5
28.7
25.8
25.3
24.5
23.5
30
31.2
31.5
32.2
28.9
32.1
32
31.9
32.8
31.4
30.3
31.7
31.9
30.5
31.3
30.1
30.4
29.9
29.8
30.3
27.8
29.8
29.2
29.9
23.9
31.5
31.2
29.3
30.6
30.6
29.1
29.8
29.6
29.5
24
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
5.47
6.31
5.62
5.63
4.67
5.22
4.87
5.12
6.11
5.99
5.84
5.65
5.36
5.12
5.1
5.07
6.05
5.55
5.57
5.39
5.11
5.6
6.01
6.53
6.32
5.85
5.65
5.93
5.94
5.66
5.61
5.35
5.65
5.72
5.77
5.57
4.94
5.33
5.56
5.83
5.3
6.91
6.03
5.95
6.17
5.76
5.01
5.52
5.49
5.05
4.53

94
Tabla 5(c). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
28/07/2005
29/07/2005
30/07/2005
31/07/2005
01/08/2005
02/08/2005
03/08/2005
04/08/2005
05/08/2005
06/08/2005
07/08/2005
08/08/2005
09/08/2005
10/08/2005
11/08/2005
12/08/2005
13/08/2005
14/08/2005
15/08/2005
16/08/2005
17/08/2005
18/08/2005
19/08/2005
20/08/2005
21/08/2005
22/08/2005
23/08/2005
24/08/2005
25/08/2005
26/08/2005
27/08/2005
28/08/2005
29/08/2005
30/08/2005
31/08/2005
01/09/2005
02/09/2005
03/09/2005
04/09/2005
05/09/2005
06/09/2005
07/09/2005
08/09/2005
09/09/2005
10/09/2005
11/09/2005
12/09/2005
13/09/2005
14/09/2005
15/09/2005
16/09/2005
97.89
118.39
126.48
93.46
157.62
168.13
180.73
192.63
240.64
232.37
218.63
252.55
233.92
241.09
164.68
182.09
169.15
154.20
152.20
190.39
309.40
216.69
189.23
165.71
137.51
218.13
193.27
170.11
152.02
122.27
110.27
113.45
158.36
183.55
231.02
227.07
234.23
253.07
239.42
152.93
67.17
162.82
198.45
163.04
158.63
130.98
133.25
167.89
164.88
163.28
154.46
26.5
29
29.8
28.8
27.2
31
35.5
35.6
34.6
35
34.8
31.3
26
25.9
27.7
30.1
33.4
34.5
31.1
30.7
28.4
28.8
30.4
34
28.4
31.6
34.2
32.2
33.8
29.3
32.6
33.3
33.2
34.5
30.9
29.2
31
33.8
31.8
30
25.4
26.8
28.1
27.3
27.8
27
27.4
29.8
32.5
30.8
26.3
16.4
16.5
16.3
16.1
12.2
12.6
16.6
17.8
16.8
16
18.6
17.3
17.4
19.9
17.4
15.8
16
16.9
15.8
19
15.2
13
14.6
16.2
18.4
16.8
15
15.7
16.1
14
16.6
17.2
17.6
17.8
19.1
14.8
14.8
16.3
14.8
20.1
17.6
16.9
13.7
14.2
14.8
12.5
14.7
13
14.7
16.4
16.5
22.1
22.3
22.4
22.2
20.2
22.4
25.9
26.1
24.3
24.8
25.8
23.2
22.2
22.6
21.8
22.5
25.3
25.3
23.5
24.1
21.8
21.3
20.6
24.3
23.3
23.6
24.6
24.3
23.3
21.9
23.5
24.3
24.6
25.1
24.1
22.2
22.8
24.4
23.7
23.6
21.1
21.1
21.2
20.9
20.6
19.6
20.7
21.2
22.4
22.4
21.1
94.4
79.9
85.9
78.1
91.7
92.5
80
82.2
83.1
87
92.4
94
90.9
88.7
92.6
95
92.5
91.3
91.4
93.4
94.2
95
94.4
94.8
95.2
95.4
92.6
94.8
94.3
94.7
88.2
92.9
95.2
93
91.8
92.4
95
94.7
93.9
73
88.1
91.6
85.7
90.4
86.7
84.3
86.2
90.6
91.6
93.6
95.2
49.9
27.6
27.1
27.9
36.9
34.9
28.5
22
19.1
20.9
23.6
37.9
55.4
55.7
44.9
44.2
27
23.3
35.1
50.6
54.4
54.4
34.3
30.5
61.2
26.6
13
24.3
11.6
47.7
15.7
30
36.6
30.1
39.7
34.6
46
33.4
31.2
36.8
47.4
47.4
31.8
44.6
27.9
27.4
36.3
29.8
22.8
29.9
56.5
74.1
57
51.1
55.5
64.6
60.3
52.3
48.6
54.4
55.9
56.9
73.4
75.3
74.7
71.7
76.3
58.4
59.1
70.5
76.1
77.5
78.7
71.1
68.3
82.8
66.8
46.8
59.8
52
75.7
57
62
72.4
69
67.1
62.7
76.1
70.8
61.8
52.4
68.4
75.5
63
71.3
61.8
57.8
61.2
62.9
62.5
66
83.3
0.9
1.2
1.1
0.9
0.6
0.6
0.7
0.7
0.6
0.5
0.5
0.6
1.1
1.2
0.8
0.5
0.7
0.6
0.5
0.5
0.6
0.6
0.3
0.7
0.7
0.7
0.7
0.7
0.6
0.6
0.8
0.7
0.6
0.6
0.7
0.7
0.6
0.5
0.6
1.2
1.5
1.2
0.7
0.8
1.1
1
0.8
0.7
0.8
0.6
0.5
266.6
310.8
301.7
267.2
254.1
69
89.5
91.1
56.5
214
239
254.6
238.7
258.6
291.1
172.9
6.7
337.2
231.3
247.5
283.6
246.4
320.2
82.6
205
31.2
329.4
253.7
298.3
255.3
297.1
286
196.7
132.9
297.4
294.5
222.5
233.6
268.3
308.2
289.5
287.5
278.3
265.6
310.8
316.7
295.2
99
67
148.2
191.6
RS
P
ETo
2
28.9
30.1
30.9
30.2
29.2
29
28.5
28
20.5
25.8
25.5
24.9
25
26.7
27.4
27
27.8
27.4
26.1
22.6
25.1
26.1
10.8
25.9
23
26.8
27.2
26.3
27
26.2
26.7
259
25.1
24
23.8
25.8
24.4
23.3
23.4
16.6
17.5
14.7
23.8
23.5
23.8
22.6
23.3
23.8
23.2
17.9
20.1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.2
0
0.2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.6
0
0
0
0
0
0
0
0
0
5.13
5.83
5.9
5.54
4.9
5.22
5.76
5.71
4.47
5.01
5.05
4.76
4.57
4.9
4.91
4.82
5.37
5.29
4.74
4.33
4.44
453
2.4
5.1
4.25
4.99
5.16
4.93
4.94
4.53
5.1
4.97
4.77
4.71
4.52
4.49
4.38
4.37
4.28
4.05
3.64
3.23
4.05
3.99
4.37
4.04
3.97
4.07
4.39
3.45
3.32

95
Tabla 5(d). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
17/09/2005
18/09/2005
19/09/2005
20/09/2005
21/09/2005
22/09/2005
23/09/2005
24/09/2005
25/09/2005
26/09/2005
27/09/2005
28/09/2005
29/09/2005
30/09/2005
01/10/2005
02/10/2005
03/10/2005
04/10/2005
05/10/2005
06/10/2005
07/10/2005
08/10/2005
09/10/2005
10/10/2005
11/10/2005
12/10/2005
13/10/2005
14/10/2005
15/10/2005
16/10/2005
17/10/2005
18/10/2005
19/10/2005
20/10/2005
21/10/2005
22/10/2005
23/10/2005
24/10/2005
25/10/2005
26/10/2005
27/10/2005
28/10/2005
29/10/2005
30/10/2005
31/10/2005
01/11/2005
02/11/2005
03/11/2005
04/11/2005
05/11/2005
06/11/2005
138.61
120.17
111.48
98.88
113.78
107.64
90.80
100.92
73.36
115.83
108.73
137.40
123.91
115.77
132.96
131.93
169.39
183.45
192.07
187.62
205.36
234.14
44.34
32.07
11.49
14.88
80.49
185.67
214.71
200.95
91.30
157.51
228.12
173.15
245.50
146.42
147.69
322.75
309.67
293.73
190.97
83.41
168.99
47.40
121.31
121.31
172.14
170.36
127.32
200.25
177.34
23.5
27.9
28.6
27.3
27.7
27.1
26.1
26.7
26.3
28.1
28.8
29
31.8
33.2
27.1
26.7
29.8
27.3
27.4
28.2
27.7
28.1
21.3
23.8
23.6
23.4
21
21.4
21.9
24.4
21.2
22.2
22.3
21.8
22
21
23.7
24.6
25.2
24.9
23.4
22.3
22.8
20.8
21
24.1
22.9
21.8
20.1
20.4
22.3
16
10.8
12.1
8.8
8.9
11
11.2
11.6
14.1
11.4
14
13.6
13
14.7
14
11.8
12.9
11.8
10.8
9.5
15
14.6
16.9
15.5
18.2
14
9.8
8.1
10.2
11.4
16.2
12.8
11.9
11.6
10.4
14.7
12
10.7
11.4
10.9
18.1
14.9
13.7
17.3
12.4
11.5
10.4
10.2
9.3
6.1
6.6
19.4
19
19.4
18.4
18.5
19.2
19.1
19.1
18.9
19.7
20.8
20.7
21.8
22.3
20.2
18.8
20.3
18.9
18.2
18.3
20.8
20.7
18.8
19.8
20.5
18.8
15.2
14.3
15
17.4
18
17.2
15.6
17.3
17.3
19
16.6
16.4
16.8
18.1
20
18.7
17.9
19
16.6
15.7
15.5
15.8
14.3
11.7
13.3
94
92.9
90.7
93.2
94.2
95.1
93.1
95.4
93.6
94.6
95.2
93.5
93.6
93.1
94.5
95.3
95.4
94.6
95.2
95.1
94.2
91.8
94.6
93.9
95.5
95
94.8
92.9
94.3
94.8
95.3
95.8
96
94.5
95.1
93.9
95.5
94.2
94.2
94.2
89.5
95.2
95.8
95.2
95.2
95
94.3
95.7
92.7
89.4
85.9
56.5
28.8
15.9
35.7
28.2
27.9
57.3
48.8
33.5
38
38.9
34.6
27.5
23.1
41.2
51
27.1
38
39.1
29.4
36.5
31.1
61.4
70.8
76.2
75.3
36.4
41.5
54.4
47.8
65.2
61.2
51.2
76.1
55.8
77.5
48
36.7
46.3
49.5
65.2
78.7
70.6
84.1
62.4
47.5
46.7
63.3
38.7
32.1
29.5
74.6
67.4
52.1
64.5
66.3
68.3
78.1
77.3
69.9
74.6
73.1
67.4
66.2
65.4
78.5
84.9
68.2
66
73.6
71.7
66.5
63.9
85.1
84.5
87.2
87
67.8
72.7
80.7
79.7
87.4
85.4
83.8
86.5
78.2
85.4
79.7
76.3
77.6
73.2
78.9
90.2
91
91.5
80.5
82
77.9
86.2
71.1
68.8
60.5
1
0.6
0.7
0.6
0.4
0.3
0.5
0.6
0.8
0.5
0.5
0.5
0.4
0.6
0.4
0.5
0.5
0.5
0.4
0.4
0.7
0.5
0.6
1.2
2
0.9
0.7
0.4
0.6
0.5
0.6
0.4
0.4
0.8
0.4
0.8
0.4
0.4
0.4
1.4
1.4
0.6
0.5
1.1
0.5
0.3
0.4
0.5
0.7
0.5
0.7
276.6
46.5
26.9
325
220.1
186.9
158.1
310.2
314.5
144.4
268.9
324.8
29.4
113.5
234.9
124.3
59.1
75.5
39.5
91.9
150.6
110.6
98.9
121.9
225
255.4
330.5
325.7
95.1
75.9
184.8
272
330.2
172.8
212.2
219.9
346
45.1
72.7
120.3
171.1
172.3
129.5
198.9
283.1
49.9
74.2
348.5
341.1
36.3
50.9
RS
P
ETo
2
15
23.3
23.8
23.1
22.6
13.4
21.2
19.7
21.6
21.7
18.2
20.7
20.3
20.2
19.9
18
18
20.2
20.3
19.4
17
17.3
5.6
8.8
8.9
11.4
17.7
18.3
17.7
12.8
8.1
15.2
15.6
7
14.5
5.6
16.9
16.9
16.7
16.4
6.9
4.8
11.9
2.9
14
13.6
14.6
11.5
14.5
12.2
14.9
0
0
0
0
0
0
0
0
0
0
0.2
0
0
0
0
0.2
0
0
0
0.2
0
0
9.2
6.8
35.4
2.8
0.2
0
0
0.2
9.6
0.2
0
0.6
0
3.2
0.2
0
0.2
0.2
1.4
3.4
0.4
17.8
0
0
0.2
1
0
0
0
2.74
3.63
3.83
3.5
3.25
2.29
3.18
3.1
3.47
3.29
3.02
3.25
3.21
3.57
2.95
2.74
2.92
2.94
2.82
2.71
2.87
2.71
1.35
1.81
1.88
1.88
2.32
2.11
2.2
1.95
1.48
1.98
1.95
1.32
1.84
1.2
2.03
2
2.03
2.58
1.72
1.06
1.62
0.91
1.65
1.58
1.63
1.45
1.67
1.43
1.78

