Академический Документы
Профессиональный Документы
Культура Документы
=
x
e
e x F ) (
............................................................................................................... (1)
Donde:
x : Evento hidrolgico a considerar, viene de los datos muestrales
: Parmetro de posicin de la funcin
: Parmetro de escala de la funcin
Estos parmetros se pueden estimar conociendo que la media y la desviacin
estndar de la funcin son respectivamente:
| o . + =
...................................................................................................................... (2)
6
t
| o =
......................................................................................................................... (3)
Siendo la constante de Euler-Mascheroni ( 0.577216).
De modo que si se tuviera una muestra de tamao infinito se podran estimar los
parmetros de la funcin, y , a travs de los estadgrafos de la muestra, con las
siguientes expresiones:
t
|
6
x
s =
......................................................................................................................... (4)
| o . = x
....................................................................................................................... (5)
Donde x
y
: Valor esperado de la variable reducida y
m
: Desviacin estndar de la variable reducida y
m
Estos estadgrafos pueden obtenerse de la variable reducida ordenando la muestra de
manera decreciente y calculando para cada x
i
la correspondiente variable reducida y
m
con
la siguiente expresin de Weibull:
(
|
.
|
\
|
+
+
=
1
1
ln ln
n
m n
y
m
............................................................................................... (8)
Donde:
: Tamao de la muestra
: Nmero de orden
Suele ser til trabajar con tablas que entreguen el valor de y
n
y s
n
directamente en
funcin del tamao de la muestra n, ya que stos no dependen de los valores x
i
de la
muestra (Tabla 1 y Tabla 2).
Tabla 1 - Valor esperado, y
n
, de la variable reducida, y
m
n 0 1 2 3 4 5 6 7 8 9
10 0,4952 0,4996 0,5035 0,5070 0,5100 0,5128 0,5157 0,5181 0,5202 0,5220
20 0,5230 0,5252 0,5268 0,5283 0,5296 0,5309 0,5320 0,5332 0,5343 0,5353
30 0,5362 0,5371 0,5380 0,5388 0,5396 0,5402 0,5410 0,5418 0,5424 0,5430
40 0,5436 0,5442 0,5448 0,5453 0,5458 0,5463 0,5468 0,5473 0,5477 0,5481
50 0,5485 0,5489 0,5493 0,5497 0,5501 0,5504 0,5508 0,5511 0,5515 0,5518
60 0,5521 0,5524 0,5527 0,5530 0,5533 0,5535 0,5538 0,5540 0,5543 0,5545
70 0,5548 0,5550 0,5552 0,5555 0,5557 0,5559 0,5561 0,5563 0,5565 0,5567
80 0,5569 0,5570 0,5572 0,5574 0,5576 0,5578 0,5580 0,5581 0,5583 0,5585
90 0,5586 0,5587 0,5589 0,5591 0,5592 0,5593 0,5595 0,5596 0,5598 0,5599
100 0,5600
Tabla 2- Desviacin estndar, s
n
, de la variable reducida, y
m
n 0 1 2 3 4 5 6 7 8 9
10 0,9496 0,9676 0,9833 0,9971 1,0095 1,0206 1,0316 1,0411 1,0493 1,0565
20 1,0628 1,0696 1,0754 1,0811 1,0864 1,0915 1,0961 1,1004 1,1047 1,1086
30 1,1124 1,1159 1,1193 1,2260 1,1255 1,1285 1,1313 1,1339 1,1363 1,3880
40 1,1413 1,1430 1,1458 1,1480 1,1499 1,1519 1,1538 1,1557 1,1574 1,1590
50 1,1607 1,1623 1,1638 1,1658 1,1667 1,1681 1,1696 1,1708 1,1721 1,1734
60 1,1747 1,1759 1,1770 1,1782 1,1793 1,1803 1,1814 1,1824 1,1834 1,1844
70 1,1854 1,1863 1,1873 1,1881 1,1890 1,1898 1,1906 1,1915 1,1923 1,1930
80 1,1938 1,1945 1,1953 1,1959 1,1967 1,1973 1,1980 1,1987 1,1994 1,2001
90 1,2007 1,2013 1,2020 1,2026 1,2032 1,2038 1,2044 1,2049 1,2055 1,2060
100 1,2065
1.2 Distribucin Doble Gumbel
Mientras que la funcin de distribucin de Gumbel est pensada para una poblacin,
la distribucin de Doble Gumbel permite modelar el comportamiento de dos poblaciones
consideradas mutuamente excluyentes.
