UNIVERSIDAD NACIONAL DE COLOMBIA

FACULTAD DE INGENIERA
DEPARTAMENTO DE ING. CIVIL Y AGRCOLA

ANALISIS
HIDROMETEOROLOGICO RIO
FOUCE
FIRMA DE INGENIERIA J.J. ASOCIADOS
Jos Joaqun Lozano Rada (215310)
Jerson Aldair Rincn Can ()
Pablo Guillermo Rada Morales ()
Jefferson De Antonio
Grupo 1
Presentado a:
Ing. Leonardo Donado

BOGOT D.C.
2014

Contenido
1.

INTRODUCCION............................................................................................. 3

2.

DESCRIPCION DEL PROYECTO.......................................................................4

3.

DATOS RECOLECTADOS............................................................................... 5

4.

TRATAMIENTO DE LA INFORMACION.............................................................7

5.

DISTRIBUCION DE PROBABILIDAD...............................................................10

5.1.

Distribucin de probabilidad Gumbell......................................................11

5.2.

DISTRIBUCION PEARSON TIPO III.............................................................12

5.3.

DISTRIBUCION LOG-NORMAL...................................................................13

6.

DISTRIBUCION UTILIZADA...........................................................................15

7.

BIBLIOGRAFIA............................................................................................. 16

8.

ANEXOS...................................................................................................... 16

1. INTRODUCCION
En el siguiente trabajo, se describir el proceso de diseo de un puente sobre
el cauce del ro Fonce, ubicado en San Gil, Santander, para ello, se realiz un
tratamiento probabilstico para determinar los caudales que se esperan a un
determinado periodo de retorno. A continuacin, se describirn las principales
caractersticas del cauce
La cuenca del Ro Fonce, se ha destacado a nivel nacional por ser un recurso
hdrico muy caudaloso y excelente escenario para recreacin y turismo por los
diferentes deportes que se practican en l, adems de otros aprovechamientos
y usos que le dan los habitantes de la regin, pero desafortunadamente la
cuenca est sufriendo grandes deterioros a causa del manejo y uso que se le
da desde su nacimiento hasta su desembocadura en la cuenca del ro
Chicamocha.
La cuenca del ro Fonce tiene una extensin 239.032 Has. Nace en la unin del
ro Tquiza y Pienta y desemboca en el ro Surez en inmediaciones del
municipio El Palmar. Cubre importantes municipios del departamento como
son: Encino, Coromoro, Charala, Ocamonte, Pramo, Valle de San Jos,
Mogotes, Curit, Pinchote y San Gil, con un total poblacional de 106.148
habitantes que inciden sobre la cuenca. Las subcuencas que hacen parte de
esta importante cuenca hidrogrfica son: ro Curit, ro Mogotitos, ro Tquiza,

ro Ture y ro Pienta, los cuales generan un caudal de escorrenta media

multianual de 90 m3/seg1.

2. DESCRIPCION DEL PROYECTO

La firma de ingeniera Hidrulica J.J. S.A. fue contratada para realizar el diseo
hidrulico de un puente diseado en concreto reforzado, que posee una
longitud de 79.58 metros, con varillas de refuerzo de media pulgada. La
influencia que se genera en el cauce, se produce por la inclusin de pilas
apoyadas con zapatas hechas en concreto reforzado de 3000 psi de
resistencia, adems, se construy un muro de contencin al final de la luz del
puente con un relleno compactado para generar un contrapeso. A
continuacin, se mostrar una vista de perfil del puente, con las caractersticas
expuestas anteriormente

Figura 1: Perfil del proyecto

1 1. Tomado de
https://docs.google.com/a/unal.edu.co/document/d/1ma3eS03SlrqaA6Nwxh6zoPr6OazyGxS3lJuIs
S48uZY/edit?hl=en

Para el diseo, se utilizar una vida til de 50 aos, lo cual, es prudente para
las construcciones que se llevan a cabo en el pas. La consultora solicito la
informacin al IDEAM, el cual, facilit los datos de los caudales medidos por las
estaciones ubicadas en el ro con un periodo comprendido desde 1955 hasta el
2003, se trabaja con mucho cuidado estos datos, ya que, las precipitaciones en
Colombia son considerables, y pueden varias los caudales base del ro en
cuestin. A lo largo del trabajo, se especificar de manera idnea el
tratamiento que se efectu con los datos.
El proyecto buscar tener un gran impacto socioeconmico en la regin, ya
que, se est generando una demanda de empleo directo, adems del
mejoramiento del acceso y salida al municipio de San Gil, generando ingresos
tanto por turismo como exportaciones hacia municipios aledaos. Se buscar
ofrecerle a la comunidad la oportunidad de interactuar econmicamente con
otras regiones, con la premisa de un fcil acceso gracias a la construccin del
puente, ofreciendo seguridad a la hora de trasportar, tanto insumos como
materia prima.