96
Tabla 5(e). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
07/11/2005
08/11/2005
09/11/2005
10/11/2005
11/11/2005
12/11/2005
13/11/2005
14/11/2005
15/11/2005
16/11/2005
17/11/2005
18/11/2005
19/11/2005
20/11/2005
21/11/2005
22/11/2005
23/11/2005
24/11/2005
25/11/2005
26/11/2005
27/11/2005
28/11/2005
29/11/2005
30/11/2005
01/12/2005
02/12/2005
03/12/2005
04/12/2005
05/12/2005
06/12/2005
07/12/2005
08/12/2005
09/12/2005
10/12/2005
11/12/2005
12/12/2005
13/12/2005
14/12/2005
15/12/2005
16/12/2005
17/12/2005
18/12/2005
19/12/2005
20/12/2005
21/12/2005
22/12/2005
23/12/2005
24/12/2005
25/12/2005
26/12/2005
27/12/2005
177.69
155.42
222.06
185.31
189.55
181.84
153.12
38.05
61.69
132.36
96.68
99.24
56.81
48.93
74.91
74.98
98.54
135.01
118.54
140.59
95.64
127.93
121.04
163.51
133.94
87.03
191.71
90.75
161.36
117.76
165.45
113.54
186.39
168.13
111.66
171.18
195.15
148.86
194.66
277.92
328.47
121.56
163.33
146.03
178.04
192.17
185.79
175.68
36.67
126.84
181.54
22.9
21.9
18.9
20.9
19.8
18.3
15.2
10.2
16
18.8
19.3
20
16.2
19.2
20.1
18.4
21.4
19.5
15
14.9
14.5
15.7
17.4
15.4
16.5
18.2
19.4
18.7
17.9
16.9
18.3
18.8
20.9
17.7
17.3
16.5
15.7
13.7
17.3
17
15.4
17.9
13.4
17.8
17.6
17.7
15.6
17.1
13.5
18.7
16.5
7.6
8.1
8.1
3.9
5.4
4.4
6.8
6.9
3.5
6.8
8.3
10.7
13
11.9
11.2
11.6
9.7
5.9
1.8
4.7
-0.7
3.5
4.8
1.5
3.6
14.7
12.3
11.1
11.5
4.3
3.1
4.2
6.5
5.3
0.9
0.3
0.2
2.8
2.9
3.2
0.5
1.7
6.1
6.7
8.3
8.3
8.1
10.3
10
9.5
4.9
13.4
14.8
12.9
11.7
11.2
12
10
8.4
9.7
11.6
12.8
14.4
14.9
15.4
15.1
14.4
14.2
11.3
9.3
10.3
7.3
8.5
9.9
6.9
10.8
16.2
15.5
14.8
14.8
10.6
9.2
10.7
12.7
11.2
8.7
7.2
6.5
7.7
8.9
8.4
6
8.6
9.4
11.6
12
11.7
11.3
12.6
11.7
14.6
10.4
92.9
94.5
91.8
89.6
88.4
92.1
93.7
94.2
95.4
94.8
95.8
95.3
93.4
92.4
92.6
94.2
94.6
93.3
91.2
88.7
95.3
95.1
93.1
93.6
87.2
91.4
93.5
95
94.8
93.5
94.1
94.4
91
90.5
85.6
92.3
90.7
82.7
92.8
91.8
95.1
93.6
82.1
88.1
70.6
69.2
84.5
93.3
94.4
95.5
95.6
39.1
54
33.3
27.2
36.7
48.1
42.4
88
63
56.4
65.9
68
71.5
60.8
69.2
72.1
52.6
30.3
47.3
43.1
54.8
59.4
39.6
28.5
44.4
76.2
60.7
72.6
80.7
42.1
51.5
48.8
36
45.7
34.1
46.7
32.8
45.7
41.1
44.9
38.5
35.1
60.8
48
41.6
40.2
54.3
63.9
79.7
78.4
65.2
68.6
78.9
62
60.2
68.1
74.2
73.2
92.8
85.9
84.2
88
88.9
86.9
75.8
81.3
84.9
81.6
68.5
72.8
69.8
81.8
87
72.4
68.8
69.5
84.1
84.6
89.8
90
74.1
81.3
79.9
65
61.1
63
71.9
66.5
67
64.8
71.1
77
68.1
70.1
69.8
57.8
53.8
69.5
79.8
91.1
88.8
85.6
0.5
0.6
0.7
0.5
0.5
0.7
1
0.9
0.3
0.3
0.5
0.8
1.6
1
1
0.7
0.4
0.5
0.9
1.1
0.3
0.4
0.8
0.6
0.9
2
0.6
0.3
0.5
0.3
0.4
0.4
0.8
1
0.7
0.5
0.6
0.7
0.6
0.6
0.3
0.7
0.8
0.7
1.1
1.1
0.7
0.8
0.8
0.9
0.5
57.4
18.3
354.1
32.2
41.4
322.1
339.3
44.9
338.5
332.5
94.6
122.4
139.6
119.4
111.2
96.4
50.4
39.8
320.4
307
320.4
71.2
45.9
46.2
152.9
251.4
256.9
260.5
297.6
10
43
43.3
49.9
57.9
52.9
61.7
48
50
56.2
53.3
355.9
65.7
54.3
59.5
57.1
72.5
78.4
116.6
98.7
229.3
283.3
RS
P
ETo
2
13.9
11.6
14.3
14.3
13.3
13
12.6
2.5
8.8
12.7
8.8
10
1.7
4.1
6.3
5
10.3
12.5
11.9
10.8
11.2
8.8
11.6
11.8
10.2
6.5
8.3
6.4
4.4
11.4
11
10.5
11.1
11.1
11.4
10.4
10.7
8.4
9.9
10.5
10.9
10.4
4.9
9.9
9.4
8
4.1
5.1
2.5
8.7
9.7
0
0
0
0
0
0.2
9.6
15.8
0.2
0
0.2
3.8
7.6
2.2
0.2
0
0
0.2
0.4
0
2.4
0
0.2
0
1.4
3
0
0
0.4
0
0
0.2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.2
1
6.6
1.2
0
1.55
1.44
1.53
1.4
1.32
1.33
1.38
0.6
0.87
1.06
1.03
1.21
0.98
1.12
1.12
0.91
1.08
1.11
1.11
1.23
0.74
0.79
1.17
0.98
1.14
1.18
1
0.78
0.73
0.74
0.82
0.84
1.27
1.18
1.03
0.81
0.9
0.88
0.92
0.9
0.63
1.04
0.85
0.98
1.36
1.41
0.91
0.89
0.66
0.89
0.77

97
Tabla 5(f). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
28/12/2005
29/12/2005
30/12/2005
31/12/2005
01/01/2006
02/01/2006
03/01/2006
04/01/2006
05/01/2006
06/01/2006
07/01/2006
08/01/2006
09/01/2006
10/01/2006
11/01/2006
12/01/2006
13/01/2006
14/01/2006
15/01/2006
16/01/2006
17/01/2006
18/01/2006
19/01/2006
20/01/2006
21/01/2006
22/01/2006
23/01/2006
24/01/2006
25/01/2006
26/01/2006
27/01/2006
28/01/2006
29/01/2006
30/01/2006
31/01/2006
01/02/2006
02/02/2006
03/02/2006
04/02/2006
05/02/2006
06/02/2006
07/02/2006
08/02/2006
09/02/2006
10/02/2006
11/02/2006
12/02/2006
13/02/2006
14/02/2006
15/02/2006
16/02/2006
169.63
156.14
204.00
156.23
42.92
160.85
193.19
195.38
188.91
39.75
191.11
125.90
181.50
168.42
221.47
177.02
147.82
135.55
112.28
111.44
179.30
152.66
192.21
177.93
190.83
133.89
179.85
158.74
147.82
115.23
50.52
122.38
121.62
117.83
171.54
168.68
161.09
124.81
139.17
120.70
170.94
101.78
182.37
193.02
187.66
216.85
133.98
202.64
202.19
212.11
181.58
16.3
15.4
17.4
15.8
17.2
16.6
16.5
15.8
14.5
14.3
14.3
15.3
17.2
15.7
17.6
15.8
14.8
13.6
12.9
13.7
16.6
15
17.6
19
18.3
18
18.1
14.7
15.6
12.5
12
11.5
10.9
13.2
15.1
17.7
16.4
15.9
15.4
14.7
17.3
18.4
19.1
18.2
20.3
21.6
19.5
18.9
18.1
16.3
16
6.4
3.4
5.4
7.9
5.9
3.5
1.5
0.5
0.4
5.7
1.5
2
1.4
1.9
3.1
3.5
4.9
2.5
0.5
2.1
1.5
3.1
5.1
4.3
2.9
4.6
4.1
5.7
7.8
8.6
0
-0.8
2.4
1.5
-0.9
1.4
3.3
5.7
2.7
0.4
3.5
4.9
3.5
6.9
7
5.5
6
5.2
6.1
4.3
4.1
10.1
9.1
11.7
12.2
11.3
9.1
7.8
6.9
6.8
9.3
7.4
7
7.7
7.1
9.4
8.8
8.4
7.8
7.2
7
7.6
8.3
10.2
10.2
9.7
10.3
10.4
9.8
10.6
10.4
9.7
5.5
6.1
6.7
5.7
8.2
10.3
10.3
8
7
9.2
9.6
10.4
11.4
12.5
12.5
12
11.3
10.9
9.7
11
95.2
93.5
95.2
94.3
94
94.3
94.9
94.7
94.2
95.3
95.7
95.7
95.7
95.1
89.7
92.7
94.9
95.9
95.7
96.2
95.6
95.6
94.9
95.4
95.8
95.4
94.4
93.6
91.1
94.4
95.9
94.6
95.4
94.7
95.2
95
95
94.9
95.8
96.4
92.7
93.6
94
90.5
92.7
94.8
95.9
95.9
95.2
95.8
95.7
64.9
49.8
65.7
72.4
53.1
41.2
39.6
38.9
51.3
61.2
57.4
49.7
39.3
49.1
43.7
53.7
59.2
62.8
72.2
59.2
50.4
60
54.9
48.8
56.3
51.3
54.7
60.8
53.6
78.8
0
27.5
45
36.3
34.1
44.2
59.6
56.1
63.2
61
44.3
41.3
36.5
40.4
41.2
48.4
60.8
61.3
60.4
72.1
73.1
86.3
79.7
87
86
77.6
77.8
76.7
75.2
81.4
87.4
85.6
83.6
80.2
81.8
71.4
79
85.6
88.1
91.3
88.1
82.4
85.4
83.9
83.8
84.8
84.4
80.3
79.7
74.7
89.9
95.5
63.8
80
73.4
77.8
78.1
85.2
85.4
87.3
87.6
72.6
77
74.8
66.7
75
80.7
86.6
86.4
86.7
90.3
88.5
0.5
0.5
0.4
0.5
0.6
0.4
0.4
0.4
0.3
0.5
0.3
0.5
0.4
0.4
0.7
0.7
0.8
0.4
0.7
0.4
0.4
0.3
0.3
0.4
0.4
0.4
0.5
0.7
0.9
1
1.5
1
1.3
0.9
0.3
0.6
0.8
0.5
0.5
0.4
0.7
0.6
0.5
0.8
0.5
0.4
0.3
0.4
0.4
0.4
0.9
40.2
331.8
306.4
294.9
326
358.2
43.5
37
38.9
316.5
15.8
75
32.1
30.2
57.6
53.6
64.4
11.2
108.1
8.4
38.2
34
0.1
68.4
68.9
39.4
57.3
63.5
88.1
93.4
95.5
0.4
343
353.8
359.7
56.6
121.9
291.9
347.4
15.5
62.3
60.9
58.2
58.8
70.3
67.9
43.8
320.5
15.3
315
276
RS
P
ETo
2
6
10.6
7.6
4.8
10.4
11.1
11.2
11.3
11.1
7.4
10.9
11.3
12
9.3
11.5
8.9
6.2
6.2
2.7
11.2
11.4
9.7
11.1
12.3
10.1
10.4
10.1
6.6
7.9
3
0.7
14
8.3
14.1
14.1
14
12.2
11.5
12.1
11.2
14
14.5
14.8
7.4
12.9
14.9
10.8
14.1
11.1
12.5
7.7
0.2
0.2
0
0
0
0.2
0
0
0.2
8.8
0
0.2
02
0
0
0
2
1.2
10.6
1.8
0
0.2
0
0
0.2
0
0
0
1.4
8.8
70.4
0.6
24.4
3.2
0
0
0.6
9
0
0.2
0
0
0
0.2
0.4
0
0.2
0.2
0.2
0
0.2
0.74
0.78
0.75
0.71
0.9
0.78
0.78
0.77
0.67
0.76
0.69
0.83
0.85
0.79
1.1
0.96
0.91
0.71
0.68
0.8
0.9
0.8
0.92
1.05
0.97
1
1.06
0.95
1.16
0.75
1.76
1.31
1.2
1.32
1.01
1.33
1.29
1.18
1.13
1.04
1.48
1.51
1.51
1.44
1.54
1.61
1.28
1.48
1.31
1.3
1.15

98
Tabla 5(g). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
17/02/2006
18/02/2006
19/02/2006
20/02/2006
21/02/2006
22/02/2006
23/02/2006
24/02/2006
25/02/2006
26/02/2006
27/02/2006
28/02/2006
01/03/2006
02/03/2006
03/03/2006
04/03/2006
05/03/2006
06/03/2006
07/03/2006
08/03/2006
09/03/2006
10/03/2006
11/03/2006
12/03/2006
13/03/2006
14/03/2006
15/03/2006
16/03/2006
17/03/2006
18/03/2006
19/03/2006
20/03/2006
21/03/2006
22/03/2006
23/03/2006
24/03/2006
25/03/2006
26/03/2006
27/03/2006
28/03/2006
29/03/2006
30/03/2006
31/03/2006
01/04/2006
02/04/2006
03/04/2006
04/04/2006
05/04/2006
06/04/2006
07/04/2006
08/04/2006
197.29
187.23
32.33
305.00
212.89
214.61
167.39
218.35
141.07
135.45
220.38
182.09
232.00
265.72
212.57
173.37
162.38
238.56
281.58
303.11
275.81
305.05
315.88
299.22
428.77
396.96
234.79
286.49
177.43
136.77
161.56
193.17
261.90
241.61
229.10
242.37
249.03
269.44
288.22
189.12
266.72
272.69
248.59
207.02
226.60
248.97
287.30
257.26
242.71
242.78
216.80
17.2
17.3
15.1
14.1
15
14.1
9.9
14.7
13.1
15.1
15.2
15.1
17.1
16.9
16.3
15.6
14.5
16.9
18
19.4
19.7
18.7
21.4
26
24.5
21.7
18.1
18.1
14.5
17.5
17.2
18
17.5
17.4
18.2
19
21.1
22.9
20.5
20.9
20.6
24.6
23.6
22.4
25.8
29.4
20.8
19.9
19.7
21
24.1
2.7
4
6.9
5.5
3.8
3.2
0.6
-0.7
1.3
6.2
2.7
4.2
5
1.9
5.1
9.9
5.7
1.9
5.3
7.1
7.6
3.3
5.7
7.9
7.3
5
4.3
8.8
8.7
12.6
11.6
10
9.6
6.7
13.3
13.8
10.6
10.8
11.8
6.8
6.1
0
8.8
11.6
8.9
14.3
8.7
14.5
14.2
9.5
8.1
10.4
12.9
11.1
9.1
8.7
8
5.6
6.8
8.2
10.7
8.1
9.5
11.4
9.3
11.3
13.3
9.6
9.4
11.8
12.7
13.6
11.6
12.4
16.1
14.3
12.6
12
13.3
12.3
14.7
14.1
14.1
13.1
12.9
15.3
16
15
16.2
15.8
13.9
13.7
17.6
15.3
15.7
17.1
20.9
15.5
16.3
16.4
15.3
15.3
95.7
95.4
93
92.7
94.5
94.9
91.9
94.3
95.4
90.4
94.2
93.7
93.1
94.9
93.1
95
85.7
92.5
93.2
95.4
95.6
94.4
93.1
93.4
93.6
94.6
95.8
94.8
95.9
95.5
93.1
95.3
95.2
95.4
93.9
95
95.5
94.8
94.7
94.9
93.1
91.6
94.7
95.1
93.9
62.5
94.5
91.7
84.8
94
94.5
53.4
68.2
43.6
53.5
46
32.6
60.9
33.1
80.9
41
40.3
49.4
48.2
37.7
55.8
74.6
31.5
29.3
57.9
57.3
49.4
34.5
41.3
27.6
28.4
43.2
61.6
57.6
81.3
75.8
68
68.1
66.9
60
69.1
75.1
60.6
46.5
64.8
33.7
37.6
0
40.7
53.3
31.2
25.9
62.5
67
59.8
49.7
38.3
81
82.7
71.4
75.2
75.4
70.1
79.3
69.6
92.7
67.5
76.2
73.9
78.2
74
78.6
84.1
58
69.9
80.3
82.6
76.8
67.4
71.8
64.2
69.5
76.9
83.2
78.9
94.2
89
83.1
84.7
84.6
80.4
83.4
88.3
83.5
77.7
85.2
71.8
72.3
60.9
75.8
81.5
65
45.7
78.2
82.1
75
78.2
72.4
0.5
1.4
1.8
1.3
0.9
0.7
0.6
0.7
0.9
1.9
0.6
0.7
0.6
0.5
0.8
2
1.5
0.8
0.8
0.6
1
0.8
0.7
0.8
0.7
0.5
0.6
0.5
1.2
1.6
1.2
1
0.7
1
1.7
1.4
0.5
0.8
0.6
0.8
0.6
0.5
0.4
0.7
0.6
1.1
1.3
1.8
1.7
0.6
0.7
292.6
251.4
290.5
295.9
296.6
330.7
54.6
319.6
130
301.2
320.2
49.7
261.1
315.1
236.1
233
321.2
330.4
328.5
313.9
322.3
332.5
345.9
51.1
58.7
98.6
158.5
143.4
143.8
203.8
218.7
223.7
270.9
265.3
207.1
242.7
49.9
143.8
295.6
326.8
337.1
60.9
306.6
314.6
42.5
103.2
219
215.2
249.1
268.1
73.3
RS
P
ETo
2
12.8
14.9
15.9
11.3
14.3
16.6
4.9
16.8
3.2
16.6
18.6
9.2
17.6
18.6
11.2
4.8
19
20
19.7
19.7
15.2
19.8
21.3
20.6
21.7
21
13.6
14.1
2.6
12.6
13.4
17.5
16.4
17.9
14.5
19.4
19
20.8
14.7
24.1
22.3
15.1
20.6
18.6
20.2
21.6
22.7
18.4
20.4
18
25
0
1.2
12
0.2
6.8
0.2
1
0
18.6
0
0
0
0
0.2
0
18.2
0
0
0
0.2
0
0
0
0
0
0.2
0
0
27
14.6
4.2
5
0.4
0.2
2
2.6
0
0
0
0.2
0
0
0
0
0
0
0
1.2
0
0
0
1.45
1.78
2.14
1.6
1.69
1.74
0.89
1.77
0.78
2.36
1.88
1.42
2
1.97
1.63
1.24
2.52
2.33
2.32
2.37
2.28
2.51
2.72
3.21
3.07
2.63
1.89
1.99
0.88
1.94
2.06
2.4
2.23
2.43
2.32
2.73
2.69
3.17
2.31
3.33
3.04
2.66
2.99
2.91
3.31
4.45
3.31
2.98
3.34
2.8
3.74