Una funcin de distribucin de probabilidad para dos poblaciones se puede plantear
como sigue (Raynal y Raynal, 2004):
() ( )(
) (
) ............................................................................ (9)
Donde:
: Probabilidad de que la variable x pertenezca a la segunda poblacin, que
agrupa a elementos sucedidos en condiciones climatolgicas ordinarias.
1.2.1 Funcin de distribucin Doble Gumbel
Con base en la ecuacin (9), la probabilidad de excedencia de Gumbel de dos
poblaciones se expresa mediante la ecuacin siguiente:
() ( )
.................................................................... (10)
Esta funcin de distribucin cuenta con cinco parmetros, dos de cada poblacin:
, , , ,
2 2 1 1
| o | o mientras el quinto es la proporcin de mezcla, p.
1.2.2 Ajuste de parmetros
El ajuste ms adecuado se realiza mediante un proceso de iteracin hasta llegar a un
juego de parmetros apropiados a la muestra disponible.
Se inicia con el anlisis de la muestra de mximos anuales disponible para identificar
aquellos aos que se alejan de la normalidad, es decir que son muy diferentes al resto,
que exceden cierto umbral y que por informacin histrica se conoce adems que tuvieron
presencia del fenmeno diferente, tal como FEN, huracn, etc.
Con esa clasificacin, la muestra de n
t
aos quedar dividida en dos grupos, el
primero de n
1
aos extraordinarios y el segundo de n
2
aos ordinarios o normales,
definiendo preliminarmente el parmetro p como:
2 1
2
n n
n
p
+
= ..................................................................................................................... (11)
A continuacin se trabaja por separado con los dos grupos definidos, ajustando los
parmetros Gumbel de una sola poblacin con las ecuaciones (6), (7) y (8) y las Tablas 1 y
2. Esto permitir contar con los cuatros parmetros restantes.
1.2.3 Bondad de ajuste
El ajuste realizado segn el acpite anterior deber ser evaluado mediante una prueba
de bondad de ajuste. Estas pruebas evalan el grado de concordancia entre la distribucin
de un conjunto de valores de la muestra y alguna distribucin terica especfica. Determina
si razonablemente puede pensarse que las mediciones muestrales analizadas provienen de
una poblacin que tiene dicha distribucin terica, mediante la comparacin de las
distribuciones de frecuencia acumulativa, terica y observada.
De uso frecuente son la prueba _
2
, la de Kolmogorov-Smirnov y la del error
cuadrtico estndar. La primera trabaja con valores agrupados, por lo que no es muy
prctica; la segunda no requiere agrupar valores, se concentra en determinar el punto en el
que estas dos distribuciones muestran la mayor divergencia, pero no evala las diferencias
en su conjunto; mientras que la tercera es una mezcla de ambas pruebas, trabajando con los
(12)
Donde:
(13)
2 ANLISIS DE LOS CAUDALES DEL RIO PIURA
Se cuenta con los registros de los caudales mximos anuales del ro Piura desde el
ao 1925 al 2008, conformando una muestra de 84 datos. Dentro de este periodo se han
presentado lluvias debidas a los dos mecanismos descritos anteriormente: lluvias normales
y lluvias por FEN, las cuales originan un crecimiento diferente del caudal en el ro Piura.
Por ello se han considerado dos poblaciones, la primera para los caudales durante el FEN y
la segunda para los caudales durante las lluvias regulares, cada una con un nmero
diferente de datos.
El clculo se inici con un p preliminar de 0,70, probando adems con valores desde
0,88 hasta 0,50, obtenindose el mejor valor del error E para p = 0,55 (Tabla 3); esto
significa que, dada la muestra de 84 aos utilizada, lo ms probable es que sta provenga
de un universo con el 45% de los aos dominados por eventos lluviosos asociados al FEN,
mientras que el 55% de los aos corresponde a aos normales con caractersticas secas.
