HIDROLOGIA ESTOCASTICA.

La Hidrologa Estocstica aplica la teora de los Procesos

Estocsticos, que son parte de la Ingeniera de Sistemas, al
estudio de los Eventos Hidrolgicos.
Los Eventos Hidrolgicos, tales como aguaceros, caudales,
niveles de embalse, etc. son Eventos Estocsticos. Se
caracterizan porque, de un lado tienen un patrn medio de
comportamiento a largo plazo, y por el otro el pronstico de sus
magnitudes en un momento dado tiene un mayor o menor grado
de incertidumbre. El patrn medio corresponde a lo que se
denomina la Tendencia General o Componente Determinantica y
la incertidumbre constituye la Componente Aleatoria del evento.
Los proyectos que se disean hoy sern construidos y operarn
en los prximos aos. Por esta razn, cuando los estudios
hidrolgicos definen unos caudales de diseo para abastecer un
acueducto, o para proteger una zona contra las inundaciones
debe tenerse en cuenta que tanto la ocurrencia como las
magnitudes de esos caudales son pronsticos hacia el futuro de
eventos probables que estn sujetos a un grado de
incertidumbre.
Caudal real = Caudal calculado +/- Incertidumbre
La proyeccin hacia el futuro se basa en la combinacin de la
estadstica y la teora de la probabilidad. Con la estadstica se
realiza el anlisis de frecuencias de los eventos histricos y se
definen los parmetros que determinan el patrn general de
comportamiento. Con estos parmetros y con la aplicacin de la
teora de la probabilidad se hace el pronstico de lo que puede
esperarse en el futuro, dentro de cierto nivel de riesgo.
GENERACIN ESTOCSTICA DE SERIES HIDROLGICAS:
Los sistemas que proveen de agua los Acueductos, los Distritos
de Riego o las Centrales Hidroelctricas utilizan generalmente
los ros como fuente de suministro. Estos sistemas constan de
una captacin, una conduccin, un tanque de almacenamiento y
una red de distribucin, y se dimensionan con base en la

capacidad de la fuente y en la demanda que requieren los

futuros usuarios.
Mientras que los sistemas anotados operarn en el futuro, los
datos hidrolgicos que se tienen disponibles para realizar el
diseo de las obras corresponden al pasado, es decir
son historia.
Es necesario, entonces, hacer un pronstico hacia el futuro
sobre el comportamiento de la fuente durante la vida til del
proyecto de suministro de agua. Para lograr este propsito se
pueden utilizar mtodos que pertenecen a la Hidrologa
Estocstica, los cuales tienen su base en los conceptos de la
Teora de Probabilidades y de la Ingeniera de Sistemas.
Uno de estos mtodos consiste en determinar la Serie Histrica
de Caudales de la Fuente, y con base en ella generar N series
estocsticas de Caudales Virtuales, cada una de longitud igual a
la vida til del proyecto. Las N series generadas tienen igual
probabilidad de presentarse en el futuro, y una de ellas, no se
sabe cul, ser probablemente parecida a la serie real futura.
Las series estocsticas permiten, entonces, contar con un
panorama de posibilidades de lo que puede ocurrir con la fuente
en el futuro. Este panorama ser ms amplio entre mayor sea el
numero N.

Como se mencion anteriormente, para generar las series

estocsticas es necesario realizar primero un anlisis estadstico
de Frecuencias de la serie histrica. Si no existe serie histrica o
si sta es deficiente la Generacin Estocstica no es aplicable.

El manejo de las series histricas y la Generacin de las Series

Estocsticas se encuentran desarrollados en los textos que se
presentan en la Bibliografa, y en publicaciones peridicas. Para
profundizar en el tema se recomienda consultar los textos de
Fiering, Haan y Yevchevich entre otros.
MODELOS HIDROLGICOS:
Existen diferentes tipos de Modelos Hidrolgicos. Pueden ser
Determinanticos
o
Estocsticos,
de
Simulacin
o
de
Optimizacin.
Son ejemplos de Modelos Determinanticos la Ecuacin del
Balance Hidrolgico, la Frmula Racional y el Hidrograma
Unitario. Un modelo de este tipo corresponde a un algoritmo de
clculo que da un resultado nico.
En los Modelos Estocsticos el algoritmo de clculo incluye una
o varias componentes probabilsticas. Con los Modelos
Estocsticos se generan series futuras de lluvias, de caudales,
de niveles de embalses, o de eventos extremos.