99
Tabla 5(h). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
09/04/2006
10/04/2006
11/04/2006
12/04/2006
13/04/2006
14/04/2006
15/04/2006
16/04/2006
17/04/2006
18/04/2006
19/04/2006
20/04/2006
21/04/2006
22/04/2006
23/04/2006
24/04/2006
25/04/2006
26/04/2006
27/04/2006
28/04/2006
29/04/2006
30/04/2006
01/05/2006
02/05/2006
03/05/2006
04/05/2006
05/05/2006
06/05/2006
07/05/2006
08/05/2006
09/05/2006
10/05/2006
11/05/2006
12/05/2006
13/05/2006
14/05/2006
15/05/2006
16/05/2006
17/05/2006
18/05/2006
19/05/2006
20/05/2006
21/05/2006
22/05/2006
23/05/2006
24/05/2006
25/05/2006
26/05/2006
27/05/2006
28/05/2006
29/05/2006
231.68
298.34
256.42
213.13
167.67
163.89
212.99
227.38
248.18
286.39
275.36
215.68
187.07
102.21
111.67
208.18
315.25
268.07
268.07
255.64
150.69
153.41
175.54
230.56
305.37
327.68
347.14
326.93
317.13
309.13
318.48
283.75
268.18
255.57
249.23
252.98
282.33
298.55
246.62
218.65
203.97
238.10
187.43
241.28
229.41
271.39
346.97
348.53
315.55
224.96
257.78
20.7
25.3
21.8
21.5
26
20.2
20.7
22.3
20.8
23.6
24.1
23.3
19.4
18.4
18
20.7
24.2
21.6
22.1
20.8
21.6
22.9
23
22.9
20.1
21.5
25
24.7
25.6
25.7
29.8
27.4
26.75
26.1
26.9
26.9
27.3
31.7
33.8
29.7
32.5
31.8
30.3
26.2
26.9
27.4
28.6
29.1
31.5
31
23.2
8.1
8.9
7.3
9.7
8.3
13.5
11.6
11.2
7.5
8.4
9.9
10.9
8.6
4.7
10.3
13
11.7
13.5
12.4
11.1
11.8
9.1
10.3
10.5
13.1
12.3
9.3
9.5
10.2
10.5
9.1
12
12.55
13.1
11.7
12.8
10.6
16.3
16.2
19.1
13.1
13.6
13.7
14.3
11.2
11.4
10.6
10.8
15.5
17.4
17
14.5
15.9
15.6
16.1
16.9
16.4
16.8
15.6
14.1
16.2
16.6
16.1
14.5
12.5
13.7
16.5
17.3
16.8
17.4
16
16.4
16.3
16.5
17.4
16.7
16.7
16.5
17.5
17.5
17.5
20.3
19.3
19.4
19.5
19.6
20.2
19.4
22.6
24.2
23.8
21.5
22
21
18.6
19.2
19.8
19.5
20.6
23.2
23.8
20.1
95.1
95.7
95.5
95.3
95.4
94.7
95.1
92.6
94.2
92.5
92.7
89.8
95.2
94.2
95.5
95.9
95.9
95.8
95.6
94.9
95.1
95.9
95.7
95.5
88.5
90.5
92.4
90.3
89
82
83.2
93.6
94.65
95.7
89.8
95.1
94.1
92.9
94
77.3
76.7
78.3
79.5
81.8
63.1
87.3
93.4
90.7
74.6
81.1
88.8
50.1
44.4
61.6
62.3
33.3
54.9
49.1
38
36.6
31.7
31.6
41.3
61.8
52.7
78.4
65
48.8
69.1
68
62.4
60.5
54.1
55.7
54.3
59.7
55.8
26.9
40.3
31.3
22.4
23.1
41.3
44.25
47.2
45.1
49.4
44.2
36.1
31.4
23.8
13.1
12.8
23.8
24.5
13.2
19.9
27.4
29.4
22.4
33
69.6
79.9
79.4
83
83.1
71.6
80.6
78
72.2
67.2
65.2
67.3
73.6
80.6
78.5
89.9
86.3
85
88.6
86.1
82.6
82.6
83.5
79.6
78.1
73.6
69.8
69
65.7
61.5
53.2
49.5
73.5
73.2
72.9
68.9
75.5
70.8
69
64.6
48.4
47.3
44.7
55.3
57
34.5
48.2
63.5
56
48.7
54.9
80
0.6
0.6
0.9
0.6
0.7
1.1
0.9
1.1
0.9
0.7
0.9
1.1
0.8
0.7
0.6
0.8
0.8
0.5
0.5
0.6
0.5
0.6
0.6
0.8
1.1
1.1
0.9
0.7
0.8
0.8
0.7
0.7
0.7
0.7
0.6
0.6
0.6
0.4
0.6
1.1
1.1
0.8
1.1
1.1
1.2
0.9
0.7
0.9
1
0.8
0.9
196.1
351.7
205.6
203
91.6
148.6
244.4
312.7
324.5
30.8
314.2
311.5
270.9
128.9
11.8
248
185.8
232.6
227.2
223.3
178.7
251.7
211.9
243.5
276.8
288
307.7
307.7
311.8
333.1
254.8
230.6
266.3
302
211.8
235.6
246.4
236.3
274.4
335.6
325.1
341.4
311.4
313.7
341.2
271
306.7
76.2
91.1
81.3
173
RS
P
ETo
2
18
22.1
23.4
22.7
25.9
8.8
26.3
22.3
21.1
22.2
26.4
26.2
12.5
13.9
5.8
23.8
24.2
14
25
26.5
19
24.6
27.1
23.8
15.8
22.9
28.5
26.5
27.4
27.5
28.5
25.4
25.45
25.5
27.1
25.4
24.4
24.2
25.9
17.6
29.6
26.4
26.7
25.9
31.1
30.1
26.4
25.7
25.9
29.3
18
0
0
0
0.2
0
12.8
0
0
0
0
0
0
0.6
0
18.8
0
0.2
0
0
0
0
0
0.2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
2.76
3.48
3.44
3.35
4.09
2.05
3.91
3.72
3.34
3.6
4.24
4.21
2.21
2.3
1.28
3.62
3.95
2.44
3.85
3.9
3.07
3.8
4.12
3.85
2.87
3.75
4.68
4.31
4.58
4.66
5.04
4.47
4.44
4.41
4.61
4.43
4.28
4.55
5.18
4.42
6.16
5.29
5.49
4.96
5.75
5.35
4.78
4.95
5.5
5.69
3.36

100
Tabla 5(i). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
30/05/2006
31/05/2006
01/06/2006
02/06/2006
03/06/2006
04/06/2006
05/06/2006
06/06/2006
07/06/2006
08/06/2006
09/06/2006
10/06/2006
11/06/2006
12/06/2006
13/06/2006
14/06/2006
15/06/2006
16/06/2006
17/06/2006
18/06/2006
19/06/2006
20/06/2006
21/06/2006
22/06/2006
23/06/2006
24/06/2006
25/06/2006
26/06/2006
27/06/2006
28/06/2006
29/06/2006
30/06/2006
01/07/2006
02/07/2006
03/07/2006
04/07/2006
05/07/2006
06/07/2006
07/07/2006
08/07/2006
09/07/2006
10/07/2006
11/07/2006
12/07/2006
13/07/2006
14/07/2006
15/07/2006
16/07/2006
17/07/2006
18/07/2006
19/07/2006
132.99
151.13
178.84
154.68
171.91
113.08
160.19
149.97
139.54
128.96
131.05
128.39
97.95
119.16
103.61
53.99
83.26
63.66
42.33
31.55
107.73
115.50
89.54
110.79
106.78
56.48
35.41
66.45
75.78
71.35
80.84
104.24
51.98
27.30
98.50
89.11
86.65
73.61
77.43
60.15
32.84
73.59
88.75
90.10
78.86
86.52
55.89
38.04
63.61
66.16
78.13
21
24.3
25.4
29.2
27.2
29.3
31.8
32.2
26.1
31.2
28
27.3
30.1
30.6
27.8
24.6
24.7
24.5
24.8
25.8
29.2
29.7
29.8
32.3
26.7
27.2
25.8
25.2
24.4
25.3
25.7
24.8
24.5
24.8
28.4
26.8
27.1
29.2
31.3
31.9
33.5
38.8
42.2
36.4
34.4
35.2
35.4
34.8
37.4
36.2
28.1
18.2
14.2
13.5
13.2
12.6
12.2
11
12.5
15.5
12.9
14.7
14.5
14.8
15.5
15.4
18.2
18.8
16.4
15.4
15.7
16.6
17.6
17.4
17.6
19
19.2
16
15.1
13.9
13.3
13
15.5
14.6
13.2
13
16.4
16.4
15.5
13.8
16.1
16.9
16.2
21.4
19.6
17.9
20.1
18.8
18.7
18.2
19.6
17.1
19.2
19.9
19.8
20.7
20.7
21.1
21.6
22.2
21.3
21.9
21.4
20.9
23.3
22.9
21.2
20.9
21.2
20.5
20
20.9
23.3
22.7
23.6
25.1
23.1
22.5
20.9
20.1
19.4
19.5
19.5
20.4
19.7
19.4
21.6
21.4
21.5
22
23.3
24.8
24.9
27.6
31.4
26.9
26.4
27.6
27.3
26.5
26.4
26.3
23.3
91.8
94.5
95
87.1
90.9
91.8
74.5
75.8
93.3
95.2
91
92.6
93
90.4
94.4
95.8
89.1
93.6
95.2
95.2
95
93.2
93.3
93.9
93.6
92.1
84.2
92.8
88.2
92
93.7
94.9
94.7
94.4
89.2
92.3
84.5
85.5
95
89.3
87.5
87.3
62.6
74.8
82
79.2
84.6
87.8
86.4
88.2
93.8
76.9
54.7
53.5
27.8
34.4
23.8
13
15.3
48.6
25.2
36.8
36
35
30.4
44.5
61.6
60.8
64.3
61
60.5
49.4
35.7
40.8
36.6
64.2
45.3
45.7
43.6
47.8
42.9
42.8
61.7
57.5
55
34.6
46.8
41.1
30.4
32.2
37.3
25
15.7
12.9
19.9
25.4
27.4
24.5
25.8
19.1
21.6
61.8
85.9
80.3
74.4
56
63.4
56.7
42
44.3
71.5
66
67.4
66.9
63
62.1
74
83.8
77.6
81.6
82.7
81.6
72.7
66.3
65.8
64
80
69.8
66.5
65.4
68
67.7
72.7
80.3
76.6
75.2
64.1
70.2
64.3
59.4
61.5
60.4
58.9
43.9
30.9
50.5
52.9
49.4
51.7
59.6
54.3
59
79.3
1
0.9
0.8
0.8
0.8
0.7
0.7
0.8
1
0.7
1.1
0.7
0.8
0.8
0.8
1
1
0.9
0.5
0.5
0.9
0.9
0.6
0.6
0.8
1
1.3
1
0.9
0.9
0.7
0.8
0.8
0.9
1
1.2
1.2
0.8
0.6
0.5
0.6
0.5
0.8
0.7
0.7
0.8
0.6
0.6
0.6
0.7
0.9
203.1
226.5
156
53.5
190.4
108.1
85.1
144.4
221.6
242.6
280.5
281.4
240.1
120.4
183
168.9
177
195.2
212.2
247.1
278.3
286.2
273.4
276.5
183.9
272.7
291
288.8
265.6
279.3
243.7
193.6
197.6
276.6
285
291.6
298.8
298.7
218.1
256.4
258.8
73.5
31.8
31.2
254.1
232
241.2
115.4
74
98.7
201.8
RS
P
ETo
2
7.9
26.4
23.1
30.5
30.8
30.9
31.6
28
29.5
28.7
29.8
29.4
30.7
28
24
25.8
23.2
23.2
18
20.5
29.1
30
30.3
29.8
25.3
27.6
30.7
31.5
29.7
29.6
30.9
30.2
26.8
30.1
31.5
30.4
31.2
31.4
30.9
30.6
30.5
19.6
22.2
22.4
25.8
27.5
28.8
29.4
27.8
16.5
24.8
0
0
0
0
0
0
0
0
0
0
0
0
0
0
10.8
16.8
0
2.6
1.2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
1.85
4.57
4.16
5.53
5.39
5.5
5.74
5.55
5.26
5.42
5.57
5.21
5.76
5.45
4.57
4.61
4.32
4.17
3.35
3.79
5.51
5.74
5.63
5.79
4.75
5.25
5.56
5.43
5.04
5.09
5.19
5.12
4.6
5.04
5.75
5.54
5.75
5.74
5.68
5.72
5.87
4.59
5.88
5.19
5.44
5.94
5.85
5.88
5.82
4.31
4.7

101
Tabla 5(j). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
20/07/2006
21/07/2006
22/07/2006
23/07/2006
24/07/2006
25/07/2006
26/07/2006
27/07/2006
28/07/2006
29/07/2006
30/07/2006
31/07/2006
01/08/2006
02/08/2006
03/08/2006
04/08/2006
05/08/2006
06/08/2006
07/08/2006
08/08/2006
09/08/2006
10/08/2006
11/08/2006
12/08/2006
13/08/2006
14/08/2006
15/08/2006
16/08/2006
17/08/2006
18/08/2006
19/08/2006
20/08/2006
21/08/2006
22/08/2006
23/08/2006
24/08/2006
25/08/2006
26/08/2006
27/08/2006
28/08/2006
29/08/2006
30/08/2006
31/08/2006
01/09/2006
02/09/2006
03/09/2006
04/09/2006
05/09/2006
06/09/2006
07/09/2006
08/09/2006
77.31
83.95
74.83
40.09
106.15
112.90
123.77
102.47
90.35
84.60
57.70
102.76
90.32
99.34
103.64
135.09
127.92
103.39
156.22
161.15
176.09
157.97
165.50
161.52
117.78
133.43
152.11
175.12
78.66
114.97
139.56
127.18
144.78
139.96
151.60
115.90
126.24
108.12
90.34
138.65
181.31
223.60
212.93
206.64
175.37
156.26
173.53
170.15
125.97
138.99
150.35
30.8
31.4
35
36.2
30.6
33.7
30.2
33.6
31
29.8
33.3
36.2
34.5
32.7
28.6
26.3
33.6
31
31.7
28.8
32.9
36.1
29.9
28.5
29.6
26.2
25.4
25.4
25.8
26.1
27.9
34
34.4
32.8
29.4
32.2
31.8
37.6
31.5
32.8
39
39.3
34
33
33.4
37.6
34
32.4
32.2
33.3
35.6
14.7
16.2
17
19.2
15.4
16.7
16.6
18.8
16
16
16.6
20.3
17.8
18.2
15.4
16.6
18.1
18.6
18.4
17.9
19.5
17.8
18.5
18.1
13.6
16.6
14.2
14.3
16
12.1
12.8
13.3
16.8
17.4
16
15.5
17.4
19.7
18.1
16
16.6
18
17.6
18
17.2
16.2
17
18.3
19.6
19.2
17.2
22.8
24.7
26.3
25.8
23.2
24.2
23.9
25.2
23.3
23.9
26.5
26.8
26.2
24.9
22.4
21.9
25.1
25
25
23.6
25.6
26.6
24.7
23.5
21.7
21.8
20.6
20.5
21.6
19.7
20.8
24.7
25
24.9
23.1
22.9
23.9
27.3
24.3
24
26.7
27.7
25.6
24.9
24.5
25.7
25.2
25.2
24.7
25.5
26.2
95.3
94.4
76.6
83.5
93.6
93.3
87.7
72.9
90.7
91.4
89.6
83.4
71.4
93.6
95.3
94.6
93.4
94.1
91.1
94.5
94.5
93.1
93.4
95
94.6
94.8
92.9
88.4
91.8
94.6
91.2
83.1
85.5
92
94.7
93.5
92
77.9
93.3
95.6
94.8
85.1
90.4
92.8
90.9
93.3
94.3
92.6
90.6
87.8
94.7
45.9
41.4
15.8
18.7
38.1
24.5
39.5
21.3
26.7
42.2
32.4
24.2
25.3
33.4
48.7
62.5
45.3
47.8
40.3
59.3
44.2
23.6
53.4
62.8
27.9
54.1
50.4
51.2
57
50.4
34.8
21.3
25.7
25.8
50.1
31.7
29
14.6
35
38.5
21.7
12.8
30.3
32.3
28.6
22.5
33.8
33.6
32.4
30.4
28
76.1
65.8
47.7
56.2
68.6
59.4
63
49.8
62.2
65.4
51.1
54.4
50.2
64.4
79.2
80.7
73.8
73.8
72.7
80.3
73.8
58.9
71.8
82.9
77
76.3
68.5
70
73.6
71.8
63.8
48.4
60
61.4
77.7
67.1
62.9
45.4
61.6
71.6
58.8
49.5
61.5
65.8
62.6
62
68
67
68.5
63.6
62.1
0.6
0.8
0.9
0.9
0.7
0.6
0.6
1.2
0.8
0.6
0.8
1
1
0.8
0.7
0.5
0.6
0.6
0.6
0.7
0.7
0.6
0.6
0.7
0.7
0.8
1.1
1.3
1.3
0.8
0.7
0.6
0.7
0.7
0.6
0.7
0.7
0.8
0.6
0.5
0.6
0.7
0.7
0.5
0.5
0.4
0.6
0.6
0.5
0.6
0.5
270.5
265.4
309.3
293.6
269.6
291
237.3
312.1
291.7
252.3
295.4
309.3
302.9
286.4
212.8
199.1
243.9
235.2
259.4
227.7
225.4
217.3
212.2
217.2
203.1
218.5
286.3
269
247.6
256.4
305.8
9.1
47.8
251.8
236.7
284.7
289
330.8
256.3
245.4
305
175.8
173.4
274.9
210.6
254.2
162
290.3
6.4
280.3
236.5
RS
P
ETo
2
28.1
29.5
30.5
30.5
29.8
30
29.4
29.8
29.7
28.8
29.5
29.4
29.2
29
27.9
21.7
26.1
27.2
26.3
24.8
26.5
27.4
26.8
21.7
25.7
19.1
25.7
21.8
21.6
26.4
27.8
27.5
26.5
26.6
25.9
26.7
26.2
25.4
25.7
25.6
25.7
25.8
25.2
22.8
23.4
24.2
23.9
22.6
14.4
21.2
21.2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1.6
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.2
0
0
5.22
5.69
6.3
6.52
5.52
5.72
5.41
6.48
5.62
5.28
5.86
6.48
6.17
5.73
5.02
3.93
5.2
5.19
5.08
4.64
5.3
5.51
5.01
4.13
4.69
3.64
4.48
4.09
4.05
4.4
4.72
5.08
5.21
5.1
4.62
4.97
4.92
5.5
4.75
4.68
5.29
5.42
4.92
4.31
4.36
4.55
4.58
4.31
3.15
4.19
4.17