3. DATOS RECOLECTADOS
El IDEAM entreg los siguientes datos de caudales mensuales multianuales, a
continuacin se muestra valores, as como la ficha tcnica

I D E A M - INSTITUTO DE HIDROLOGIA, METEOROLOGIA Y

ESTUDIOS AMBIENTALES
SISTEMA
DE INFORMACION
VALORES MAXIMOS MENSUALES DE CAUDALES (m3/seg)
NACIONAL AMBIENTAL

FECHA
ESTACION : 2402701 SAN GIL

DE

PROCESO:

2008/05/12

LATITUD 0632 N
TIPO EST
FECHA-INSTALACION 1955-ABR

LG

LONGITUD 7308 W
ENTIDAD
GIL
FECHA-SUSPENSION
ELEVACION 1113 m.s.n.m
CORRIENTE FONCE

Ao

Enero

Febrero

Marzo

DEPTO
01 IDEAM
REGIONAL

Abril

1955
1956

234.5

1957

430

SANTANDER
MUNICIPIO SAN

08

SANTANDERES

Mayo

Junio

Julio

Agosto

451

270.8

398.5

356.5

269.3

336

410.5

179.5

73.4

78.9

1958

49

64

74.5

195.4

198.2

407.5

47.2

82.4

1959

62

40.9

144.6

237.4

615.8

192.4

147.5

141.7

1960

292.5

140.2

74.5

250.4

388

322.8

110.4

169.9 8

1961

153.7

53

180.8

264.7

359.5

92

234.5

222.9

1962

105

77.8

307

269.3

538

307

105

105

1963

44.5

40

80

188.1

205.5

163

75.6

336

1964

43.6

80

80

292.5

191

191

89.6

110.6

1965

65

32.5

32.5

220

754

65

61

227.2

1966

89.6

42.7

67

234.5

263.5

218.6

158.4

211.3

1967

95.9

94.6

92

440.5

234.5

176.5

67

69

1968

49

80

133

388

298.3

315.7

176.5

344.7

1969

165.7

140.2

253.4

485.5

361

227.2

173.8

321.5

1970

321.5

176.5

80

404.5

431.5

275.1

211.3

178

1971

443.5

404.5

650.5

542.5

605.5

473.5

292.5

368.5

1972

475

183.8

312.8

446.5

479.5

650.5

395.5

235.9

1973

71.8

53

252

426.4

326.2

260

192

198

1974

214

435.4

444.5

486.8

540.6

172.5

523.5

275

1975

67

181

413

351.8

411.4

181

588

348.6 1

1976

99

318.2

426.4

476

411.4

521.6

195

79

1977

30

50

165

138

235.7

215.8

140.5

153.4

1978

91.2

46.4

308.8

501.4

471

356.5

357.6

211.4

1979

96.4

138

183.5

388.1

582

544.8

178.3

336.6

1980

115

449

101.6

213.6

277.4

281.8

102.9

143

1981

97.4

252

229.6

496.6

720

537

287

206.6

1982

146.6

329

240.8

465

393

190

92.4

145.2

1983

191.8

163.4 6

176

416

483

247.8

150.8

134

1984

162

185.8

409.6

337.4

301

247.8

280

334.6

1985

130.1

159.2

355.6

416

261.8

302.4

178.8

368.2

1986

115.4

194.9 6

295.1

594.6

504.6

162

115.4

87.2

1987

139.6

104.6

236.6

282.8

442.8

167.6

504.6

391.6

1988

96.2

192.8

138.2

261.8

210.5

542.2

238

285.6

1989

326.2

362.6

594.6

152.2

278.6

412.8

104.6

226.8

1990

194

558.8 8

312.5

552.4

527

199.1

165.3

100

1991

113.6

150.9 6

353.1

293.4

582.1

200.8

207.6

109

1992

74.7

143.6

195.7

404.2

382.5

245

190.6

194

1993

214.4

130

228

335.2

347.5

85.9

85.9

136.1

1994

382.5

177.1

556.7

463.5

569.4

205.9

173.8

278.5

1995

48

85.90 3

262

177.1

245

245

273.5

190.6

1996

109

173.8 3

598.6

482.7

439.3

633.3

317.8

372

1997

442.9

584.1 3

389.5

457.4

734.2

404.2

52.8

38.5

1998

94.4

185.6 3

544.3

319.5

375.5

305.5

236.5

222.9

1999

393

549.7 8

437.5

941.6

479.1

515.3

160.3

167

2000

214.4

402.1

504.4

448.3

214.4

262

109

77.5

2002

106

204.2

361.5

506.3

515.3

515.3

326.5

275.2

2003

115

109

217.8

556.9

127

262

127

127

Tabla 1: Valores de caudales mensuales multianuales

4. TRATAMIENTO DE LA INFORMACION
