Вы находитесь на странице: 1из 5

Se presenta el algoritmo para la realizacin del balance en la Figura 2.15.

Para s
u uso deben
tenerse presente las siguientes recomendaciones:
El perodo de simulacin es mensual (1 mes).
Para la simulacin se deben usar aos hidrolgicos (entre mayo y abril).
Se deben obtener los parmetros K del suelo correspondientes a la zona en estudio.
Valores iniciales propuestos para t = 1, a(0) = 50 mm/mes.
El mtodo trabaja suponiendo que los valores de a, hi y hmx se mantienen constantes
para
todos los meses del perodo para el que se desea calcular la escorrenta.
Thornwaite realiza la simplificacin de normalizar el valor de la humedad final de
l perodo a un
valor de 100 mm/mes, aunque este puede resultar alto para ciertas regiones o baj
o para otras,
el mtodo considera que este es un valor promedio, es necesario estudiar el compor
tamiento
de la humedad del suelo en las zonas en que se desee aplicar esta metodologa, par
a verificar
que esta simplificacin sea valida para la regin en estudio.
S a l id a de da tos
( ) ( 1) ??
  a t E x c a t
Qm m t  a t k ( ) ( )
L ee par me tros y valores iniciales
L ee P(t ) y ET (t )
h f h i P (t ) E T (t ) 
 
h f 0
hf  0
N o
h f 1 00
100 E x c  hf 
h f  1 00
N o
S i
S i
1
( ) ( ) (1 )


t t
h i h f
a t a t k
B a lan ce de hum ed ad
O tr o pe ro do
Figura 2.15. Diagrama de flujo del balance de Thorthwaite [Arum et al, 2002: p.23
]
34
C. MTODOS BASADOS EN DATOS FISIOGRFICOS
Cuando se requiere estimar caudales medios en reas que no disponen de antecedente
s de lluvia
ni caudal, como ocurre en cuencas de difcil acceso, se emplean mtodos basados en d
atos
fisiogrficos, aunque estos resultados sirven nicamente como una primera aproximacin
y
requieren gran cantidad de informacin sobre la regin hidrogrfica en la que se desea
completar
los registros de caudal, por estas razones, este tipo de mtodo indirecto no se tr

atar en el
presente trabajo.
2.3. MTODOS ESTOCSTICOS
2.3.1. DEFINICIONES Y GENERALIDADES
Segn lo visto en apartados anteriores, las series de caudales mensuales correspon
den a un
registro estadstico por lo que tendrn un patrn medio de comportamiento a largo plaz
o, pero
tambin el pronstico de sus magnitudes en un momento dado tendr un mayor o menor gra
do de
incertidumbre, por lo que pueden ser tratados como Eventos Estocsticos.
A. HIDROLOGA ESTOCSTICA
El comportamiento de una variable aleatoria est descrito por la ley de probabilid
ades, la cual
asigna medidas de probabilidad a valores o rangos de ocurrencia de las variables
.
Una variable aleatoria es continua si puede tomar todos los valores en un rango
de ocurrencia. Los
caudales promedio mensuales de un ro pueden asumir cualquier valor, por lo que se
consideran
una variable aleatoria continua.
En estadstica la palabra estocstico es sinnimo de aleatorio, pero en hidrologa se usa
de una
manera especial para referirse a series de tiempo que son parcialmente aleatoria
s [Linsley et al.,
1988: c. 12, p.311].
El introducir los mtodos estocsticos a la hidrologa surgi ante la necesidad de resol
ver el
problema de diseo de embalses. El diseo de la capacidad de embalses, requiere de s
eries
hidrolgicas largas (de una longitud que estar dada por la vida til del Proyecto). L
a Hidrologa
Estocstica se convierte entonces en una herramienta a la que se puede recurrir pa
ra generar
varias series hidrolgicas a partir de una sola muestra disponible (el registro hi
strico).
35
B. ANLISIS Y GENERACIN ESTOCSTICA DE SERIES DE CAUDALES.
Los objetivos del anlisis de las series hidrolgicas son diversos, pudiendo destaca
r la prediccin,
el control de un proceso, la simulacin de procesos, el diseo, etc. En el presente
proyecto uno de
los objetivos es el de generar series sintticas para rellenar y/o extender un reg
istro histrico de
caudales promedios mensuales.
Es posible generar series de tiempo que difieren de la observada pero que conser
van varas
propiedades de la serie original. Cabe mencionar que no est al alcance, el conoce
r los datos de
precipitacin o de caudales futuros, pero se puede suponer que los eventos en el f
uturo tendrn las
mismas propiedades estocsticas del registro histrico, es decir, la generacin de sec
uencias de
eventos de igual probabilidad y en los que cada secuencia tiene propiedades esta
dsticas
similares.
2.3.2. METODOS ESTOCSTICOS DE RELLENO Y/O EXTENSIN.
La suposicin bsica del anlisis estocstico es que el proceso es estacionario, es deci
r, que las
propiedades estadsticas del proceso no varan con el tiempo. Debido a lo anterior e