102
Tabla 5(k). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
09/09/2006
10/09/2006
11/09/2006
12/09/2006
13/09/2006
14/09/2006
15/09/2006
16/09/2006
17/09/2006
18/09/2006
19/09/2006
20/09/2006
21/09/2006
22/09/2006
23/09/2006
24/09/2006
25/09/2006
26/09/2006
27/09/2006
28/09/2006
29/09/2006
30/09/2006
01/10/2006
02/10/2006
03/10/2006
04/10/2006
05/10/2006
06/10/2006
07/10/2006
08/10/2006
09/10/2006
10/10/2006
11/10/2006
12/10/2006
13/10/2006
14/10/2006
15/10/2006
16/10/2006
17/10/2006
18/10/2006
19/10/2006
20/10/2006
21/10/2006
22/10/2006
23/10/2006
24/10/2006
25/10/2006
26/10/2006
27/10/2006
28/10/2006
29/10/2006
115.25
88.93
127.63
148.12
114.41
62.89
60.11
0.04
0.01
76.71
111.74
81.51
61.37
41.69
51.89
32.11
58.31
71.12
88.35
95.61
108.05
95.31
101.40
145.53
168.16
171.82
207.35
246.69
272.75
295.47
340.05
413.48
486.71
403.59
388.40
284.86
346.63
183.79
38.74
51.78
178.84
180.55
128.55
141.07
62.72
50.67
16.19
35.74
44.12
128.80
216.75
33.7
32.3
31
28.6
26.8
26.4
25.5
25.2
29
29.5
26.6
30.6
24.6
23.6
24.1
24.4
25.6
29.5
25.2
25.2
25
25.8
28.5
26.4
26
23.5
27.8
27.2
28.2
29
29
24.4
24.8
26.2
27.5
27.1
24.8
23
19.4
24.1
21.5
21.8
22.5
22.4
21.2
22.4
20.8
21.9
24
26.6
26.6
19.3
17.8
14.8
15.6
14.4
15.4
14.5
12.6
12
16.9
15.4
14.1
14.5
12.2
11.8
13
15.8
15.4
15.2
17
14
14.4
14.5
15.6
17
12.1
12.1
10.5
12.4
11.4
11
14.2
14.7
10.7
11.9
11.4
13.2
13.7
17
18.5
17.4
18.4
14.2
17.8
17.3
18.8
14.8
14.7
13
15.9
16.3
27
25.5
22.5
22
20.9
20.3
19.8
18.8
20.3
22.6
21.1
21.6
20.2
18.2
18.2
18.9
20.3
22
20.1
20.7
19.6
20.4
20.1
21.2
20.7
18.4
18.9
19
19.4
18.8
19
19.1
19.1
18.3
19.3
18.5
18
17.8
18.4
20.1
19.4
20.1
18.9
20.7
20
20.4
18
17.7
17.6
20.7
20.3
80.4
91
86.2
91.3
94.7
92.6
85.2
90.2
89.9
88.2
93
94.7
95.1
95.2
95.3
95.1
94.6
95.1
95
92.3
95
95.6
95.8
94.4
94.1
94.3
87.3
75
82.5
88.8
90.4
94.9
95.8
91
94.6
95.1
93.4
95.2
95.6
94.2
91.9
94.8
95.5
95.2
95.6
95.9
95.5
94.7
95.1
92.4
91.9
28.1
33.6
37.3
45.6
45.8
31.9
38.2
33.6
25.6
38.5
50.9
32.3
66.1
53.9
66.5
47.5
65.8
44.5
64
58.9
54.7
64.5
47.6
54.1
35
54.5
24.4
29.1
32
21.3
27.7
68.1
60.4
36.2
34
39.2
59.5
71.8
90.4
66
72.3
83.5
71.8
85.4
84.6
91
85.2
66.6
52.1
54.2
51.7
55.5
62.5
65.8
71.9
74.6
62.8
60.7
62.1
61.8
65.6
70.2
69
86.4
79.8
85.3
74.9
83.2
73.6
83.7
80.1
80.2
85.6
80.8
79.5
66.8
74.4
61.5
53.9
58.7
58
62
87.5
84.8
67.3
73.9
75.2
80.4
88.4
94.3
85.6
84.6
89.6
88.3
91.9
92.5
93.9
92.1
86.1
80.9
73
79.4
0.7
0.6
0.5
0.6
1.1
1.5
1.2
0.8
0.6
0.9
0.6
0.5
1.1
0.5
0.7
0.8
0.6
0.6
0.5
0.8
0.6
0.5
0.5
0.6
1
0.7
0.5
0.5
0.4
0.4
0.4
0.5
0.5
0.6
0.6
0.7
0.7
0.8
1
1.4
1.1
1.6
0.6
1.4
1.3
1.1
1.7
1.1
0.9
0.8
0.5
225
238.4
267.3
302.1
268.9
311.2
309.6
282.4
308.8
307.4
282.1
245.1
214.9
229.9
230
283.8
285.5
304.1
225
287.7
265.6
237
12.1
237.9
298.1
292.5
23.3
38.9
45
83.4
68.5
183.3
306.4
333.8
109.9
110.5
113.7
143.6
166
219.4
247.6
226.2
218.2
192.2
197.7
163.7
184.5
188.5
67.3
70.8
66.7
RS
P
ETo
2
22.5
20.7
19.2
20
21.9
20.5
20.6
23.7
23.2
22.8
22.9
21.9
10.6
22.7
18.9
20.9
16.6
21.6
21
20.4
20.7
18.7
18.4
19.4
20.7
18
20.4
17.6
16.5
17.6
16.8
11
17.1
19.1
18.5
18.5
11.6
4.7
4.5
10.6
6
4.2
10.6
5.6
3.6
3.7
3.5
9.7
14.2
12
7.8
0
0
0
0
9.4
0
0
0
0
0
0
0
12.6
0
5.8
0
0
0.2
0
0
0
0
0.2
0
0
0
0
0
0
0
0
0
0.2
0
0
0
0
10.8
15.8
3.4
1.2
8.2
0.2
0
16.4
0.6
32.8
15
3
0
0
4.46
3.99
3.52
3.55
3.87
4.11
3.77
3.72
3.74
4.12
3.64
3.63
2.19
3.23
2.87
3.22
2.75
3.57
3.16
3.24
3.08
2.88
2.96
3.04
3.43
2.65
2.92
2.64
2.51
2.56
2.51
1.85
2.47
2.68
2.72
2.74
1.97
1.23
0.99
2.08
1.41
1.16
1.65
1.23
1.02
0.93
1.01
1.67
2.1
2.05
1.55

103
Tabla 5(l). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
30/10/2006
31/10/2006
01/11/2006
02/11/2006
03/11/2006
04/11/2006
05/11/2006
06/11/2006
07/11/2006
08/11/2006
09/11/2006
10/11/2006
11/11/2006
12/11/2006
13/11/2006
14/11/2006
15/11/2006
16/11/2006
17/11/2006
18/11/2006
19/11/2006
20/11/2006
21/11/2006
22/11/2006
23/11/2006
24/11/2006
25/11/2006
26/11/2006
27/11/2006
28/11/2006
29/11/2006
30/11/2006
01/12/2006
02/12/2006
03/12/2006
04/12/2006
05/12/2006
06/12/2006
07/12/2006
08/12/2006
09/12/2006
10/12/2006
11/12/2006
12/12/2006
13/12/2006
14/12/2006
15/12/2006
16/12/2006
17/12/2006
18/12/2006
19/12/2006
254.72
281.26
200.42
20.54
23.39
31.81
43.00
66.23
20.84
40.76
64.01
99.71
88.95
103.36
97.09
75.71
66.61
24.29
56.40
63.85
82.12
102.12
96.26
89.33
85.60
83.47
30.53
72.35
92.81
79.19
120.41
107.39
127.48
57.16
107.55
115.45
98.39
114.04
102.50
25.91
127.66
84.17
151.15
128.59
164.11
138.10
130.38
129.96
103.75
152.26
148.65
27.4
27.7
26.2
20.5
21.7
22.2
22.6
20.2
18.9
23.2
24
22.9
22.4
23.8
22.3
20.3
19.6
19.3
19
20.6
20.3
21.4
18.9
18.4
19.1
21.1
14.4
18.2
17.8
14.6
18.9
19.7
19.6
12.4
17.1
20.6
18.8
17
16.6
17.4
14.1
14.9
16
15.7
17.1
16.8
17.2
18.7
18.4
17.2
14
14.7
13.8
12.5
17.8
18.1
16.6
14.8
14
13.8
12.8
13
9.3
9
8.8
5.7
8.9
10.1
8.5
5.9
8.8
8.1
7.7
8.7
12.6
11.7
14.1
10.6
7.5
8.4
9.2
6.8
8.6
8.8
9.7
6.9
7.8
9.6
6.4
5.6
6.8
2
1.7
6.1
5.7
4.7
5.9
6
5.9
5.3
2.3
0.7
19.8
18.7
18.4
18.9
19.4
19.3
18.4
17.2
16
17
17.5
16
14.7
14.1
13.2
13.7
15.4
15.6
12.9
13.7
12.8
13.8
13.9
15.4
16.3
19
12.9
11.5
12
11.8
11.6
13
12.9
11
11.3
13.8
13.5
10.3
12
13
7.9
7.8
10.1
10.1
9.7
10.2
10.1
10.2
10
8.3
6.4
95.3
95.7
94.9
95.9
95.9
95.2
90.9
91.8
96.3
96.3
95.8
90
88.4
94.4
95.4
95.8
95.7
96.1
95.7
94.4
95
95.7
95.9
92.8
93
92.8
95.9
96.4
95.3
95.1
96
94.2
93.6
95.8
94.8
96.1
96.2
94.8
95.8
93.4
94.7
94.3
85
93.6
92.9
83.8
92.8
93.9
94.2
96.1
95.8
51.4
51.2
46.5
90
80.5
75.3
63.4
70
86.1
63.4
52.9
44.4
43.4
32.7
53.7
68
69.5
76.8
43
52.3
47.3
55.3
65.5
72.5
77.6
75.3
90.4
52.7
62
86.9
54.6
55.7
60.4
88.6
62.4
68.4
71.5
53.7
72.9
46
51.1
41.7
43.6
59.2
44.3
46.5
52.1
51.6
52.5
53.1
45.9
82.9
82.8
83.6
94.4
92.7
85.4
79.9
83.5
94.8
88.9
80.9
70.9
69.9
73.4
82.6
88.3
88.9
89.7
75.6
80.2
82.6
83.3
86.8
85.5
86.4
82.5
94.8
88.1
85.6
91.4
85.5
82.3
84.4
94
85.8
89.7
89.9
83.8
88.5
75.4
78.6
74.5
62
78
73.6
70.3
79.2
80.4
83.1
84.5
82
0.4
0.3
0.3
0.7
0.8
1.1
0.6
0.7
0.7
0.3
0.7
0.7
0.7
0.5
0.3
0.5
1.2
0.8
0.3
0.5
0.4
0.3
0.5
0.6
0.6
2.1
0.6
0.3
0.7
0.4
0.3
0.6
0.5
0.8
0.4
0.2
0.9
0.4
0.5
1.1
0.4
0.8
1
0.4
0.6
0.7
0.6
0.4
0.4
0.4
0.3
161.7
50.5
104.1
148.8
145.3
143.3
114.1
80.4
40.5
355.1
70
57.4
53
57.5
340.1
96.7
136.9
265.8
243.9
98.3
50
346.3
315.2
298.3
235.1
202.8
138.8
43.6
80.6
72.6
43
61
70.4
17.7
320.1
334.1
270.1
324.5
268.1
303.2
345.4
36.9
49.9
40.6
50.8
54.4
57.9
54
51.4
337
1
RS
P
ETo
2
13.1
14.8
9.2
3.6
7.1
8
6.6
5.2
1.7
13.8
12.8
13.8
14.1
14.2
13.2
12
4.6
4.1
13.1
12.2
12.2
12.5
8.2
5.5
5.3
6.9
1.9
11.2
11.1
2.9
11.5
11
9.3
1.3
10.7
8.6
5.5
10.8
4.1
10.1
10.8
11
10.6
5.9
10.6
10.6
10.2
10.3
10
10.5
10.5
0
0
0
21
18.2
0
0
0
44.2
0.6
0
0
0
0
0
0.4
6.4
25
0.2
0
0.2
0
0.4
0
1.8
1.6
29.6
0.2
0
2.8
0.2
0
0.2
25
0.2
0
14.6
0.2
0.6
4
0
0.2
0
0
0
0
0
0
0
0.2
0.2
1.87
1.89
1.42
0.85
1.24
1.4
1.26
1.09
0.69
1.51
1.69
1.66
1.63
1.52
1.23
1.23
1.1
0.89
1.05
1.22
1.13
1.1
0.98
0.91
0.88
1.34
0.59
0.89
1.04
0.61
0.88
1.06
0.96
0.56
0.83
0.8
0.91
0.81
0.71
1.2
0.7
0.96
1.15
0.72
0.91
0.97
0.88
0.81
0.79
0.74
0.61