Para el diseo del puente se requieren los valores mximos de cada ao, con el
objeto de predecir los valores mximos a un determinado ao de vida til. Por
tal razn, en la tabla (2), se muestran los valores mximos de caudales para
cada ao de estudio

Ao

Caudales
Mximos m3/s

1955
1956
1957
1958
1959
1960
1961
1962
1963

451
502
523
407.5
615.8
496
545.5
538
470.5

1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2002
2003

292.5
754
347.6
440.5
485.5
553
758
650.5
650.5
566
693.7
608
521.6
359.8
548.7
688
449
720
465
485
554.8
469
594.6
657.5
814.6
598.8
552.4
582.1
404.2
567.2
569.4
946.8
633.3
734.2
689
941.6
504.4
633.3
642.2

Tabla 2: Valores de caudales mximos mensuales

A continuacin se presenta el anlisis estadstico de la informacin, para ello,

se utiliz el software EASY FIT, el cual, permite adems, analizar las distintas
distribuciones probabilsticas que se puedan implementar.
1. MEDIA ARITMETICA (X)
Parmetro indispensable a la hora de calcular los parmetro de las
distribuciones de probabilidad que se van a exponer a continuacin. Est
definido por la ecuacin (1)
n

Xi

X = i=1
n

(1)

2. DESVIACIN ESTANDAR (S)

Muestra que tan dispersos son los datos de estudio en comparacin a la media
aritmtica. La ecuacin (2) muestra su metodologa de clculo.

S=

( Xi X )2
i=1

n1

(2)

La varianza es el cuadrado de la desviacin estandar

3. RANGO DE DATOS (Ra)

Es la diferencia entre el valor mximo de la seria de datos y el mnimo de la
serie, mostrando el intervalo en que oscila la informacin en estudio. La
ecuacin (3) presenta su metodologa de clculo.

R=V maxV min (3)

4. COEFICIENTE DE VARIACION (Cv)
Est definido como la relacin entre la desviacin estndar y la media
aritmtica. Se define en la ecuacin (4).

C v=

S
( 4)
X

5. COEFICIENTE DE ASIMETRIA Cs
Coeficiente que muestra que tan sesgados son los datos que se estn
estudiando. La ecuacin (5) define dicho valor.
n

C s=

a
n
3
donde a=
( Xi X ) (5)
3
(n1)(n2)
S
i=1

Teniendo en cuenta lo anterior, en la tabla (3), se muestran los valores del

anlisis estadstico
Estadstica

Valor

Tamao de la muestra
Rango (Ra)
Media (X)
Varianza (S2)
Desviacin estndar (S)
Coef. de variacin (Cv)
Error estndar
Asimetra (Cs)
Curtosis

48
654.3
576.57
18645
136.55
0.23683
19.709
0.60184
0.84683

Tabla 3: Anlisis estadstico de los datos

5. DISTRIBUCION DE PROBABILIDAD
Este anlisis permitir predecir el caudal que se tendr en un futuro conocido.
Esta seccin es la ms importante ya que, es el punto de partida para el
modelo hdrico que se va a implementar. Cabe resaltar, en la ingeniera civil, es
fundamental predecir adecuadamente la variable de inters (en este caso el
caudal mximo), ya que, es necesario asegurar la funcionalidad de la
estructura dentro de la vida til.
En primera instancia es necesario calcular el periodo de retorno con el cual, se
calcular la probabilidad de excedencia, es decir, la probabilidad que dicho
evento ocurra en un tiempo determinado. Para definir dichos valores, se
utilizar el concepto de riesgo, el cual, esta definido en la ecuacin (6)
n

1
R=1 1
(6)
T

Donde n, es la vida til del proyecto y R es el porcentaje de riesgo de

ocurrencia. Despejando T, que es el periodo de la ecuacin (6), se obtiene:

T=

1
n

(7)

( 1R ) 1
Teniendo en cuenta esto, se calcularn los periodos de retorno para diversos
riesgos probabilsticos
Riesgo
R
25%
50%
75%
90%