Los modelos de simulacin permiten analizar diferentes

situaciones para obtener un panorama amplio de posibles
resultados de un problema. Aqu se incluyen los Modelos de
Operacin de Embalses, de Trnsito de Crecientes y
de Avalanchas.
Por ltimo los modelos de Optimizacin combinan la Simulacin
con los Costos y los Beneficios para determinar las soluciones
ms econmicas.
OPERACIN DE EMBALSES:
En los estudios de Operacin de Embalses se utilizan Modelos de
Simulacin los cuales relacionan una serie de componentes y de
variables.

Componentes: Caractersticas fsicas de la presa y del vaso del

embalse.
VARIABLES:
Variable de Estado: Nivel del agua en el Embalse. Determina el
volumen embalsado.
Variables de Entrada: Caudales que
Precipitacin sobre el vaso del embalse.

llegan

al

Embalse

Variables de Salida: Prdidas por Evapotranspiracin e

Infiltracin, Vertimiento de Excesos y Caudales de entrega al
proyecto.
Las variables de Estado, Entrada y Salida se pueden tratar todas
o algunas de ellas como Variables Estocsticas.

El problema de diseo consiste en determinar el Volumen de

Almacenamiento necesario para que el embalse sea capaz de
suministrar la demanda con un nivel de probabilidad aceptable.
Por medio de la simulacin se utilizan diferentes series
hidrolgicas generadas estocsticamente y se combinan con
diferentes dimensiones del embalse. Esto permite obtener
tantos Volmenes de Almacenamiento probables como opciones
se analicen.
Con los resultados obtenidos se hace luego un anlisis de
probabilidades para determinar los niveles de riesgo de las
diferentes soluciones. Estos anlisis permiten al diseador tener
un
buen
criterio
para
tomar
la
decisin
sobre
el
Dimensionamiento de las Obras y la Operacin futura del
Embalse.
DISTRIBUCIN DE LOS RECURSOS HIDRULICOS:

La distribucin del recurso hidrulico disponible en una regin

puede obedecer a criterios polticos, sociales, tcnicos o
econmicos. Es necesario tener una fundamentacin muy clara
para explicarle a la gente por qu se le suministr el agua
disponible al proyecto de riego de una zona A y no al de una
zona B. Como el volumen del recurso disponible es aleatorio la
solucin del problema tcnico necesita de la Hidrologa
Estocstica para estimar volmenes probables disponibles en
los aos futuros; en cambio los anlisis econmicos necesitan de
otras herramientas de la Ingeniera de Sistemas. Entre estas
herramientas
estn
la
Programacin
Matemtica,
la
Programacin Lineal y la Programacin Dinmica.

HIDROLOGIA ESTOCASTICA Y LA GENERACION

SINTETICA DE CAUDALES:
HIDROMETEOROLOGICOS:
Todos los fenmenos relacionados a la generacin y distribucin
de la lluvia en nuestro planeta, y todas sus consecuencias
directas como ser: el escurrimiento superficial por las cuencas,
la infiltracin a las porciones ms profundas del suelo y de
manera especial el caudal de los ros -como lugar donde llegan

las aguas dentro del ciclo hidrolgico para finalmente ir a los

ocanos-, son procesos aleatorios, es decir que tienen un cierto
nivel de incertidumbre o una probabilidad de que sean igualados
o excedidos en un nmero de aos, y por lo tanto estn
gobernados por leyes de la probabilidad. A los procesos
gobernados por probabilidades se les llama estocsticos.
De manera que si como resultado de un proceso matemtico que
ha sido establecido siguiendo principios de la fsica clsica para
explicar un fenmeno natural, se obtiene un valor numrico,
este ser y tiene carcter determinstico ya que ha seguido un
proceso de ese tipo, pero se puede decir que es esencialmente
estocstico, ya que el evento es de esa naturaleza.
La fuente por lo tanto es la serie histrica, y a partir de sus
propiedades, se generarn las series probables en el futuro. La
Grfica 1 permite ilustrar el concepto.

