Resumen de la Conferencia

Programa de la Conferencia

Haga clic en
aquí
para consultar el programa completo.

Resúmenes de conferencias

Haga clic en
aquí
para consultar la lista completa de los resúmenes presentados en la conferencia.

Curso breve previo a la conferencia

Asimilación y Optimización de Datos: Conceptos y matemáticas básicas

Instructores: Jeremy White, John Doherty, Randy Hunt, Mike Fienen

No temas a las matemáticas. Los conceptos son más importantes que las ecuaciones; en este curso se discutirán los conceptos que las ecuaciones iluminan.

Estos conceptos le ayudarán a comprender lo que ocurre bajo el capó de PEST y PEST++. Pero van mucho más allá. Le ayudarán a comprender qué puede esperarse de la modelización de apoyo a la toma de decisiones en general y cómo puede adaptarse el proceso de modelización de apoyo a la toma de decisiones para alcanzar estas expectativas.

Los debates no se limitarán a la descomposición de valores singulares. Se extenderán a cómo se puede descomponer un problema medioambiental de forma que la modelización permita abordar ese problema. Este conocimiento puede servir de apoyo al diseño de un proceso de modelización elegante y eficaz que pueda recoger información de los datos, dirigirla a la toma de una decisión importante y aclarar los riesgos asociados a esa decisión. De este modo, podrá incorporar todo lo que el modelado puede ofrecer al proceso de toma de decisiones.

Curso breve posterior a la conferencia

Introducción a la automatización de flujos de trabajo con Python y PEST

Instructores: Mike Fienen, Randy Hunt, Jeremy White

La confluencia de una modelización medioambiental rápida, robusta y repetible es un unicornio especial que hay que domar. El marco PEST++ aporta las sólidas herramientas necesarias para impulsar los modelos medioambientales hasta su potencial decisorio. Gracias a las herramientas de flujo de trabajo de código abierto creadas en torno al marco PEST++ se consigue la repetibilidad y, con un poco de doma de unicornios, una mayor eficacia. En este breve curso, utilizamos un modelo de ejemplo trabajado para proporcionar un flujo de trabajo de modelado predictivo de ejemplo, desde la conexión de un modelo a PEST, pasando por el análisis y la asimilación de datos, hasta los puntos finales de toma de decisiones, aprovechando las secuencias de comandos durante todo el proceso. Las herramientas de flujo de trabajo están en el lenguaje de programación python.