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

ESTE TRABAJO TIENE POR OBJETO CONTRASTAR LA VALIDEZ DE LAS TECNICAS DE ANALISIS DE SERIES TEMPORALES DE MODELOS ARIMA EN EL TRATAMIENTO DE UN EXTENSO GRUPO DE MEDIDAS DE PARAMETROS DE CALIDAD DEL AGUA DE LA CUENCA DEL RIO GUADIANA. LA ELECCION DE LA METODOLOGIA BOX-JENKINS PARA DICHO ANALISIS HA SIDO CONSECUENCIA DE UNA AMPLIA REVISION Y SUBSIGUIENTE CLASIFICACION DE DIFERENTES TECNICAS DE TRATAMIENTO DE SERIES DE TIEMPO Y EN PARTICULAR LAS RELACIONADAS CON LA CALIDAD DEL AGUA. SE HACE ENFASIS ESPECIAL EN LOS CONTRASTES Y HERRAMIENTAS EMPLEADAS EN CADA ETAPA DE CONSTRUCCION DE LOS MODELOS Y EN TRABAJOS SOBRE APLICACION A SERIES INCOMPLETAS DE DATOS. A CONTINUACION, SE ANALIZAN MAS DE CIEN SERIES, OBTENIENDOSE MODELOS DE PREDICCION QUE REPRESENTAN Y CARACTERIZAN EL COMPORTAMIENTO DE LAS MISMAS. SE COMPARAN Y EVALUAN LOS DISTINTOS TIPOS DE MODELOS OBTENIDOS CLASIFICANDO LOS PARAMETROS: (1) SEGUN EL COMPORTAMIENTO DE SUS SERIES Y (2) MEDIANTE OTROS METODOS ESTADISTICOS. LA OBTENCION DE UN INDICE DE SIMILITUD ENTRE AMBAS CLASIFICACIONES PERMITE AGRUPAR LAS ESTACIONES EN BASE A LA ESTRUCTURA ESTOCASTICA DE SUS SERIES, MEDIANTE TECNICAS DE CLUSTER, RESULTANDO GRUPOS DE ESTACIONES CON CARACTERISTICAS SIMILARES EN LA CALIDAD DE SUS AGUAS. The aim of this work is to test the validity of ARIMA models as Time Series Analysis method on a wide number of water guality data parameters from the basin of Guadiana river. Box-Jenkins methodology has been selected after a large revisión and subsequent classification of different time series methods concerned with water quality parameters. Special emphasis is made on test and tools used in each of the building model steps and on works concerning applications to data series with missing valúes. More than one hundred time series are analysed. The estimated models represent and characterize the behaviour of the data series. After that, models are compared and evaluated, and the parameters are clustered as follows: (1) according to the behaviour of the data series, and (2) with other statistics methods. This point allows to build a similarity index between the two classifications. Finally, control stations are grouped according to the stochastic structure of their data series using "cluster" techniques. The groups of the cluster are similar to water quality conditions in stations.