Piobabiliuau y Estauistica: FI - 0NAN.

2u14 -2
Probabilidad y estadstica aplicadas al anlisis del riesgo que provoca el
viento en estructuras de ingeniera civil

Ziga Ontiveros Martn Daniel, Facultad de Ingeniera - UNAM

Resumen: Muchas obras de ingeniera civil son profundamente influenciadas por factores climticos, entre
los que se destaca por su importancia el viento. En efecto, un correcto dimensionamiento y anlisis de ste
garantiza la vida til de un puente, edificio, antena, torre etc. El conocimiento de los vientos extremos
garantizar la seguridad de los habitantes y trabajadores, adems de las estructuras internas que componen al
proyecto mismo. Cerca del 70% por ciento del total de reclamaciones a los seguros, derivan de tormentas de
vientos extremos. El huracn Andrew, por ejemplo, devast la costa del Golfo en Estados Unidos en 2002 y
provoc una suma rcord de $17 billones de dlares en prdidas para el seguro. De entre todos los peligros
naturales, los terremotos y las tormentas de vientos extremos provocan la mayor parte de prdidas humanas.
En el diseo de estructuras altas y puentes de gran longitud, los ingenieros deben proveer elementos de
resistencia para contrarrestar los efectos de los vientos a alta velocidad; para esto, se depende fuertemente en
elementos de la probabilidad y estadstica.

Abstract: Most Civil Engineering projects are profoundly affected by climate factors, among which wind is
one of the most important. It has been proven that a correct assessment and analysis of the wind factor
guarantees the projected lifespan of a bridge, bulding, antenna, tower, etc. Knowledge of extreme winds will
guarantee us the safety of the ocuppants, workers and all the inner structures of the Project itself. About 70%
of total claims by insurers concern windstorms. Hurricane Andrew, for in- stance, devastated the Gulf Coast
of United States in 2002 and led to a record sum of $17 billion in insurance losses. Consequent to different
natural hazards, earthquakes and wind- storms account for most human fatalities. In the design of tall
structures and long-span bridges, engineers provide resistance to counter the effects of high-speed winds; thus
strongly relying in probability and statistics to help them assess the risk properly.

Palabras Clave: viento, estructuras, anlisis de riesgo, probabilidad y estadstica aplicadas, desastres
naturales

Introduccin

En la ingeniera civil se utilizan los datos de los
vientos ms extremos o rpidos registrados en
diferentes periodos de tiempo. Por ejemplo para la
mayora de las estructuras se utilizaran los datos
de 50 aos, para estructuras que no estarn
habitadas y de bajo riesgo para la poblacin, se
usan datos de los ltimos 25 aos; y finalmente
para construcciones que representan un alto riesgo
para la vida humana como hospitales, escuelas y
oficinas, se utilizan los registros de los ltimos
100 aos. Las leyes de probabilidad que describen
el comportamiento del viento, se pueden aplicar
solo en determinadas condiciones especficas, es
por esto que hay que tomar en cuenta diversos
factores tales como el tiempo promedio, la altura
sobre el nivel del suelo y las caractersticas del
terreno antes de usar una ley especfica que nos
permita representar correctamente la informacin
del viento. Si en el muestreo se utilizaron
diferentes frecuencias para recolectar datos a los
largo del tiempo, se debern ajustar las muestras a
periodos iguales por ejemplo, 5 minutos; de igual
manera si la elevacin cambi a lo largo de los
aos tambin deber ser ajustado a una altura
comn, por ejemplo 10 metros, utilizando una
frmula logartmica para representar el perfil
vertical del viento; adicionalmente efectos de
refugio y otros obstculos para el viento deben de
ser tomados en cuenta apropiadamente.
Finalmente, al modelar vientos de velocidades
extremas, el ingeniero deber diferenciar si los
vientos provienen de ciclones, huracanes o
tornados, ya que cada uno sigue una ley de
probabilidad diferente.

Climas con vientos estables

En climas donde los vientos extremos se presentan
de manera cclica, de acuerdo a las estaciones del
ao, la velocidad mxima del viento es
representada con la distribucin Gumbel:



Donde n
e
! 0.5772, que es la constante de Euler.