104
Tabla 5(m). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
20/12/2006
21/12/2006
22/12/2006
23/12/2006
24/12/2006
25/12/2006
26/12/2006
27/12/2006
28/12/2006
29/12/2006
30/12/2006
31/12/2006
01/01/2007
02/01/2007
03/01/2007
04/01/2007
05/01/2007
06/01/2007
07/01/2007
08/01/2007
09/01/2007
10/01/2007
11/01/2007
12/01/2007
13/01/2007
14/01/2007
15/01/2007
16/01/2007
17/01/2007
18/01/2007
19/01/2007
20/01/2007
21/01/2007
22/01/2007
23/01/2007
24/01/2007
25/01/2007
26/01/2007
27/01/2007
28/01/2007
29/01/2007
30/01/2007
31/01/2007
01/02/2007
02/02/2007
03/02/2007
04/02/2007
05/02/2007
06/02/2007
07/02/2007
08/02/2007
145.58
134.50
171.58
157.51
144.87
149.81
4.80
88.02
131.78
253.54
190.91
142.06
70.55
203.87
179.82
200.52
186.73
141.87
141.98
197.80
168.48
165.64
199.95
201.72
190.85
134.22
212.29
196.51
183.63
189.45
207.98
135.17
86.08
105.73
117.48
113.86
95.24
89.87
120.48
44.55
133.60
171.39
100.90
101.59
192.77
77.15
73.90
103.55
112.81
110.40
46.61
13.9
14.8
15.4
12.3
14.8
16.3
17
17.8
18.3
18.1
18.9
20
20.2
20.2
20.8
18.3
17.7
18.5
17.2
16.7
15.9
17.4
18.9
18.2
17.8
16.7
17.6
16.6
22.6
21.8
22.8
20
17
14.6
14.3
12.9
13.2
7.4
12.6
11
15.4
14.2
15.9
15.2
11.4
13
16.5
16.4
17.3
16.4
17.3
-1.5
1.9
0.2
0.2
0.2
3.8
4.3
5.1
6.8
5.1
3.7
3.7
4.6
5.1
3.9
2.3
4.5
2.3
3.1
3.7
3.1
4.4
3.7
0.7
3.4
3.5
5.7
3.9
5.5
5.1
4.8
1.4
3.5
3.9
-0.1
1.1
-2.7
-1.7
-0.4
5.2
3.9
4.5
3.5
3.5
6.7
8.5
4.3
4.3
6.7
2.5
13
4.8
6.6
6
4.5
6.3
8.4
9.3
9.7
10.6
9.6
9.6
10.7
11.1
10.7
10.5
9.1
9.6
9.6
9.3
8.4
7.9
9.9
10
8.1
8.5
9.2
10.9
9.4
10.8
11.8
12
9.3
9.8
8.5
7.1
5.4
4.3
1.9
5.5
7.6
8.6
9
8
8.6
9.1
10.4
9.6
9.8
10.5
10.6
15
96.4
92.1
94.3
95.7
95.6
86
87.9
93.2
93
94.7
95.4
94.7
95.2
95.4
94.7
95.1
95.4
96.1
96.2
96
95.7
96.1
92.3
94.9
94.9
95
95.4
95.9
95.3
93
92.1
95.3
95.8
96.1
94.8
96.2
96
94.9
95.1
95.4
96.1
95.7
96.1
95.1
95.5
95.7
95.9
96.2
94.4
95.7
96.2
42.9
42.9
38
50.3
49.7
45.5
48.2
57.4
50.9
54.7
47.7
46.4
47.6
42.9
37.9
50
53.3
43
58.9
54.1
67.8
54.3
43.4
40.6
41.9
53.8
58
63.8
39.7
37.3
30.5
43
63.4
53.5
49.7
43.6
54.4
59
46.4
71.2
61.8
78
53.4
55.8
71.4
88
54.1
64.5
48.3
62.8
84.9
81.3
73.9
78.6
82.1
80.9
71.6
73.4
81.7
81.4
82.3
83
79
82.5
79
75.6
83.3
84.6
84.4
86.6
87.2
88.5
85.6
76.6
79.9
76.9
85.4
86.2
86.9
81.1
71.6
69.8
83.3
87.3
83.5
80.2
80.6
85.8
84.4
79
90.2
89
91.9
88.1
81.6
85.9
94
87.6
90.3
82.4
88
93.6
0.2
0.4
0.3
0.3
0.5
0.6
0.7
0.5
0.4
0.4
0.3
0.6
0.3
0.5
0.5
0.3
0.3
0.2
0.3
0.3
0.5
0.6
0.5
0.4
0.4
0.3
0.3
0.3
0.4
06
0.5
0.2
0.3
0.6
0.5
0.5
0.5
0.4
0.8
0.9
0.3
0.6
0.4
0.6
0.7
0.6
0.3
0.4
0.3
0.6
1.7
42.7
50.6
27.4
37.1
48.8
63.2
58.4
70.7
72.7
77.4
64.1
44.4
33.8
42.8
54.2
12.9
31.9
358.4
356.6
29
75.9
58.1
46.7
53.5
57.7
81.6
72.1
23.2
46.2
46
42.1
38.8
72.1
32.3
297
347.5
345.8
7.4
42.6
58.5
88.5
103.6
39.2
49.2
49.7
33.6
324.3
49.5
336.2
214.9
245
RS
P
ETo
2
10.7
9.8
10.5
9.6
10.6
9.9
9.9
7.1
9.6
10.1
10.1
10.7
10.6
11
11
10.3
10.2
10.1
10.7
9.7
7.3
8.9
11.3
10.6
9.1
8.5
8.4
9.3
11.2
11.5
12.3
10.4
11.2
7
12.4
11.3
5.3
6.7
9.9
4.6
9.5
7
10.5
8.3
1.7
3.2
13.7
8.3
12.1
9.4
5.4
0
0
0
0.2
0
0
0
0
0
0
0.2
0
0.2
0.2
0
0
0.2
0
0.2
0.2
0
0.2
0
0.2
0
0
0
0.2
0.2
0
0
0
0
4.6
0.6
0
1.6
0.6
0.2
3.8
0.2
16.6
0.2
0
16.8
6.8
0
0.2
0
2.8
12.8
0.52
0.7
0.63
0.57
0.74
0.89
0.96
0.82
0.81
0.79
0.75
1.02
0.8
0.98
1.02
0.76
0.76
0.7
0.76
0.75
0.76
0.94
1
0.9
0.9
0.79
0.83
0.81
1.13
1.31
1.29
0.87
0.92
0.92
0.97
0.94
0.79
0.65
1.07
0.79
0.92
0.85
1.03
1.04
0.7
0.67
1.18
1.01
1.2
1.15
1.02

105
Tabla 5(n). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
09/02/2007
10/02/2007
11/02/2007
12/02/2007
13/02/2007
14/02/2007
15/02/2007
16/02/2007
17/02/2007
18/02/2007
19/02/2007
20/02/2007
21/02/2007
22/02/2007
23/02/2007
24/02/2007
25/02/2007
26/02/2007
27/02/2007
28/02/2007
01/03/2007
02/03/2007
03/03/2007
04/03/2007
05/03/2007
06/03/2007
07/03/2007
08/03/2007
09/03/2007
10/03/2007
11/03/2007
12/03/2007
13/03/2007
14/03/2007
15/03/2007
16/03/2007
17/03/2007
18/03/2007
19/03/2007
20/03/2007
21/03/2007
22/03/2007
23/03/2007
24/03/2007
25/03/2007
26/03/2007
27/03/2007
28/03/2007
29/03/2007
30/03/2007
31/03/2007
97.00
108.89
60.86
88.94
105.85
100.72
127.45
152.89
141.26
166.32
172.15
125.79
215.81
88.92
101.72
113.22
102.74
123.47
140.96
148.49
153.48
163.93
156.66
132.73
147.37
185.19
179.05
181.00
218.67
238.22
227.04
228.50
228.41
229.37
228.35
220.98
253.83
237.82
224.41
256.29
304.45
271.09
271.34
291.50
273.04
126.72
159.61
229.98
232.79
262.49
182.53
18.4
19.7
18.2
19.1
18
20.8
18.1
19.4
16.4
17
14.5
16.7
16.5
16.8
19.5
19.1
18.2
18.6
19.9
20.7
20.2
19.9
22.4
19.2
19.6
18.4
23.6
20.9
22.8
25.5
22.6
21.1
22.9
22
21.7
20.8
22
21.2
18.6
18.2
17.3
16.6
19.7
20.2
17.4
16.9
18.4
19.8
20.1
20.2
17.2
8.9
13.8
13.5
14.8
10.3
8
9.9
9.4
5.7
4.8
3.7
7.4
4.3
8.8
8.6
6.8
6.7
8.5
5.1
8.1
6.8
6.5
6.1
6.6
5.9
5.3
11.2
7.8
4.6
6.5
3.7
3.1
7.4
6.3
5.9
5.1
5.3
6.5
8.2
4.5
1.7
-0.1
-0.1
3.2
3.3
6.3
8.6
7.7
6.7
7.2
6.7
14.2
15.9
15.4
15.9
14.9
14.5
13.8
13.1
10.8
10.2
9
11.2
10.6
12.7
13.6
12.4
13.1
12.7
12.5
13.5
14.4
12.5
13.4
14
11.3
12.4
16.5
13.5
13.1
16.1
13
11.8
13.5
13
12.7
12.6
13
13.2
12.8
10.6
9.3
8.4
10.1
12.3
11.9
10.8
12.6
13.3
13.1
12.6
11.8
95.3
95.7
96.2
95.7
96
96.1
96.5
92.7
95.5
93.5
95.2
95.9
93.1
95.7
96
95.8
96.2
94.5
95.2
95.6
95.5
95.6
96.1
96.3
94.9
93
95.3
86.4
93.8
89.3
93.4
95.4
85.6
92.3
95.5
96
96.1
94.1
93.8
77.9
71.9
89.6
93.3
94
93.1
95.8
95.9
87.1
91.3
92.9
95.3
47.5
66.9
79.7
78.4
83.6
63.3
69.5
51.3
52.3
46
57.2
45.4
41.2
85.6
52.2
54.3
74.2
44.6
50.6
54.8
50.6
45.3
54.3
60.4
34.9
46.7
28
31.8
27.3
11.7
14.7
41.2
21.4
32.3
33.3
46.4
32.6
35.9
39.2
17.3
19.5
19.4
35.3
38.2
48.2
63.4
37.5
26.9
31.3
31.7
54.4
78.7
89.7
94.3
91.2
93.3
88.6
87.5
76.7
79.9
76.6
85
80.2
74.3
92.9
86.4
86.1
90.5
77.3
79.8
84.7
82.6
82.8
82.3
84.1
76.3
77.6
68.8
62.5
65.6
46.3
50.4
74.5
52.6
66.2
73.8
79
75
74.5
64.3
47.4
45.6
55.4
70.3
70.8
74
91.2
67.9
59.3
67.7
72.4
81.4
1.1
1
0.8
1
0.5
0.5
0.6
1.2
0.6
0.7
0.2
0.8
0.8
0.7
0.5
0.5
0.7
0.6
0.3
0.5
0.5
0.4
0.4
0.7
0.5
0.7
1.5
0.9
0.5
0.9
0.6
0.4
0.8
0.6
0.4
0.4
0.4
0.6
1.5
0.8
0.8
0.7
0.6
0.8
0.8
0.5
1
1.1
0.9
0.9
0.8
267.7
261.1
243.8
247.6
216.2
216.1
101.2
175
307.5
330.4
3.5
343.4
299.5
236.8
290.3
310.8
276
331.4
281.1
300.2
297.7
308.8
318.2
256.7
336.8
293.7
291.2
330.2
28.3
48
53.9
66
62.1
51.7
11.9
49.5
73.1
11.9
324
353.1
357.8
1.9
320.4
296.2
261.9
122
322.3
320.1
304.7
302.6
263.9
RS
P
ETo
2
15
11.8
5.9
9.1
6.5
11.5
8.4
12.9
11.1
16.5
7.5
10.1
17.5
4.2
12
15.3
12.3
18.1
18.2
18.2
18.1
17.2
19.1
14.8
17.3
16.5
13.6
19.9
20.7
21.2
21.5
19.6
19
18.1
20.2
20.3
19.6
20.7
21.3
23.4
22.8
23.5
23
23.3
23.4
8
18.1
21.6
20.6
24
10.6
0
0.8
1
0
0
0.2
0.2
0.6
5.8
0
0.4
13.4
0
7.4
0.2
0
0.2
0.2
0
0
0
0
0.2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.2
7.8
0
0
0
0
5
1.85
1.63
1.06
1.36
1.04
1.5
1.25
1.94
1.41
1.77
0.99
1.55
1.93
0.88
1.64
1.82
1.59
2.1
1.98
2.17
2.19
2.03
2.29
1.99
2.12
2.13
3.03
2.77
2.59
3.33
2.76
2.37
2.91
2.55
2.53
2.51
2.53
2.76
3.1
2.96
2.84
2.72
2.8
3.06
2.89
1.4
2.74
3.3
3.07
3.34
1.85

106
Tabla 5(). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
01/04/2007
02/04/2007
03/04/2007
04/04/2007
05/04/2007
06/04/2007
07/04/2007
08/04/2007
09/04/2007
10/04/2007
11/04/2007
12/04/2007
13/04/2007
14/04/2007
15/04/2007
16/04/2007
17/04/2007
18/04/2007
19/04/2007
20/04/2007
21/04/2007
22/04/2007
23/04/2007
24/04/2007
25/04/2007
26/04/2007
27/04/2007
28/04/2007
29/04/2007
30/04/2007
01/05/2007
02/05/2007
03/05/2007
04/05/2007
05/05/2007
06/05/2007
07/05/2007
08/05/2007
09/05/2007
10/05/2007
11/05/2007
12/05/2007
13/05/2007
14/05/2007
15/05/2007
16/05/2007
17/05/2007
18/05/2007
19/05/2007
20/05/2007
21/05/2007
202.05
235.92
214.07
236.15
214.21
213.61
221.24
231.68
222.19
245.24
249.81
224.59
172.87
239.16
223.52
278.13
252.95
289.32
268.09
180.28
195.11
201.57
233.03
250.23
214.28
236.88
255.89
276.89
274.16
247.65
263.20
122.72
209.46
228.92
249.00
198.96
271.30
304.13
326.69
290.48
276.72
281.04
241.85
289.02
323.81
314.59
327.09
329.08
307.78
217.69
240.25
17
16.9
18.2
20.2
18.6
17
17.4
19.7
22.4
22.4
21.8
19.4
18.9
20.5
25.5
26.6
26.3
23.1
25
18
21.6
24.8
28.4
25.5
24
21.3
22.6
22.8
21.2
20
18.7
18.2
19
22
23.2
25.9
26.9
32
31.4
27.2
23.3
24
22.5
24.3
29.2
31.2
34
32.8
32
23
20.2
6.5
5.1
6.1
5.7
3.3
2.1
5
6.8
9.6
9.4
10
11.4
10.7
7
9.6
9.4
10.1
9.1
13.2
13.2
11.8
10.8
11
11.8
13.5
9.7
9
10.2
9.2
9.7
8.9
12.9
11.6
10.9
9.8
7.8
9
11.4
13.5
9.9
9.1
10.6
11.2
9.7
10.4
9.7
11.5
13.6
12.6
17.1
14
11.1
11.2
11.7
12.9
11.9
9.5
10.5
13
14.5
14.7
14.9
14
14.2
14.2
16.5
16.6
17.6
16.1
17.8
14.9
15.8
16.8
18.3
18.3
17.6
15.2
15.2
15.8
15.2
15.3
14
15
14.8
15.9
15.3
16.4
18.3
21.2
21.7
18.9
16.2
17.6
17.6
16.6
19.6
21
22.2
22.4
21.8
18.7
16.8
92.3
95.4
95.8
94.9
94.1
95.6
95
95.8
93.8
94.6
95.7
95.2
95.5
94.6
95
94.7
94
95
94.4
93.8
94.9
94.3
95.5
95.3
93.3
88.2
93.5
91.4
90.8
94.7
86.9
96.2
93.3
93.5
94.5
95.6
87.8
84.2
83.8
89.4
93.7
95.9
96.1
88.4
87.1
90.1
82.7
81.9
90.3
89.9
90.9
49.3
50.9
53.1
35.6
35.4
43
55.6
43.2
47.4
47.8
51.5
59.8
63.2
57.7
36.1
28.2
28.5
42
45
69.5
60.9
40.5
31.8
48.7
46.8
44.4
38.2
28.2
35.2
38.1
44.7
73.7
60.6
48.7
47
25.8
25.9
23.6
21.4
27.2
39.9
44
42.6
24.7
15.1
17.2
20.1
23
23.2
61.7
51
77.1
78.6
80.2
67.4
69.1
74.2
81.1
73.4
74
79.4
79.9
87.4
85
79.2
75.8
72.3
64.8
76.7
77.1
89.6
85.6
78.3
75.7
75.7
77.6
71.3
74.9
68
70.7
66.7
67.6
89.5
81.3
76.8
79.1
67.2
57.6
56.3
53.5
66.2
75.1
79.7
72
55.3
47.3
47.9
49.3
52.6
61
81.8
73
0.7
0.5
0.6
1
1.1
0.5
0.6
0.6
0.5
0.6
1
0.6
0.8
0.6
0.6
0.7
0.9
0.6
0.6
0.4
0.5
0.6
0.7
0.5
0.7
1.1
0.7
1.1
1
1.3
1.4
1.8
1
1.1
0.9
0.7
0.7
0.6
0.7
0.6
0.7
0.8
1.2
0.8
0.8
0.8
0.8
0.7
0.6
1.4
0.7
289.7
168.8
279.6
314.5
319.4
62.3
88.1
72.3
84
104.2
130.2
152.3
292.4
283.4
52.8
67.2
59.1
205.1
60.1
49.3
57.5
34.2
239.7
298.6
334.7
311.9
306.4
304.7
297.3
295.7
273.4
240.6
273.5
298.9
309.5
23.1
331.7
37.9
67
188.5
264.5
223.9
270.6
342.9
23.8
59.3
66.6
39.7
230.4
182
319.8
RS
P
ETo
2
21.3
24
17.6
21.7
17.2
19.9
11.8
24.7
19.2
21.8
16
11.8
16.8
25.6
25.4
24.9
24.4
20.2
21.1
5.1
13.9
24.8
25.6
19.3
11.4
26.5
26.7
28.1
28.2
20.5
26.2
12.3
18.9
26.5
26
28.5
29.2
29.4
29.9
29.9
29.8
28.4
28.6
30.8
30.8
30.4
30.6
30.5
25.5
13.4
11.3
0.4
5.8
0.8
0
0
0
0.2
0.2
0
0
0
16.6
0
0
0
0
0
0.2
0
3.2
1.6
0
0
0
0
0
0
0
0
0.2
0
19.2
0
0
8.8
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.4
2.74
2.91
2.45
3.24
2.79
2.52
1.88
3.3
2.92
3.25
2.8
2.05
2.59
3.52
3.95
4.08
4.23
3.26
3.55
1.24
2.41
3.93
4.42
3.33
2.46
4.08
4.03
4.52
4.28
3.54
3.95
2.2
3.02
4.17
4.1
4.57
4.82
5.26
5.44
4.89
4.56
4.57
4.65
4.88
5.41
5.58
5.95
5.73
4.89
2.9
2.35