l registro que
se use para obtener las secuencias sintticas debe ser lo ms largo posible.
Luego de clasificar la informacin se procede a conformar las series histricas, es
decir, obtener la
informacin completa, homognea, libre de saltos y tendencias para ser utilizada segn
las
necesidades del estudio.
El patrn medio de una serie histrica de caudales corresponde a dos componentes: co
mponente
estocstico que contiene toda la informacin originada en efectos y oscilaciones irr
egulares
(aleatorios), que solo pueden ser consideradas mediante el uso de los conceptos
de probabilidad y
autocorrelacin, y el componente determinstico que puede consistir en un comportami
ento noperidico,
que se denomina tendencia (cambios en el uso del suelo de la cuenca, urbanizacio
nes,
etc.) y/o saltos, adems en el caso de los caudales promedio mensuales se observa
un
comportamiento peridico o cclico (influencia de los cambios regulares del clima).
Dichos
componentes se relacionan de la siguiente forma:
{
Aleatorio
E t
Deter stico
T t P t
Q
Q Q Q
Componentes
t
( )
min
( ) ( ) ( )
+ +
= 1 44 2 4 43 (Ec. 2.7)
36
Donde:
T( t ) Q = Tendencia y/o saltos, parte deterministica.
P(t ) Q = Componente peridico, parte deterministica.
E( t ) Q = Componente estocstica, parte autorregresiva y aleatoria.
La forma de la ecuacin de generacin estocstica puede ser muy simple (conservando la
media,
la varianza y el coeficiente de correlacin serial con desfase unitario) o ms compl
eja segn el
modelo. A continuacin se presentan modelos que pueden ser aplicados para el relle
no y/o
extensin de series histricas de caudales promedio mensuales cumpliendo los alcance
s,
requerimientos y limitaciones que cada uno de ellos exige.
Llamaremos muestra a la serie histrica de caudales a partir de la cual ser generada
la nueva
serie sinttica, siendo sta perteneciente a los registros de la estacin en estudio.
Como el caudal promedio mensual contiene una variable aleatoria ti con un interv
alo (finito) de
nmeros reales, entonces se dice que ti es una variable aleatoria continua. Dicha
variable ti
presentar comportamientos que pueden ser modelados por medio de una distribucin ter
ica de
densidad de probabilidades.

Debido a que en este proyecto se requiere rellenar y/o extender series de caudal
es promedio
mensuales que generalmente presentan una distribucin histrica normal, entonces se
pueden
hacer las siguientes simplificaciones: el comportamiento de la variable aleatori
a continua ti puede
ser modelado por medio de una distribucin normal, y el valor de ti se toma de un
generador de
nmeros aleatorios con una distribucin normal, como se observa en los diagramas de
precedencia.
Los mtodos que a continuacin se presentan pueden ser utilizados despus de realizado
el
proceso de consistencia, ajuste de la estadstica y eleccin de la estacin hidromtrica
base
conforme a lo visto en la parte de relleno y extensin por mtodos estadsticos desarr
ollados en el
Apartado 2.2.1, literal A. Adems que la muestra pueda ser ajustada a una distribu
cin normal (Ver
Anexo G).
37
A. PROCEDIMIENTO DE MONTE-CARLO. [Adaptado de Monsalve, 1999: p.333-334]
Cuando se aplica el procedimiento de Monte-Carlo debe tenerse en cuenta que los
valores en las
series de datos son independientes entre s; la independencia entre eventos hidrolg
icos
consecutivos puede derivarse por medio del coeficiente de correlacin serial (corr
elacin entre el
valor en un tiempo dado y el valor en un tiempo precedente).
La muestra generada tendr la misma media que la encontrada en la muestra original
que debe ser
de al menos de 25 aos y la misma desviacin estndar. A continuacin se presenta el
procedimiento general de este mtodo (ver Figura 2.16):
Figura 2.16. Procedimiento de Monte-Carlo.
Donde:
i Q = Caudal de la nueva serie generada correspondiente al mes i.
Q = Media de la muestra de caudales.
s = Desviacin estndar de la muestra de caudales.
i t = Variable aleatoria tomada de una distribucin apropiada (Normal, Log-Normal,
etc.).
i = Toma los valores de 1 al nmero de valores igual a la longitud de la nueva ser
ie que se
desea obtener.
38
B. MODELO MARKOVIANO DE PRIMER ORDEN. [Monsalve 1999: p.312-313]
La base de que el caudal durante un cierto perodo (un ao, un mes, un da) es indepen
diente del
caudal durante el perodo precedente no es de validez general, debido al fenmeno de
persistencia, es decir, existe la tendencia de que un caudal bajo tiene mayor pr
obabilidad de ser
seguido por otro caudal bajo que por un caudal alto y, similarmente, que un caud
al alto es ms
probable que sea seguido por otro caudal alto. La explicacin fsica de este fenmeno
se halla en
el efecto del almacenamiento. Despus de un perodo seco prolongado el caudal del ro
est bajo,
el suelo est seco, el nivel fretico bajo y las depresiones y almacenamientos super
ficiales estn
vacos; esto significa que an una gran lluvia no producir un caudal alto. El fenmeno
de
persistencia es expresado por medio de una cadena markoviana de primer orden o e

cuacin
autorregresiva.
i ( i ) i x = x + x - x + e 0 -1 0 b (Ec. 2.8)
En donde:
i x y i-1 x = Son dos registros continuos.
0 x : = Es una constante.
( ) 1 0 x x i - - b = Componente deterministica.
: = Coeficiente de autorregresin.
i e : = Componente aleatoria.
La ecuacin autorregresiva se obtiene de los puntos aplicando el mtodo de los mnimos
cuadrados. i e tomada de una distribucin adecuada (Normal, Log-Normal, etc.) e in
dependiente de
i-1 x . Tambin se supone que el coeficiente de correlacin es independiente de i x
(en realidad la
correlacin es ms fuerte para bajos caudales que para altos caudales).
La estructura markoviana de primer orden supone que cualquier evento depende sol
amente del
evento que le precede.
Este mtodo se puede aplicar a estaciones con series histricas que contengan un reg
istro
completo de un mnimo de 5 aos de longitud. Entonces los parmetros Q, y pueden
determinarse a partir de la serie histrica suponiendo un valor inicial de i-1 Q .
El proceso para
desarrollar este tipo de mtodo estocstico se muestra