Piobabiliuau y Estauistica: FI - 0NAN. 2u14 -2
En lugares donde no se tienen registros de muchos
aos, este anlisis muchas veces es poco certero,
por lo que es conveniente usar datos mensuales en
vez de anuales. La distribucin Weibull, ha sido
eficaz para modelar la velocidad del viento en
Europa, por lo que la funcin de distribucin
acumulada de la velocidad promedio del viento X
se puede obtener de:



donde " y # denotan los parmetros de escala y
forma de la distribucin de Weibull usada para
modelar valores diferentes de cero. La funcin de
distribucin acumulada de la velocidad mxima
del viento anual, se puede obtener de dos formas:



y alternativamente:



La primer frmula supone que hay m datos
independientes en un ao. La segunda supone que
la informacin de las series es mutuamente
independiente. Los valores de m y ! se obtienen al
combinar frecuencias observadas de los mximos
anuales con los valores de F
X
(x) y f
X
(x) evaluados
en la x
max(i)
s.

Ejemplo 1. Velocidad extrema del viento en Miln. El
anlisis de datos de registros en promedio cada 10 minutos en
el aeropuerto Forlanini en Miln, Italia desde 1951 hasta 1973
arroj los valores p0 = 0.511, " = 1.284 [m/s] y # = 0.836.
Ajustando los valores de m y $ de las ecuaciones (3) y (4) y de
la ecuacin (3):

entonces,

de donde obtenemos que m = 1627.

De la ecuacin (4):

entonces,


de donde obtenemos que $ = 3693. La grfica de la
probabilidad de Gumbel de la Fig. 1 muestra los modelos
probabilsticas mostrados arriba y Xmax ! Gumbel (2.21 m/s,
12.34 m/s) que se obtiene mediante ajustar los datos de la
distribucin EV1 al mximo anual por el mtodo de
momentos.


Fig. 1. Velocidad Mxima anual del viento en el Aeropuerto Internacional
Forlanini de Miln (a) Estimacin de los parmetros m y $. (b) Grfica de la
probabilidad Gumbel donde la lnea punteada muestra la distribucin EV1 ajustada
a los valores mximos anuales por el mtodo de momentos.

Climas con vientos huracanados

En este tipo de zonas encontramos que los datos
son una combinacin de vientos ciclnicos y
huracanados, por lo que una sola ley de la
probabilidad no puede modelar adecuadamente
esta informacin. La distribucin del valor
extremo resulta de la combinacin de dos
distribuciones, como la distribucin de dos
componentes:



donde v
1
y v
2
denotan la media del nmero de
ocurrencias por ao de la X
1i
s y la X
2i
s
respectivamente.

Para estaciones con un largo registro de
huracanes, por ejemplo mayor a 50 aos, en
ocasiones de tiene que hay aos sin registro de
huracanes o aos con ms de un huracn.
Entonces podemos utilizar la distribucin
contagiosa para modelar valores extremos de la
velocidad del viento, donde el nmero de
ocurrencias es una variable distribuida como
Poisson; y la distribucin de Pareto puede usarse
para representar la informacin de la velocidad del
viento. La distribucin resultante para el mximo
anual del viento es:



Donde %
1
y b
1
son los parmetros de escala y
localizacin de la velocidad de los vientos
ciclnicos distribuidos como Gumbel, a
2
y & son
los parmetros de escala y forma de la
distribucin de Pareto para la velocidad de vientos
huracanados y v
2
es la media del nmero de
ocurrencias de huracanes anual.

Piobabiliuau y Estauistica: FI - 0NAN. 2u14 -2
Ejemplo 2. Velocidad del viento dediseo. El nmero de
ocurrencias anuales de huracanes en una determinada
ubicacin esta distribuida mediante la variable de Poisson con
una media de 0.375, y la velocidad del viento sigue una
distribucin de Pareto con parmetros de forma y escala de 4.5
y 26.4 [m/s]. La velocidad del viento ciclnico mxima anual
es una variable de distribucin Gumbel con media y desviacin
estndar de 27.5 y 4.3 [m/s] respectivamente. Entonces los
respectivos parmetros de escala y localizacin son 3.4 y 25.6
[m/s] respectivamente. De la ecuacin (6) la funcin de
distribucin acumulada resulta ser:

Ntese que esta ecuacin no puede ser invertida para obtener
un valor de diseo requerido, por ejemplo, la velocidad del
viento de diseo a 50 aos. Entonces una solucin numrica es
encontrada para x con probabilidad de que no se exceda
tomada como 0.98, as obtenemos xmax (50) = 50.8 [m/s]

