Los archivos originales no se redistribuyen en este repositorio. La licencia del portal DHIME del IDEAM autoriza la descarga de los datos hidrometeorologicos para uso personal y privado sin fines comerciales, pero establece que “cualquier otro derecho sobre este sitio o el material publicado en el NO ESTA AUTORIZADO”. La republicacion excede ese permiso, por lo que se documenta el procedimiento de descarga en su lugar.
Fuente¶
IDEAM - Sistema de Informacion Ambiental de Colombia
Portal DHIME: http://
Series necesarias¶
Descargar en formato CSV, periodo completo disponible, sin filtrar ni rellenar.
Caudal medio diario (Q_MEDIA_D, m3/s)¶
| Estacion | Codigo | Periodo obtenido | Registros |
|---|---|---|---|
| ARRANCAPLUMAS - AUT | 21237020 | 1934-01-01 a 2014-12-31 | 27.855 |
| PUERTO SALGAR - AUT | 23037010 | 1937-01-01 a 2026-09-28 | 28.745 |
| CALAMAR | 29037020 | 1940-07-23 a 2026-09-24 | 30.968 |
| EL BANCO - AUT | 25027020 | 1972-10-01 a 2026-09-27 | 19.019 |
| SAN ROQUE | 25027320 | 1972-10-01 a 2025-09-13 | 18.751 |
| TRES CRUCES | 25027640 | 1974-10-01 a 2026-08-31 | 16.789 |
| COYONGAL | 25027930 | 1975-03-01 a 2026-09-04 | 16.409 |
Transporte medio diario de sedimentos (TR_KT_D_QS_D, kt/dia)¶
Las mismas siete estaciones. Nota: el analisis de la seccion 2.1.1 demuestra que esta serie no es una medicion independiente sino el caudal transformado por una curva de gasto solido; se conserva unicamente con fines de auditoria.
Donde colocarlos¶
Los CSV descargados van en datos/crudos/. El notebook los detecta automaticamente
por el campo NombreEstacion de cada archivo; los nombres de archivo no importan.
datos/crudos/
├── CAUDAL_MEDIO_DIARIO_CALAMAR_29037020_....csv
├── CAUDAL_MEDIO_DIARIO_EL_BANCO_AUT_25027020_....csv
└── ...Formato de los archivos¶
Verificado en la descarga de septiembre de 2026:
separador de coma, punto decimal, fechas ISO (
yyyy-mm-dd)BOM al inicio del archivo (leer con
encoding="utf-8-sig")formato largo, con columnas de metadatos constantes repetidas en cada fila
columnas:
CodigoEstacion, NombreEstacion, Variable, Parametro, Fecha, Unidad, <columna de valor>, NivelAprobacion
Reproducibilidad¶
Los tres elementos que exige el entregable -archivo de dependencias, semillas aleatorias fijadas y acceso a los datos- se documentan integramente en estas paginas.
Semillas aleatorias¶
Semilla global SEED = 42, fijada al inicio del informe sobre random, numpy
y PYTHONHASHSEED, y propagada a todo componente estocastico: LogisticRegression,
DummyClassifier, PCA, MinCovDet, mutual_info_classif, el remuestreo bootstrap y
las particiones de validacion cruzada.
Parametros de diseño fijados de antemano:
| Parametro | Valor |
|---|---|
| Semilla global | 42 |
| Fecha de corte train/test | 2010-01-01 |
| Separacion (gap) entre particiones | 30 dias |
| Horizonte de prediccion | 15 dias |
| Tolerancia de la banda de descarga efectiva | ±15 % |
Entorno¶
Entorno conda ml_venv sobre Python 3.9.23. El libro se compila con MyST
(Jupyter Book 2), que requiere Node.js instalado en el sistema (probado con v24.14.1).
Archivo de dependencias¶
Contenido de requirements.txt, con versiones fijadas:
# analisis de datos
numpy==1.25.2
pandas==2.1.1
scipy==1.11.2
# modelado y estadistica
scikit-learn==1.3.0
statsmodels==0.14.1
# visualizacion
matplotlib==3.7.2
seaborn==0.12.2
missingno==0.5.2
# notebook y publicacion
ipykernel==6.25.1
nbformat==5.9.2
mystmd==1.11.0La primera celda del informe imprime las versiones efectivamente utilizadas en la ejecucion, de modo que el registro de versiones queda incorporado a la salida.
Reproducir el analisis¶
conda create -n ml_venv python=3.9
conda activate ml_venv
pip install -r requirements.txt
myst build --htmlLos datos se obtienen segun el procedimiento descrito en Obtencion de los datos.