Periodo de retorno
(T)
174.3034543
72.63590729
36.56968648
22.2185616

Tabla 4: Periodo de retorno

Para continuar, se calcular el valor del caudal para esos periodos de retorno
ya establecidos, usando tres distribuciones bsicas, que, son muy usadas para
este tipo de problemas, se calcular los caudales que se esperan. Para dicho
objetivo se usar el software SMADA, el cual, adems de proveer el valor
esperado, presenta la desviacin estndar de cada uno, con el objeto de
mostrar un nivel de confianza de cada lectura
A continuacin se muestran las distribuciones empleadas (Se presentarn
tablas con los valores entregados por el software SMADA, sin embargo, si el
lector desea corroborar la informacin presentada, como anexo se muestran
las imgenes tomadas del software)

5.1. Distribucin de probabilidad Gumbell

Segn Aparicio, 1997, si se tienen N muestras, cada una de las cuales
contienen n eventos y si se selecciona el mximo de x de los n eventos de
cada muestra, es posible demostrar que, a medida que n aumenta, la funcin
de distribucin de probabilidad de x tiende a:

F ( x )=e e

d( x)

para x (8)

Dnde:
x: Representa el valor a asumir por la variable aleatoria

e: Constante de Neper.
La funcin terica de probabilidad de Gumbel posee un coeficiente de
asimetra o sesgo Cs igual 1.139. Esto significa que si los datos de una muestra
se ajustan a esta distribucin, su coeficiente de asimetra debe estar cercano a
este valor2.
A continuacin se presenta la tabla (5) donde se presentan los valores de los
caudales esperados para los periodos de retorno que el software trabaja por
defecto
Caudal de Diseo distribucin Gumbell
Probabilidad de no
Periodo de
Caudal de diseo
excedencia
retorno (aos)
m3/s
0.995
200
1060.65
0.99
100
989.72
0.98
50
918.54
0.96
25
846.83
0.9
10
750.16
0.8
5
673.66
0.667
3
612.9
0.5
2
558.1
Tabla 5: Caudales de diseo distribucin Gumbell

La Figura (2), muestra las diversas predicciones hechas, con su respectiva

probabilidad para los periodos de retorno que el software tiene por defecto; el
objeto de la grfica es analizar que tan bien se adapta la distribucin al
problema en cuestin.

2 Tomado de:

ESTUDIOS HIDROLGICOS, HIDRULICOS Y DE SOCAVACIN PARA

CONSTRUCCIN DE UN PUENTE VEHICULAR EN EL MUNICIPIO DE SAN GIL, SANTANDER- autoresVIAS EN VERDE- INGENIEROS CONSULTORES

Tabla 5: Caudales de diseo distribucin Gumbell

Gumbel Extremal Type I

1000
800

Value

Actual Data

600
400
200
0
0.0

Distribution
0.2

0.4

0.6

0.8

1.0

Weibull Probability
Figura 2: Distribucin Gumbell

5.2. DISTRIBUCION PEARSON TIPO III

Benson (1968), report un mtodo de anlisis de frecuencias basado en la
distribucin log-Pearson tipo III (mtodo factor de frecuencia), que se obtiene
cuando se usan los logaritmos de los datos observados Xi junto con la
distribucin probabilstica Pearson tipo III.
En la tabla (6), se muestran los caudales de diseo para esta distribucin
Caudal de Diseo distribucin Log Pearson Tipo III
Probabilidad de no
Periodo de
Caudal de diseo
excedencia
retorno
m3/s
0.995
200
990.58
0.99
100
943.79
0.98
50
893.99
0.96
25
840.28
0.9
10
760.73
0.8
5
690.23
0.667
3
628.21

0.5

566.9

Tabla 6: Caudales de diseo distribucin Log Pearson Tipo III

La respectiva grfica de caudales contra la probabilidad de ocurrencia se

muestra en la figura (3)

Log Pearson Type III

1000
800

Value

Actual Data

600
400
200
0
0.0

Distribution
0.2

0.4

0.6

0.8

1.0

Weibull Probability
Figura 3: Distribucin Log Pearson Tipo III

5.3. DISTRIBUCION LOG-NORMAL

es
una distribucin
de
probabilidad de
una variable
aleatoria cuyo logaritmo est normalmente distribuido. Es decir, si X es una
variable aleatoria con una distribucin normal, entonces exp(X) tiene una
distribucin log-normal. La base de una funcin logartmica no es importante,
ya que loga X est distribuida normalmente si y slo si log b X est distribuida
normalmente, slo se diferencian en un factor constante. Una variable puede
ser modelada como log-normal si puede ser considerada como
un producto multiplicativo de muchos pequeos factores independientes. Un
ejemplo tpico es un retorno a largo plazo de una inversin: puede considerarse
como un producto de muchos retornos diarios.