Tornados

La estimacin de la distribucin de probabilidad
de los mximos de velocidad de vientos de
tornado est afectada por mayores incertidumbres
que para los climas estables y los climas con
huracanes debido a la falta de registros de
velocidades de vientos en tornados.
Para encontrar esta distribucin, la probabilidad
Pr[A] de que un tornado aparezca en una cierta
ubicacin es considerada conjuntamente con la
probabilidad Pr[W | A] de que este tornado tenga
vientos con velocidad mayores a x. De esta
manera, Pr[A] Pr[W | A] es la probabilidad de que
el viento mximo anual de tornado exceda el valor
de x. Debido a que la trayectoria de los tornados
es independiente de su intensidad la funcin de
distribucin acumulada del tornado ms rpido
anual es estimada de la siguiente manera:

donda p
A
denota probabilidad de ocurrencia
Pr[A] y p
W
la probabilidad de velocidad. La
probabilidad de ocurrencia generalmente se
obtiene de v
0
a/A
0
, donde a es la media del rea
daada por un tornado, A
0
es un rea de referencia
tomada como un cuadrado de un grado de
latitud/longitud y v
0
es el nmero promedio de
tornados en el rea A
0
. La estimacin de p
W

generalmente se basa en la clasificacin del
tornado que asocia la velocidad de los vientos con
el potencial de daos. Por ejemplo, la velocidad
del viento de tornados en los EE.UU. es
aproximadamente una variable lognormal con una
media de 43 [m/s] y un coeficiente de variacin de
0.38.
Una manera diferente de abordar esto es
considerando la probabilidad de ocurrencia de un
tornado en una determinada regin como un
evento Poisson con parmetro v = v
0
a/A
0
. De esto
resulta:

donde F
X
(x) es la funcin de distribucin
acumulada de la velocidad del viento del tornado
y v
0
, a y A
0
son valores regionales.

Ejemplo 3. Velocidad de tornados en los EE.UU. Las plantas
de energa en los Estados Unidos deben estar diseadas para
resistir tornados con una probabilidad de superacin p de 10
-7
.
El ingeniero debe determinar la correspondiente velocidad de
viento para las plantas. En el estado de Florida, probabilidad de
ocurrencia de un tornado es de 1.5 x 10
-3
. De esta manera, la
intensidad de diseo tiene una probabilidad de:

Asumiendo que la velocidad del viento de un tornado es una
variable lognormal X con media de 43 [km/h] y un coeficiente
de variacin de 0.38, de las ecuaciones de parmetros de la
distribucin lognormal, obtenemos 'ln(X) = 0.367, and ln(X) =
3.694. Entonces el cuantil requerido para el diseo se obtiene
de la siguiente forma:

Ntese que este valor esta cercano al valor de 160 [m/s],
recomendado por la Comisin Regulatoria Nuclear de los
Estados Unidos para la regin I que incluye a Florida.

Conclusiones

Conocer al detalle las velocidades mximas
anuales de los vientos, nos permite asignar valores
correctos al diseo de la estructura del proyecto a
realizar. Esta etapa de planeacin es crtica para
poder asegurar la inversin monetaria y las vidas
humanas que se relacionan con el proyecto.
Al dividir los vientos en diferentes patrones y
orgenes como lo son tornados huracanes y
vientos estacionales podemos acercarnos an ms
al valor real estimado de viento mximo que
actuar sobre nuestra estructura y as evitar daos
o la destruccin total de sta.
Una vez ms queda consolidada la importancia de
la probabilidad y la estadstica en los campos de la
ingeniera y en especfico dentro de la ingeniera
civil donde los clculos mediante modelos fsicos
resultan extremadamente difciles de resolver o
incluso imposibles de modelar cuando se trata de
fluidos como el aire cuyo comportamiento es no
es an totalmente entendido por la fsica. La
probabilidad en este caso es un acercamiento
diferente, pero que al final nos arroja resultados
muy cercanos a los reales que son muy tiles para
fines de construccin y anlisis de riesgos.






Piobabiliuau y Estauistica: FI - 0NAN. 2u14 -2
Bibliografa

Kottegoda N. y Rosso R. Applied Statistics for
Civil and Environmental Engineers
Blackwell Publishing, 2da ed., Singapur 2008.

Hines W., Montgomery Douglas, Goldsman
David y Borror Connie Probabilidad y
estadstica para ingenieria, cuarta edicion,
CECSA, Mxico 2005.