107
Tabla 5(o). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
22/05/2007
23/05/2007
24/05/2007
25/05/2007
26/05/2007
27/05/2007
28/05/2007
29/05/2007
30/05/2007
31/05/2007
01/06/2007
02/06/2007
03/06/2007
04/06/2007
05/06/2007
06/06/2007
07/06/2007
08/06/2007
09/06/2007
10/06/2007
11/06/2007
12/06/2007
13/06/2007
14/06/2007
15/06/2007
16/06/2007
17/06/2007
18/06/2007
19/06/2007
20/06/2007
21/06/2007
22/06/2007
23/06/2007
24/06/2007
25/06/2007
26/06/2007
27/06/2007
28/06/2007
29/06/2007
30/06/2007
01/07/2007
02/07/2007
03/07/2007
04/07/2007
05/07/2007
06/07/2007
07/07/2007
08/07/2007
09/07/2007
10/07/2007
11/07/2007
239.38
205.11
238.68
216.65
134.00
134.78
230.98
202.97
212.87
190.43
180.99
228.08
198.07
140.00
194.49
186.77
157.08
124.72
130.46
117.36
134.21
114.47
131.37
182.15
168.34
136.50
63.60
129.81
155.60
145.02
134.23
126.95
128.06
99.92
90.57
35.71
84.40
125.84
102.56
96.04
91.07
89.03
115.42
98.44
104.29
110.01
72.65
58.79
91.71
111.89
81.09
19.6
25.5
22.2
22.2
19.7
22.7
24.2
25.2
26.6
23.8
25.2
33.6
30.7
30.8
30
28.1
25.7
24.4
25.2
24.2
25.7
25.3
23.7
22.2
24.3
24.3
22.8
25.3
24.1
25.1
28
30
32.2
28.2
27.6
22.9
24.3
27.5
32.6
30.4
29.7
28
34.3
36.8
34.5
32.2
28.9
32.6
37.7
34.95
32.2
6.9
6.4
9.3
8.9
10.9
10.5
11.1
11.2
14
11.6
12.4
11.7
12.6
13.4
12.5
12
12.1
15.8
13.9
17.2
13.5
14
14.4
15.6
17.6
17.9
17.5
15.8
12.7
14.5
12
14.2
12.4
16.9
15
13.6
11
12
14.3
14.8
16.7
16.6
17.1
19.5
18.45
17.4
15.7
15.4
17.2
16.4
15.6
15.1
16.7
17.6
17
15.8
17.4
17
17.9
19.6
17.7
18.3
23.1
22.6
21.8
21.8
20.6
19.4
19.8
19.6
20.2
19.6
19.9
19.3
19
20.1
20
19.6
20.3
19.5
19.7
20.6
22.1
23.1
22.2
21.5
18.5
18.1
20.8
23
23.4
23
22.4
26.3
27.3
25.9
24.5
22.6
24.3
28.3
26.3
24.3
91.9
94.2
91.5
93.4
94.7
95.6
90.8
90.6
90.4
90.4
90.6
73.5
91.4
88.7
87.8
94.3
94.9
95.4
95.7
89.9
93.2
86.5
93
94.1
94.1
94
95.6
95.3
95.9
94.7
85.7
75.1
85.8
93.9
86.9
93.1
94.9
95.9
90.9
76.8
82.3
81
65.1
77.4
83.45
89.5
86.7
93.2
71.5
82.9
94.3
56.5
38
48.8
41.8
68
46
29.2
29.6
37.7
40.1
31
18
26.8
28
26.7
38.1
49.6
53.1
48.6
56.1
42
36.2
50.2
70.4
68.4
69.9
77
44.7
52.1
39.2
24.1
19.8
21.5
45.2
42
50.8
51.9
46.2
20.8
28.7
27
33.5
20.6
18.9
26.6
34.3
35.5
28.8
10.5
23.85
37.2
74.6
67.8
70.9
70.2
85
70.4
65.2
59.1
66.6
67.6
59.1
43
55.2
56.8
55.7
69.9
77.6
77
76.7
75.4
70.7
65.8
72.3
85.2
87.2
86.1
92.3
76
76.2
70.4
50.2
46.2
52.7
67.9
61.6
66.2
77.2
71.2
50.2
48.1
56.8
58.5
44.4
47.2
54.4
61.6
66.8
57.4
34.1
50.9
67.7
0.6
0.9
0.9
1.1
0.5
1.3
1.3
1.1
1.1
1.1
0.9
0.9
0.7
0.6
0.8
0.7
0.7
0.6
1
1.1
1
1.3
1.3
1.3
1.1
1.1
0.8
1
1.1
1.1
1
0.8
0.8
0.9
1.3
1
0.7
0.7
0.7
0.7
1.3
1
1.1
1.1
0.95
0.8
0.7
0.7
1.1
0.85
0.6
265
286.4
220.7
258.3
195.8
297.5
301
300.7
307.3
304.2
324.3
46.7
208
339.8
249.6
235
160.2
229.6
255.2
242.7
283.2
282.2
270.6
236.5
220.5
223.1
211.6
261.8
255.9
277
326
329
228.2
271.6
302.9
266.5
194.2
252.2
286.2
264.4
309.5
298.3
318.3
326.8
281.4
236
288.3
289.1
328
278.35
228.7
RS
P
ETo
2
18.5
28.8
30.3
30.2
11.7
30.6
29.7
31.4
31.3
28.7
27.9
31.3
30.8
28.1
31.1
30.7
28.8
18.1
29.3
30.5
30.2
31.8
30.1
13
18.9
17.3
11.8
31.3
31.8
30.4
32.5
32.7
30.1
31.5
31.7
32.2
30.7
30.9
31.2
31.7
31.6
31.5
31.6
31.4
30.85
30.3
30.3
31.1
32
31.2
30.4
0.2
0
0
0
1.4
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
3.2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
3
4.76
4.75
4.79
2.16
4.93
5.15
5.35
5.53
4.85
4.86
6.21
5.65
5.2
5.71
5.36
4.88
3.41
5.05
5.24
5.25
5.64
5.12
2.64
3.56
3.32
2.38
5.42
5.27
5.31
5.85
5.96
5.83
5.75
5.87
5.2
4.95
5.36
5.91
5.83
6.31
5.85
6.72
7.08
6.52
5.96
5.52
5.96
7.14
6.45
5.76

108
Tabla 5(p). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
12/07/2007
13/07/2007
14/07/2007
15/07/2007
16/07/2007
17/07/2007
18/07/2007
19/07/2007
20/07/2007
21/07/2007
22/07/2007
23/07/2007
24/07/2007
25/07/2007
26/07/2007
27/07/2007
28/07/2007
29/07/2007
30/07/2007
31/07/2007
01/08/2007
02/08/2007
03/08/2007
04/08/2007
05/08/2007
06/08/2007
07/08/2007
08/08/2007
09/08/2007
10/08/2007
11/08/2007
12/08/2007
13/08/2007
14/08/2007
15/08/2007
16/08/2007
17/08/2007
18/08/2007
19/08/2007
20/08/2007
21/08/2007
22/08/2007
23/08/2007
24/08/2007
25/08/2007
26/08/2007
27/08/2007
28/08/2007
29/08/2007
30/08/2007
31/08/2007
82.24
90.89
62.31
50.89
76.76
69.62
75.49
73.66
75.81
53.54
45.18
82.84
87.26
92.86
84.46
73.00
75.93
68.47
105.26
95.42
125.53
146.12
146.70
137.38
103.34
148.09
160.14
188.49
183.04
161.54
216.00
202.66
220.53
174.97
152.30
205.66
255.32
231.66
223.53
249.56
241.62
268.73
174.37
132.85
34.46
19.37
45.01
69.66
109.99
125.03
124.57
33.6
34.2
32.4
28.5
26.9
28.2
29.4
29.8
27.4
25.8
28.6
25
30.5
32.3
32.4
35.8
36.2
36.1
34.6
31.6
33.3
31.5
35.1
35.1
25.5
28.4
25.6
26.5
31.1
28.8
28.9
28.1
24.8
27.8
29.5
29.9
32.6
32.2
36
30
34.6
32.2
31.2
32
19.7
29.4
30.9
28.7
29.7
27
30.6
16.4
17.6
16.8
16.9
14.4
14.5
16.4
15.6
14.4
14.2
14.5
15.4
15.1
13.6
15.2
15.9
16.4
16.3
14
15.6
17
14.4
14.8
18.8
19.6
17.7
13.3
12.8
13.7
16.4
14.1
16.2
12
11.6
15.6
14.2
12.4
16.8
17.4
17.4
19
14.2
15.1
14.4
16.2
17.9
17.4
15.9
16.2
16.8
15.4
25.5
25.9
24.6
23
21.6
22.4
22.8
22.4
21.1
19.8
21
20.6
22.6
23
23.3
25.7
27.1
26.8
25
23.5
24.2
23.6
24.6
26.1
22.6
22.2
20.2
20.1
21.9
23.1
21.2
21.5
19.1
19.1
22.5
22
23.2
24.6
25.7
23.6
26.2
23.2
22.6
22.8
18
22.7
23.7
22.2
21.9
21.8
22.2
95.4
85.5
91.3
95
94.1
92.4
83.6
67.3
78.5
87.7
84
91.4
83.5
83.4
94.2
69.3
70.7
82.7
92.4
95.4
91.8
92
95.3
89.3
91.8
93.8
93.5
95.5
95.6
94
91.6
79.4
94.3
95.7
92.4
89.7
92
90.9
61.9
79.6
65.1
89.6
95.3
95.4
96
95.2
95.6
95.5
89.7
92.9
95.9
28.9
25.5
29.6
51
43.1
43.8
20.7
21.9
33.2
37.3
27.4
50.4
32.5
30.6
33.8
18.9
18.6
20.4
21.5
36.4
25.2
32.3
22.8
32.1
60.5
43.6
46.6
50.4
39.3
41
24.6
33.9
55.1
44.7
44.5
32.9
29.6
36.9
16.3
25.1
13.9
19.7
33.2
26.6
91.4
57.5
50.1
51.4
35.2
51.4
44.4
58.5
54.6
64.1
76.6
69.9
66.2
49.8
46.1
52.8
59.3
52.5
73.8
55.6
56.1
63.1
41.1
40.8
51
57.7
74.7
59.3
59.6
62.7
65.5
81.3
70.1
67.4
76.3
76.7
73.3
66.3
62.1
74.8
76.2
71.2
61.9
64.3
62.6
39
54.8
34.5
45.5
65.4
63.9
94.8
82.3
77.7
76.4
69.6
74.1
77.7
0.6
0.7
0.8
0.9
0.9
0.8
1
1.5
1.3
1.2
0.8
1
0.8
0.6
0.6
0.7
0.6
0.7
0.5
0.6
0.8
0.7
0.5
0.7
1
1
0.7
0.6
0.6
0.7
0.6
1.3
0.6
0.6
1
0.9
0.7
0.7
0.7
0.7
0.9
0.7
0.7
0.6
0.6
0.5
0.5
0.5
1
0.8
0.6
223.8
239.6
258
252.4
256.1
273.2
298.1
312.9
300
292.1
289.2
285.2
299.6
241.5
229
294.9
258.2
238.1
218.4
205.5
300.5
289.7
154.5
171.5
199.7
290.1
265.1
196.1
208.2
253.2
260
297.4
239.2
299.7
300.8
293.7
253.7
266.1
320.3
290.3
339.4
149.2
10.1
195.1
41.1
333.6
282.4
245
312.1
285.8
209.7
RS
P
ETo
2
30
30.5
31
29.9
30.6
30.9
31.7
31.2
30.9
29.3
31.1
29.4
30.6
31
30.6
31.6
30.5
29.8
30
28.3
28.8
29
28.6
26.8
19.4
28.9
25.9
29.3
26.3
20.8
27.2
28.2
27.5
27.4
27.8
28.1
27.3
26.5
27.5
27.2
27.5
27
24.4
23.4
2.3
23.5
22.8
24.2
26.2
25.6
24.1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1.4
0
0
0
0
0
0
0
0
0
0
0
0
0
10.6
34.2
0
0
0
0
0
0
5.83
6.07
6.04
5.52
5.41
5.53
5.98
6.46
5.77
5.25
5.53
5.07
5.67
5.65
5.67
6.16
5.92
6
5.56
5.28
5.72
5.41
5.41
5.55
3.79
5.32
4.42
4.83
4.82
4.08
4.74
5.41
4.4
4.55
5.15
5.16
5.1
5.07
5.44
4.95
5.63
4.98
4.59
4.41
0.83
4.24
4.24
4.21
4.89
4.41
4.33