LAS SERIES TEMPORALES HIDROLGICAS Y SU NATURALEZA

ESTOCSTICA: EL PRINCIPIO DE LA MODELACIN ESTOCSTICA:
Cualquier serie temporal de valores observados de variables
hidrolgicas (ver Grfica 2) y que son de naturaleza estocstica contiene los siguientes componentes:

 Una tendencia y, sumada a lla un componente cclico;

ambos son de carcter determinstico y no son
independientes del tiempo a partir del cual la serie
empieza, ni del tamao de la misma.
Un componente de carcter estocstico.

LA GENERACIN ESTOCSTICA DE VARIABLES:

Una de las condiciones bsicas para que se pueda utilizar con
xito un proceso de generacin estocstica es que la serie de
origen debe tener las siguientes caractersticas:
Que la distribucin
distribucin normal.

temporal

de

origen

siga

una

Que la respectiva distribucin tenga por media cero y

varianza uno.
Generalmente, cuando el intervalo de tiempo es anual o
mensual, estos modelos producen buenos resultados y, a partir
de los mismos se pueden desagregar a tiempos menores. Estos
han sido utilizados para la generacin de caudales anuales y
mensuales.
Como se indic anteriormente, si la distribucin de origen tiene
una distribucin con media cero y varianza uno, se est
hablando de un proceso Normal de media () cero y varianza ( 2)
uno, que se denota por:

N (; 2) = N (0,1)

MODELOS AUTOREGRESIVOS DE MEDIAS MVILES (ARMA):

Existen lo que se llaman modelos o procesos Auto regresivos,
denotados por sus siglas en ingles (Auto Regressive) AR (p), o
modelos auto regresivos con retardo p. Como su nombre lo
indica, estos generan el presente o futuro en funcin de lo que
ha ocurrido en el pasado; de ah el nombre de auto
regresivos. Por otro lado, el retardo, hace mencin a las etapas
necesarias para que se produzca la variacin de un estado a
otro.
Generalmente, los modelos AR (1), implican que el flujo en el
periodo i es regresado a travs del flujo en el periodo i-1.
De manera anloga, un proceso de media mvil, es denotado por
sus siglas en ingls (Moving Average) MA (q), o proceso de
media mvil de orden q.
Uno de los modelos ms sencillos es el que se utiliza para
determinar valores en intervalos anuales, este tipo de modelos
genera, pues, flujos anuales y toma la siguiente forma:

DONDE:
ti = es un valor aleatorio que proviene de una distribucin apropiada con media cero
y varianza uno (este debe seguir el proceso N(0,1)), por lo que debe proceder de un
proceso de generacin de numero aleatorio normalmente distribuido N(0,1).
= Es la desviacin estndar o tpica de Q.
= Es el coeficiente de auto correlacin serial con retardo k.
Q = Media de Q.

MODELO DE FLUJO ESTACIONALES:

Hay que tener en cuenta que el modelo de flujo presentado
lneas arriba y que responde de manera general a la relacin (2),
es estacionario en lo que al tiempo se refiere para cada etapa de
clculo, pero no es adecuado para intervalos de tiempo menores
al anual.
De esa manera, se plantea un modelo de carcter estacional,
haciendo mencin a las caractersticas del flujo de mes a mes, o
estacin a estacin (se refiere a estaciones referidas al clima),
donde esta caracterstica tambin debe ser representada en el
modelo.
En este caso, la intencin es generar caudales en periodos
mensuales. A partir de este, se puede, como se dijo con
anterioridad, desagregar en tiempo menores, sean semanales o
diarios.

DONDE:
j = Se refiere a una estacin o mes, j varia por lo tanto de 1 a 12
a largo del ao, para el caso de intervalos mensuales.
i = Se utiliza para designar el ao, desde 1 hasta n, de manera
similar que la ecuacin (2).
j = es el coeficiente de auto correlacin serial entre las series
de los meses Qj y Qj-1, y que se establece por el procedimiento
establecido en el apartado 6.1 y las relaciones (12), (13) y (14).