En la tabla (7), Se exponen los caudales de diseo de acuerdo a esta

distribucin

Caudal de Diseo distribucin Log Normal

Probabilidad de no
Periodo de
Caudal de diseo
excedencia
retorno
m3/s
0.995
200
1024.17
0.99
100
966.19
0.98
50
906.59
0.96
25
844.61
0.9
10
756.9
0.8
5
682.93
0.667
3
620.52
0.5
2
561.06
Tabla 7: Caudales de diseo distribucin Log Normal

La figura (4) muestra la grfica que ofrece el software

in

2 Parameter Log Normal

1000
800

Value

Actual Data

600
400
200
0
0.0

Distribution
0.2

0.4

0.6

0.8

1.0

Weibull Probability
Figura 4: Distribucin Log Normal

6. DISTRIBUCION UTILIZADA
De acuerdo con las grficas mostradas en la seccin anterior, y los caudales
que se calcularon, la firma decidi utilizar para el diseo del puente sobre el
cauce del ro Fouce, LA distribucin Log Pearson Tipo III. Se toma esta
determiancin debido a que la distribucin es la que mejor se acopla a los
datos de cauadales mximos obtenidos, por ende, los caudales de diseo se
presentarn en la tabla (8) (la cual, es equivalente a la tabla (6)).

Caudal de Diseo
Probabilidad de no
Periodo de
excedencia
retorno
0.995
200

Caudal de diseo
m3/s
990.58

0.99
0.98
0.96
0.9
0.8
0.667
0.5

100
50
25
10
5
3
2

943.79
893.99
840.28
760.73
690.23
628.21
566.9

Tabla 7: Caudales de diseo proyecto ro Fouce

7. BIBLIOGRAFIA
ESTUDIOS HIDROLGICOS, HIDRULICOS Y DE SOCAVACIN PARA
CONSTRUCCIN DE UN PUENTE VEHICULAR EN EL MUNICIPIO DE SAN
GIL, SANTANDER- autores- VIAS EN VERDE- INGENIEROS CONSULTORES
2. https://docs.google.com/a/unal.edu.co/document/d/1ma3eS03SlrqaA6Nw
xh6zoPr6OazyGxS3lJuIsS48uZY/edit?hl=en
3. ANLISIS DE FRECUENCIAS EXPRESIONES PARA EL CLCULO DE LOS
EVENTOS PARA EL PERODO DE RETORNO T Y DE LOS RESPECTIVOS
ERRORES ESTNDAR DE ESTIMACIN REQUERIDOS PARA LA
DETERMINACIN DE LOS INTERVALOS DE CONFIANZA DE LOS
ESTIMADOS DE LOS VALORES ESPERADOS JULIAN DAVID ROJO
HERNNDEZ
4. http://es.wikipedia.org/wiki/Distribuci%C3%B3n_log-normal
1.

8. ANEXOS
Se mostrar una imagen donde estn calculados los valores con el software
SMADA, para las tres distribuciones que se expusieron en documento, con el
objeto que el lector pueda solucionar cualquier inquietud que haya quedado en
el proceso de calculo y seleccin de lso caudales de diseo para el proyecto
sobre el cauce del ro Fouce.
La figura (1-A), muestra la hoja de clculo de la distribucin Gumbell,
mostrando adems de lso caudales, la desviacin estndar de cada valor.
Como se observa, la desviacin estndar no supera el valor de 30, lo cual hace
confiable los datos expuestos.

Figura 1-A: Hoja de clculo distribucin Gumbel

La figura (2-A), presenta la muestra de la distribucin Log Pearson Tipo III,

mientras que la figura (3-A), permite ver los clculos completos para la
distribucin Log-normal.
Como se puede observar, el software Stormwater Management and Desing
Aid (SMADA) ofrece una variadad de distribuciones de probabilidad, as como
opciones de anpalisis estadstico, lo cual, lo hace una buena herramienta para
este tipo de proyectos, agregando adems, su fcil uso, lo cual, lo hace muy
atractivo para fines acadmicos. La firma decidi implementarlo porque sus
integrantes estn muy familiarizados con el programa, y tiene conocimiento de
sus buenos resultados.

Figura 2-A: Hoja de clculo distribucin Pearson Tipo III

Figura 3-A: Hoja de clculo distribucin Log normal