109
Tabla 5(q). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
01/09/2007
02/09/2007
03/09/2007
04/09/2007
05/09/2007
06/09/2007
07/09/2007
08/09/2007
09/09/2007
10/09/2007
11/09/2007
12/09/2007
13/09/2007
14/09/2007
15/09/2007
16/09/2007
17/09/2007
18/09/2007
19/09/2007
20/09/2007
21/09/2007
22/09/2007
23/09/2007
24/09/2007
25/09/2007
26/09/2007
27/09/2007
28/09/2007
29/09/2007
30/09/2007
01/10/2007
02/10/2007
03/10/2007
04/10/2007
05/10/2007
06/10/2007
07/10/2007
08/10/2007
09/10/2007
10/10/2007
11/10/2007
12/10/2007
13/10/2007
14/10/2007
15/10/2007
16/10/2007
17/10/2007
18/10/2007
19/10/2007
20/10/2007
21/10/2007
112.26
107.58
133.86
128.13
102.00
138.47
120.47
90.92
73.46
111.03
66.78
20.94
25.61
34.87
27.19
19.68
32.45
63.03
60.91
76.97
34.18
37.48
34.98
79.75
84.92
72.46
71.96
70.57
65.19
51.59
27.14
33.39
68.61
88.54
97.50
121.70
150.99
196.39
249.65
284.15
335.99
326.06
369.98
275.47
405.25
341.92
303.03
336.97
332.43
348.13
331.41
31.3
30.3
27.4
27.8
33.2
28.9
27.6
26.8
26.8
27.9
28
25
22.2
25.6
28.1
27
25.2
26.4
26
30.5
25.6
27
30.2
29
30.7
27.2
26.8
25.2
24.6
25.7
23.4
21.8
23
23.8
24
25
27
29.7
31.2
30.2
28.2
25.8
26.7
27
26.5
26.6
27.4
28.2
27.6
27.6
26
17.9
17.1
16.4
15.6
0
17.4
16.2
15.9
16.5
16.5
17.2
16.9
16.5
15.8
18.1
16.3
18.4
16.8
13.3
15
0
15.8
15.4
16.4
15.1
13
10.3
13.9
16.2
19.8
19.2
14.4
12.9
13.4
13.1
12.3
13.6
14.2
14.3
14.8
11.8
12
11.8
14
13.8
14.6
13.2
11.2
14.4
13.4
11.8
23.6
23.4
21.8
21.6
26
22.5
21.1
20.9
20.5
21.7
21.7
19.5
18.7
20.8
22.2
21.3
21.6
20.9
19.4
22.7
21.5
20.2
21.6
22
21.5
19.6
18.7
18.9
20.2
22.2
21.4
18.1
17.6
18.1
17.7
18.2
19.3
21.5
21.3
20.6
19.4
18
18.3
19.3
18.6
19.2
19.3
19.2
19.4
18.6
18.1
94.2
92.8
95.3
95.8
89.1
92.8
94.8
95.9
95.6
92.8
95.6
95.5
96
96.4
96.3
95.6
95.9
89.5
95.8
94.9
95.4
96.4
93
95.8
95
95.2
96.2
96.3
90.2
87.9
95.5
96.4
96.5
96.3
96.5
96.3
96.1
95
92.2
92.9
86.5
81.5
92.7
92.6
94.5
95.3
93.3
89.4
94.1
94.7
95.7
36.3
39.7
57.6
54.6
0
46.7
45.7
56.7
57.9
45.3
52.3
62.3
84.4
63.6
52.1
61.8
64.2
53.7
51.8
44.8
0
58.9
33.4
48.3
26.6
40.1
42.8
62.4
57
65.4
84.3
75.3
67.5
58.9
60.3
54.8
49.9
34.8
28.2
31.2
27.1
30.3
33.8
52.4
45.5
49
35.9
25.7
34.1
36.9
421
73.1
70.8
80
80.9
59.7
74.8
77
82
82.8
75.6
81.3
88.8
93.7
85.4
81.2
84.3
81.8
76.2
79.2
75.7
79.9
83.9
71.5
77.1
67.2
70
79
85.9
75.2
78.7
90.7
93.2
88.2
85.9
85.3
83.5
85.1
68.3
66.1
68.5
54.2
54.1
70.1
77.1
79.7
77
72.6
58.5
66.2
76.6
79.3
0.6
0.5
0.5
0.4
0.6
0.5
0.5
0.6
0.5
0.5
0.7
0.5
0.4
0.5
0.5
0.5
0.8
0.6
0.5
0.8
0.5
0.5
0.4
0.4
0.5
0.4
0.5
0.6
0.7
1.3
1
0.4
0.4
0.5
0.4
0.4
0.3
0.3
0.5
0.6
0.6
0.7
0.6
0.7
0.5
0.5
0.5
0.7
0.6
0.5
0.4
274.2
243.6
217.1
219.2
59.7
209.6
157.5
175.8
84
195.3
271.2
23.5
84
275.6
149.3
176.4
253.2
287.9
231.2
120.5
79.9
299.1
312.7
249.3
301.3
278.7
235.3
167.6
206
187.4
194
78.1
116.2
111.4
24.2
271.9
56.7
14.2
50.5
45.9
47.8
54.1
76.7
98.8
81.9
41.3
54.1
56.1
61.1
35.3
67.3
RS
P
ETo
2
24.5
24.8
24.7
24.2
19.1
19.3
22.8
21.9
16.7
22.2
17
10.5
5.5
21.5
21.2
19.3
20.7
17.2
22.3
19.4
17.6
18
21.5
21.1
22.1
19.8
21.7
14.6
14
14
7.1
7.2
15.3
17.3
18.6
17.9
16.4
16.4
19.2
19.4
19.4
19.1
17.4
14
13.7
17.1
17.3
17.7
16.2
17.2
17.1
0
0
0
0
0
0
0
0
0
0.2
16.2
5.8
9.6
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
5
22
1
0.6
0
0
0
0
0
0
0
0
0
0.2
0.6
0
0
0
0
0
0
4.5
4.36
4.15
4.02
3.59
3.52
3.82
3.68
2.97
3.75
3.21
2.09
1.25
3.46
3.62
3.25
3.46
3.01
3.4
3.63
2.71
2.98
3.44
3.41
3.56
3
3.17
2.42
2.46
2.76
1.51
1.39
2.24
2.51
2.58
2.53
2.42
2.51
3.02
3.09
2.86
2.77
2.58
2.36
2.17
2.46
2.46
2.7
2.47
2.41
2.19

110
Tabla 5(r). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
22/10/2007
23/10/2007
24/10/2007
25/10/2007
26/10/2007
27/10/2007
28/10/2007
29/10/2007
30/10/2007
31/10/2007
01/11/2007
02/11/2007
03/11/2007
04/11/2007
05/11/2007
06/11/2007
07/11/2007
08/11/2007
09/11/2007
10/11/2007
11/11/2007
12/11/2007
13/11/2007
14/11/2007
15/11/2007
16/11/2007
17/11/2007
18/11/2007
19/11/2007
20/11/2007
21/11/2007
22/11/2007
23/11/2007
24/11/2007
25/11/2007
26/11/2007
27/11/2007
28/11/2007
29/11/2007
30/11/2007
01/12/2007
02/12/2007
03/12/2007
04/12/2007
05/12/2007
06/12/2007
07/12/2007
08/12/2007
09/12/2007
10/12/2007
11/12/2007
294.13
276.55
110.50
295.37
307.31
307.68
276.12
318.91
313.93
297.77
313.48
330.44
301.84
267.84
281.82
268.31
279.71
241.17
220.72
184.02
184.74
174.03
136.90
19.29
191.50
174.95
170.17
147.20
106.30
62.33
130.57
146.53
148.89
151.75
163.90
105.27
116.34
112.07
167.57
173.03
199.24
138.73
182.54
176.81
193.01
195.49
22.18
175.21
119.74
211.63
170.75
25
22.2
19.6
21.6
22.3
24.7
24.6
25.3
24.6
21.4
22.8
24.3
23.9
24.4
26.5
26.7
24.5
22.4
24.6
24
23.4
20.7
22
21.9
21.4
19.7
20.2
21
19.4
19.3
19.1
17.6
17.9
14.4
18.5
19.5
18.9
18.8
17.5
18.3
18.8
19.9
16.6
20.4
20.4
20.3
17.4
16.8
17.4
17.5
17.6
10.5
8.5
10.9
9.2
9.3
9.5
10.6
8.2
9.9
6.1
7.7
9.5
9.9
9.9
8.8
6.9
6.5
8.8
7.7
8.3
8.7
8.5
4
4.7
3.3
9.9
7.1
5.1
7.9
13.1
8.8
6.8
4.7
6.8
4.3
1.1
3.3
4.3
3.6
5.8
5.2
5.6
6.2
4.9
4.1
5.5
5.7
7.5
5
3.4
2.5
17.3
15.5
15.1
15.2
14.7
15.9
16.6
15.7
15.9
13.3
14.3
15.3
15.6
15.4
15.6
15.2
14.6
14.3
14.2
14.8
14.3
13.2
11.9
11.7
11.7
13
12.7
12.1
14.6
17.3
13.1
12.2
9.8
9.9
11.2
8.9
9.4
9.9
9.3
10.2
10.6
11.3
10.1
10.7
11
11.9
10.7
11.6
10.9
8.9
9.8
96.5
95.7
94.7
96.1
95.9
93.3
91.2
88.9
95.3
81.5
67.2
88.4
88.4
91.6
88.5
89.7
94.7
95.1
94.4
95.9
95
94.9
93.6
95.1
84.6
52.6
71.7
91.9
92.6
96.6
96.6
96.4
95.8
94.4
87.9
94.2
94.3
95.4
96.2
95.5
95.5
96
96
96.3
95.9
95.3
96.3
95.8
96.3
95.6
93.5
35
48.2
64.5
59.3
48.6
31.4
34.7
30.6
31.8
25.8
32.5
34
37.7
39
25.8
22.3
36.2
43.9
27.8
41.5
41.5
44.4
31.4
39.3
28
13.6
19.9
15.4
65.2
87
55.1
54.2
60.4
46
41.7
27.1
43
56.7
52.5
52
48.6
50.6
57.4
46.6
49.2
57.2
56.6
62.7
79.1
43.7
31.6
80.3
80.6
86.2
83.6
82.3
73
68
62.9
70.5
53.4
52.7
65.9
65.5
71.5
64.6
57.8
69.8
79.5
71
77.3
80
78.8
70.2
72.5
56.3
34.8
41.2
50.8
83.4
93.8
86.2
84.7
88.9
70.2
65.7
70.6
78.7
83.4
86.4
84
82
84
87
84.6
83.2
83.8
83.8
85.8
92
80.7
60.7
0.6
0.5
0.3
0.4
0.4
0.6
0.7
0.4
0.5
0.8
0.8
0.6
0.7
0.6
0.6
0.5
0.5
0.4
0.3
0.4
0.5
0.3
0.3
0.3
0.7
1
0.7
0.4
0.9
1.5
0.3
0.5
0.3
0.7
0.7
0.4
0.3
0.4
0.3
0.4
0.3
0.4
0.4
0.3
0.4
0.4
0.5
0.4
0.2
0.3
0.8
286
283.7
12
353.1
33.8
70
43.8
334.6
25.1
50.4
58.6
63.5
59.9
57.2
56.3
64.7
68.8
39.3
51.2
59.6
47.6
50.2
53.7
15.7
58.5
60.3
60.5
50.5
145.8
230.4
50.1
338.9
49.7
30
39.5
35.4
39.5
59.8
50.7
55.5
5.5
340.9
342.6
38.9
19.6
348.3
344.1
343.9
326.1
11.1
52.3
RS
P
ETo
2
16.7
15.5
7.4
14.5
15.3
16
15.9
15.5
15.2
15.8
15.4
15.1
13.5
14.6
14.9
15
14.3
13.8
13.4
12.8
11.9
6.4
11.6
13
13.4
11.6
9.9
12.5
5.9
1.8
10.2
10.3
8.6
5.5
12.3
12.3
11.7
10.3
11.2
11.1
10
11.4
10.7
11.2
11
10.8
9
9.6
4.6
11.3
11
0
0.2
5
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.2
0
0
0
0
0
0
0
0
0.2
52.2
0
6.6
0.6
0
0
0
0
0
0
0
0
0
0
0
0
0.2
0
0
0
0.2
0
2.23
1.89
1.17
1.71
1.75
2.06
2.13
1.8
1.86
1.98
2.04
1.88
1.86
1.82
1.94
1.78
1.63
1.44
1.34
1.42
1.44
1
1.13
1.16
1.53
1.94
1.49
1.13
1.09
0.75
0.97
1
0.83
0.96
1.18
0.97
0.86
0.9
0.8
0.89
0.82
0.93
0.81
0.84
0.91
0.9
0.84
0.78
0.61
0.72
1.12

111
Tabla 5(s). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
12/12/2007
13/12/2007
14/12/2007
15/12/2007
16/12/2007
17/12/2007
18/12/2007
19/12/2007
20/12/2007
21/12/2007
22/12/2007
23/12/2007
24/12/2007
25/12/2007
26/12/2007
27/12/2007
28/12/2007
29/12/2007
30/12/2007
31/12/2007
01/01/2008
02/01/2008
03/01/2008
04/01/2008
05/01/2008
06/01/2008
07/01/2008
08/01/2008
09/01/2008
10/01/2008
11/01/2008
12/01/2008
13/01/2008
14/01/2008
15/01/2008
16/01/2008
17/01/2008
18/01/2008
19/01/2008
20/01/2008
21/01/2008
22/01/2008
23/01/2008
24/01/2008
25/01/2008
26/01/2008
27/01/2008
28/01/2008
29/01/2008
30/01/2008
31/01/2008
186.05
167.64
219.28
201.43
134.82
219.08
158.61
192.29
187.84
128.33
178.65
132.31
205.23
102.40
216.74
193.41
226.32
173.73
161.33
209.22
82.4
145.31
109.60
175.07
190.78
100.09
190.05
179.61
167.78
178.02
185.90
163.43
116.86
174.84
208.72
151.67
212.89
167.48
203.69
161.57
236.47
231.47
220.48
246.59
225.53
224.58
103.22
162.42
163.87
164.69
132.20
16.7
18.5
18.4
16.7
15.6
15.2
15.9
15.3
14.15
13
15.9
17.8
19.1
17
15.3
17.3
17.7
16.4
17.2
17.2
17.9
17.1
15.7
15.6
16.5
15.8
18
14.9
17
19.1
18.4
14.9
15.4
16.8
17.4
18.6
17.3
19.5
21.6
22.3
20.4
23.6
22.2
20.1
18.6
18.9
19
19.1
19.9
19.7
18.6
2.5
3.9
4.7
1.3
-0.3
6.2
6.3
11.2
10.05
8.9
9.3
8.5
6.7
6.6
5.4
4.8
4.5
2.5
3.6
1.1
3.6
11.5
7
4.3
3.1
11.1
6.8
9.6
10.2
6.8
6.1
2.1
2.3
5.6
3.9
6.1
4.9
6.5
2.9
6.7
5.7
5.3
6.2
6.5
6.4
6.1
5.8
4.3
2.5
1.2
3.2
8.6
9.2
9.5
8.2
7.4
9.6
11.5
12.8
11.8
10.8
11.9
12.7
12
10.8
9.8
10
9.5
7.8
8.1
7.8
10.1
14.5
11.8
9
10.4
13.3
12.7
11.8
12.6
11.3
11.2
7
9.6
10.8
11.3
13.7
10.1
11.7
11.9
12.8
11.7
13.3
11.7
11.2
11.1
10.7
10.6
10.1
9.3
10.5
9.3
88.9
87.7
88.8
93.8
95.1
95.7
96
77
86.15
95.3
94.8
95.3
95.5
96
95.7
95
95.2
95.4
95.3
96.1
96.1
96.1
95.2
95.9
95.6
96.5
96.1
93.5
95.7
96.5
96.6
94.7
95.1
96.2
96.4
94.4
96.1
96.2
96.2
94.8
95.3
95.6
95.8
96.2
95.2
94
92.2
95.1
96.2
96.1
95.9
37.1
41.6
46.2
36.1
44.2
58.2
61.9
61.2
64.6
68
70.1
59.3
51.1
67.3
55.6
48.4
46.9
47.6
47.7
50.3
53.2
68.3
60.2
51.5
61.6
84.3
58.9
72.1
70.3
65.3
73.1
43.4
61.3
57
66.2
47.2
61.7
55.1
43.7
44.4
52.9
31
32.4
46.8
50
44.1
39.5
39.4
47.2
35.5
47.9
57.3
70.2
72.6
73.8
76
84.4
80.3
68
77.4
86.8
87
82.1
82.5
89.8
84
77.8
79.2
83.3
83.1
84.6
86
85.6
84
83.2
86.1
93.3
84.3
86.8
89.6
89.3
89.8
79.4
86.8
87.7
84.2
80.3
87.2
84.1
79.4
77.7
82.7
73.8
76.2
83.1
79.3
77.5
74.2
76.4
84.5
77
81.2
0.7
0.5
0.6
0.5
0.5
0.8
1.2
1
1
1
0.8
0.7
0.4
0.5
0.7
0.7
0.5
0.3
0.4
0.3
0.5
1.3
1.4
0.4
0.2
0.3
0.2
0.4
0.3
0.2
0.7
0.3
0.9
0.3
0.6
1
0.3
0.4
0.4
0.4
0.3
0.4
0.6
0.3
0.5
0.4
0.6
0.5
0.4
0.3
0.3
62.5
58.5
55.8
51.3
69.9
103.3
111.8
102.1
87.9
73.7
60.2
61.6
45.3
102.7
348.2
55.5
56.9
42.6
53
51.8
111.5
246
277.5
4.2
132.2
53.6
11
79.4
51.4
126.5
328
33.5
130.7
330
249.4
284.7
333.8
28.5
51.9
59.8
45.7
44.4
52.4
57
59.6
53.1
55.8
48.7
51.1
353.8
30.8
RS
P
ETo
2
10.4
11.2
10.8
11.1
11
6.1
4.2
2.8
3.1
3.4
4.9
8.8
10.2
8.6
10
10.7
10.8
10.7
10.6
10.8
9.7
5.9
5.9
10.5
8.7
3.7
8
4.4
5.6
9.9
7.3
11.3
5.3
10.7
10.8
9
11.1
12
12.3
12
12.3
12.7
12.1
11.6
9.9
12.6
12.7
13.2
12.8
13.2
13.2
0
0
0
0
0
5.4
0.2
0
4.1
8.2
0.6
0
0
2.4
1.4
0.2
0
0
0
0
0
18.8
13.2
0
0.4
1
0
0
1.2
0
3.6
0.2
2
0.2
0
1
0
0
0
0
0
0.2
0
0
0
0
0
0
0
0
0
1
0.89
0.95
0.83
0.77
0.86
0.97
1.04
0.91
0.78
0.8
0.92
0.82
0.77
0.85
0.95
0.85
0.68
0.78
0.7
0.85
1.01
1.08
0.76
0.68
0.64
0.74
0.7
0.73
0.8
0.88
0.75
0.93
0.84
0.97
1.29
0.88
1.05
1.12
1.18
1.05
1.26
1.43
1.07
1.12
1.15
1.33
1.27
1.2
1.15
1.14

112
Tabla 5(t). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
01/02/2008
02/02/2008
03/02/2008
04/02/2008
05/02/2008
06/02/2008
07/02/2008
08/02/2008
09/02/2008
10/02/2008
11/02/2008
12/02/2008
13/02/2008
14/02/2008
15/02/2008
16/02/2008
17/02/2008
18/02/2008
19/02/2008
20/02/2008
21/02/2008
22/02/2008
23/02/2008
24/02/2008
25/02/2008
26/02/2008
27/02/2008
28/02/2008
29/02/2008
01/03/2008
02/03/2008
03/03/2008
04/03/2008
05/03/2008
06/03/2008
07/03/2008
08/03/2008
09/03/2008
10/03/2008
11/03/2008
12/03/2008
13/03/2008
14/03/2008
15/03/2008
16/03/2008
17/03/2008
18/03/2008
19/03/2008
20/03/2008
21/03/2008
22/03/2008
135.90
151.46
112.78
125.17
158.29
152.92
164.43
165.96
179.08
155.22
151.36
185.96
194.29
187.69
203.21
154.70
68.81
168.22
78.89
134.39
141.21
112.36
88.50
81.39
141.71
167.10
154.64
163.33
151.28
184.24
154.13
161.32
203.63
344.50
221.06
216.30
221.02
208.73
192.40
212.44
226.16
238.62
227.70
238.00
238.31
237.91
231.32
128.40
105.10
163.24
178.07
14.8
18.3
18.1
18.5
20.1
19.9
21.3
22
20.8
20.4
19.7
19.8
19.6
19.8
21.2
21.4
15.6
19.8
19.1
18.3
21.4
17.6
13.7
19.9
21.6
23.2
20.5
19.6
22.2
23.2
24.6
22
23.6
17
18.3
21.2
20
20.7
16.4
24.3
26.1
24.8
27.3
20.4
20
18.8
18.3
15.6
16.4
19.8
18.2
3.1
0.7
9.5
7.1
5.9
3.7
6.2
6.3
6.3
5.6
6.2
6.3
7.5
6.9
6.9
7.6
8.7
11.8
11.9
9.9
9.7
9.9
11.3
10.8
9.8
9.3
7.9
10.1
8.7
8.5
9
6.7
11.6
5
1.5
1.3
6.4
7.1
4.7
10.2
8.5
9
9.1
10.8
5.3
5.3
4.4
4.3
8.2
7.8
8.4
8.3
9.5
13.2
13.1
11.5
11.2
11.6
12.1
11.8
11.3
11.4
11.6
12.3
13
12.9
13.1
12.1
14.8
14.5
13.4
14
12.7
12.6
14.7
14.9
14.6
14
14
14.1
15
15.1
14.2
16.9
10.8
8.5
10.9
12.6
12.9
11.9
15.9
16.6
15.8
17.8
16.2
12.7
12.8
12.2
10.7
12.2
13.1
12.3
96.7
96.8
96.1
95
95.8
95.3
94.8
94.3
93.2
91.9
90.8
92.3
86.5
91
93.2
92.9
95.2
96.4
96.6
96.5
96.7
95.3
96.5
96.5
95.5
95.9
96.6
96.1
96.7
95.1
95.3
96.2
95.6
67.2
88.5
93.9
86.3
92.1
93.4
93.3
95.2
94.1
95
91.6
93.9
95
95.8
95.8
96.6
93.1
88.6
73
59.3
54.3
53.7
43.9
45.9
34.7
34.5
34.8
33.5
43
43.4
41.9
40.6
42.9
40.5
72.7
68.2
75.6
73.7
53.1
66.1
86.9
61.7
52.5
45.5
58.6
61.4
46.6
46
38
42.9
18.7
18.1
21
25
37.8
37.6
56.2
41.1
33.5
39.5
29.6
52.3
32
49.9
47.9
81.7
62.3
50.7
45.9
92.4
86.9
85.6
82.4
80.7
80.1
76.6
73.2
71.5
71.2
75.4
71.4
66.1
66.2
76.3
72.7
85
81.9
92.1
91
85.4
88.3
93.7
87.4
80.6
80
85.5
86.4
83.5
78.4
75.2
77.8
52.1
34.4
53.6
59.3
63.4
66.7
78.8
75.5
71.7
74.6
64.4
73
71.5
77.7
76.1
92.2
88
75.9
71.8
0.3
0.3
0.9
0.4
0.4
0.4
0.5
0.6
0.7
0.6
0.8
0.8
0.7
0.8
0.6
1
1.4
1.3
0.8
0.4
0.6
0.8
1.6
1.1
0.7
0.5
0.5
0.7
0.5
0.6
0.6
0.5
1.1
1.4
0.8
0.6
1.2
0.9
1.3
0.8
0.6
0.6
0.8
1.2
0.6
0.9
0.9
1
1.3
1.1
1.8
46.3
134.8
210.6
294.8
47
56.4
56.8
59.5
70.7
71.9
77.5
72.5
67.3
70.4
91.4
86.6
109.6
128.2
170.2
190.6
76
80.7
116.3
125.2
96.5
54.8
294.9
289.4
28.6
38.6
69.4
83.7
47.5
49.6
54.2
2.6
322.4
310.7
278.6
306
352.5
31.1
88.9
278.1
308.2
288.7
285.7
115.1
100.4
327.6
305.8
RS
P
ETo
2
6.4
10.8
9
12.3
14.4
14.5
14.8
15
15
15.2
13.5
14.2
12.6
12.3
15
14
5.4
10
12.8
8.8
13.3
4.6
1.7
12.8
17.1
16.9
17.2
18.2
15.6
18.6
18.9
18.8
15.5
20.8
20.8
20.8
20.8
14.8
10.3
20.3
20.7
19.2
16.1
21.2
18.4
18.9
17.9
6.6
13.2
21.7
16.8
0
1.4
6.6
0
0
0
0
0
0
0
0
0
0
0
0
0
8.6
35
10.4
0.2
0.6
2.4
26
0.6
0.2
0
0
0.2
0.2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
34.4
14.4
0
0.8
0.79
1.07
1.36
1.29
1.42
1.42
1.61
1.76
1.8
1.72
1.75
1.79
1.7
1.77
1.83
2.11
1.14
1.63
1.64
1.26
1.82
1.11
0.72
1.91
2.22
2.2
2.08
2.22
2.09
2.46
2.6
2.36
2.92
2.98
2.5
2.53
2.9
2.38
1.8
3.02
3.04
2.83
3
3.04
2.51
2.56
2.46
1.17
2.02
2.99
2.84

113
Tabla 5(u). Caudal medio diario impulsado por la estacin de bombeo del sector II de la CC.RR. Palos de la Frontera y datos climticos
correspondientes.
Fecha
Q
(l/s)
Tmax
o
( C)
Tmin
o
( C)
Tmed
o
( C)
HRmax
(%)
HRmin
(%)
HRmed
(%)
U
(m/s)
DV
o
()
23/03/2008
24/03/2008
25/03/2008
26/03/2008
27/03/2008
28/03/2008
29/03/2008
30/03/2008
31/03/2008
01/04/2008
02/04/2008
03/04/2008
04/04/2008
05/04/2008
06/04/2008
07/04/2008
08/04/2008
09/04/2008
10/04/2008
11/04/2008
12/04/2008
13/04/2008
14/04/2008
15/04/2008
16/04/2008
17/04/2008
18/04/2008
19/04/2008
20/04/2008
21/04/2008
22/04/2008
23/04/2008
24/04/2008
25/04/2008
26/04/2008
27/04/2008
28/04/2008
29/04/2008
30/04/2008
179.98
215.51
216.49
192.82
229.17
240.51
258.86
240.29
255.56
288.97
290.39
289.86
307.85
267.07
236.02
218.35
131.23
101.17
102.66
210.37
227.56
240.87
266.35
251.81
230.86
233.46
234.51
124.37
174.81
168.82
271.47
245.42
271.22
306.17
305.72
276.16
277.56
319.03
332.51
16.8
20.4
19.9
20.6
20.2
22.7
22.9
19.5
22
26.4
26.7
29.3
26.4
24.4
20.5
19.6
17.4
19
18.7
19.1
19.2
19.5
22.8
23.6
20.8
19.4
18.3
18.6
17.4
18.8
19.3
25
28.8
30
28.9
26.1
24.2
23.4
21.6
4.5
3.5
6.6
8.2
8.6
6.8
9.3
8.9
5.5
7.1
7
7.4
6.5
6
10.1
12.6
12.6
14.1
11.4
9.3
6.3
4.8
7.7
8.5
10.9
13.5
12.4
10.3
10.3
10.4
8
9.7
10.7
11.2
10.4
10.5
11.2
8
6.9
9.9
11.7
13.1
14
13.8
15.2
15.9
14.3
13.5
16.7
16.1
16.7
16
15.2
15.3
16.2
15.1
16.7
15.5
13.5
13.1
12.6
14.5
15.2
15.9
16.2
15.6
14.4
13.9
14.6
14
16.9
19.4
20.7
18.9
18
17.3
15.7
13.9
84
87.6
89.4
88
92.7
95
94.5
94.4
85.7
86.9
80.1
88.1
91.9
92.9
95.4
96.5
96.7
96.7
94.5
75.8
91.8
94.7
95.5
93
92
94.2
94.2
95
95.3
86.8
94.6
95.3
95.3
90.1
89.6
94.2
94.9
83
94.2
24.9
29.4
37.1
40.7
48.6
41.2
40.2
43.4
27.3
22.9
15.7
12.3
21.3
30.6
69.3
68.7
83.4
84.2
59.2
29.1
35.5
41.8
32.2
32.5
29.9
54.4
56.5
70.5
58.8
51.7
43.9
38.7
32.8
27.7
20.7
24.8
28
25.6
28.4
57.4
56.9
66.3
65.7
75.2
68.7
72.3
69.8
58.9
51.1
49.8
43.4
58.2
67.2
84.9
85.7
94.5
92.2
79.9
58
67.2
73.6
70.5
67.1
62.5
76
72.3
85.4
76
73.1
76.1
72.3
68.7
54.4
57.4
66.1
63.1
55.4
70.4
1
0.7
1
1.6
1.2
0.8
0.7
1.3
0.8
1
0.9
0.8
0.6
0.8
1.1
1.5
1.7
1.9
2.3
1.6
0.9
0.8
0.6
0.8
1.1
2.2
2.5
2.2
1.9
1.4
0.9
0.6
0.7
1.1
0.6
0.5
0.8
1.1
0.9
335.4
344
314.8
318.1
286.5
335.6
292
305.2
338.5
42.6
89.4
72.2
142.4
96.1
178.9
205.9
208.9
208.5
242.2
306.4
313
320.2
36.8
103.2
274
254.5
254.6
241
272.8
281.8
313.2
340.7
42.6
93.4
15.5
274.2
330.8
322
320.9
RS
P
ETo
2
23.9
23.9
23.1
22
16.5
22.2
24.1
21.4
24.8
25.1
25.7
26.6
26.4
18.2
18.2
13.4
2.2
10.2
15.4
25.4
24.6
26.6
24.9
22.5
21.5
20.7
27.2
13.1
21
24.6
27.7
26.6
27.2
28.6
28.2
27
22.2
29.4
25.9
0
0
0
0
0
0
0
0.2
0
0
0
0
0
0
0
0.4
71.6
22.2
12.4
0
0
0
0
0
0.4
0.2
3.4
20.6
2.2
0
0
0
0
0
0
0
0
0
0
3.05
3.1
3.23
3.5
2.74
3.29
3.49
3.24
3.53
4.2
4.23
4.45
3.92
3.2
2.78
2.35
0.94
1.81
2.79
4.07
3.49
3.58
3.65
3.65
3.63
3.5
3.97
2.34
3.16
3.71
3.89
4.15
4.68
5.39
4.7
4.28
3.88
4.73
4

114

M Jose Gomez

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

M Jose Gomez

Uploaded by

Copyright:

Available Formats

Universidad de Huelva

Escuela Tcnica Superior de Ingeniera

Redes Neuronales Artificiales para la

Proyecto Fin de Carrera

Escuela Tcnica Superior de Ingeniera

Redes Neuronales Artificiales para la

Fdo. Mara Jos Gmez Gallego

Fdo. Inmaculada Pulido Calvo

El triunfo no est en vencer siempre, sino en nunca desanimarse

Me gustara que estas lneas sirvieran para expresar mi ms profundo y sincero

A mi madre. A la mujer que me dio dos grandes regalos: el primero, la vida y el

A mi abuela, quien me ha enseado con sus hechos y convicciones que existir es

A mi familia, que me demostr que la consumacin plena de mi existencia slo se logra

En este trabajo se propone la prediccin de la demanda en las prximas 24 horas en un

Captulo 2. Zona de estudio.

2.2. Riegos de la provincia de Huelva.

2.3. Comunidad de Regantes de Palos de la Frontera.

2.4. Demanda de riego.

Captulo 3. Material y mtodos.

3.1. Modelos de Redes Neuronales Artificiales.

3.2. Modelos descriptivos y predictivos del caudal impulsado por la estacin de

3.3. Anlisis de correlaciones cruzadas.

3.4. Pre-tratamiento de los datos de caudal registrados por el sistema SCADA.

3.5. Magnitudes de evaluacin de los modelos.

3.6. Comparacin de los modelos RNAs con Regresiones Lineales Mltiples.

Captulo 4. Resultados y discusin.

4.1. Modelos neuronales descriptivos considerando como variables

4.2. Modelos neuronales predictivos considerando como variables

4.3. Modelos neuronales predictivos considerando como variables

4.4. Comparacin con modelos descriptivos y predictivos usando Regresiones

Captulo 6. Referencias bibliogrficas.

Anexo. Base de datos del sector II.

Como se suele decir la naturaleza es realmente asombrosa. Con la combinacin

Adems, para facilitar la adquisicin y el registro de datos en las grandes zonas

CAPTULO 2. ZONA DE ESTUDIO.

Figura 2.1. Presa del Piedras (capacidad de 59 hm ).

Figura 2.2. Presa del Chanza (capacidad de 340 hm ).

2.2. RIEGOS DE LA PROVINCIA DE HUELVA.

Figura 2.3. Esquema hidrulico general de la infraestructura de abastecimiento de agua actual de la

Figura 2.4. Esquema hidrulico general de la infraestructura de abastecimiento futuro de agua de la

2.3. COMUNIDAD DE REGANTES DE PALOS DE LA FRONTERA.

Tabla 2.1. Superficies regables de la CC.RR. de Palos de la Frontera.

Superficie regable (ha)

La Comunidad de Regantes de Palos de la Frontera se encuentra en la Comarca del

2.3.1. SECTORES DE RIEGO.

Figura 2.5. Ubicacin de los sectores de riego y balsas de regulacin.

Tras el bombeo se halla la estacin de filtracin de mallas automticas (figura 2.7),

Tabla 2.2(a). Principales caractersticas del sector I.

Dotacin general.1.2 l/s ha a 3 kgf/cm

Tabla 2.2(b). Principales caractersticas del sector I.

Longitud total de tuberas

Figura 2.6. Balsa de regulacin del sector I.

Figura 2.7. Sistema de bombeo y filtrado del sector I.

Figura 2.8. Tuberas del sector I.

Dotacin general.1.2 l/s ha a 3 kgf/cm

Tabla 2.3(b). Principales caractersticas del sector II.

Figura 2.9. Balsa sector II.

Figura 2.10. Estacin de bombeo y filtrado de los sectores II y III.

Las casetas de las unidades de riego de cualquiera de los sectores de riego de la

Una vlvula reductora-sostenedora, cuya misin es estabilizar la presin a 3 kgf/cm2 en

Una vlvula hidrulica-contador, limitadora de caudal, cuya funcin es la de

Un contador volumtrico para contabilizar los consumos de agua potable de cada

Figura 2.11. Vlvulas para la regulacin del agua de riego.