Tabla 3 Errores estndar E obtenidos para diferentes valores de p en los caudales del ro Piura
p 0,88 0,80 0,74 0,70 0,60 0,55 0,52 0,50
E 0,423 0,225 0,172 0,158 0,131 0,113 0,124 0,145
Este ajuste corresponde a los siguientes parmetros:
1
=988,8,
1
=821,0;
2
=63,7,
2
=92,7; y p=0,55. Luego de ajustar la distribucin, sta se aplic de forma inversa para
estimar los caudales de diseo para diferentes periodos de retorno, segn se describi en
1.2.4.
Asimismo se ajustaron modelos de uso frecuente en Hidrologa para una sola
poblacin, tales como Gamma, Exponencial, Gumbel, Log Normal 3, Pearson III, Log
Pearson III, y se realizaron las pruebas de bondad de ajuste, obtenindose con ellos errores
mayores que con la distribucin de Doble Gumbel (Tabla 4).
Tabla 4 Estimaciones de crecidas con diferentes modelos usados en Hidrologa
Tr Doble Gumbel LP III Gamma LN3 Exponencial Pearson III Gumbel
2 230 353 378 290 432 474 566
5 1.431 1.188 1.173 1.011 1.267 1.306 1.429
10 2.128 1.830 1.844 1.911 1.899 1.903 2.001
20 2.750 2.394 2.546 3.221 2.531 2.492 2.549
25 2.943 2.555 2.777 3.748 2.734 2.681 2.723
50 3.531 2.986 3.503 5.783 3.366 3.268 3.259
100 4.109 3.321 4.242 8.536 3.998 3.857 3.791
1.000 6.008 3.905 6.751 25.376 6.096 5.836 5.548
10.000 7.899 4.044 9.310 62.158 8.195 7.867 7.302
Error 0,222 0,288 0,356 0,379 0,513 0,608 0,749
3 RESULTADOS Y CONCLUSIONES
3.1.Anlisis de Resutados
Al aplicar a los datos las distribuciones clsicas de una sola poblacin de mayor
difusin para estimar los caudales de diseo, se obtuvo un error cuadrtico estndar de
0,222 para Doble Gumbel y 0,288 para Log-Pearson III, como el mejor ajuste de las
distribuciones de una sola poblacin.
Como se puede apreciar, si se utiliza el mejor ajuste a una sola poblacin, el modelo
de Log Pearson III dara estimaciones muy bajas afectando la seguridad de las obras. Si por
el contrario se hubiera tomado directamente la clsica distribucin Log-Normal 3, como
aquella que casi siempre se logra ajustar las muestras hidrolgicas, se tendran valores de
caudales mucho mayores que los hallados con la distribucin Doble Gumbel y que los
observados.
Esto lleva a que al momento que se diseen las estructuras se sobredimensionen, ya
que en realidad estos caudales estn muy por encima de lo que se espera. Este
sobredimensionamiento genera una mayor inversin y en algunos casos impide la
ejecucin de proyectos por falta de presupuesto suficiente. Para tiempos de retorno
mayores, como 10.000 aos, se aprecia que la distribucin Doble Gumbel tambin dar
mejores resultados (Fig.1 y 2), por el lado de mayor seguridad para el diseo de obras de
envergadura como aliviaderos de presas.
Figura 1 Caudales estimados hasta 10.000 aos con LN3, LPIII y Doble Gumbel
Figura 2 Detalle de caudales estimados hasta 100 aos con LN3, LPIII y Doble Gumbel
-
10,000
20,000
30,000
40,000
50,000
60,000
70,000
1 10 100 1,000 10,000
C
a
u
d
a
l
(
m
3
/
s
)
Tr (aos)
LN3
DbGumb
LP III
Emprica
-
1,000
2,000
3,000
4,000
5,000
6,000
7,000
8,000
9,000
10,000
1 10 100
C
a
u
d
a
l
(
m
3
/
s
)
Tr (aos)
LN3
DbGumb
LP III
Emprica
3.2.Conclusiones
Tradicionalmente la Hidrologa Probabilstica ha manejado la estimacin de caudales
de diseo bajo el enfoque de una sola poblacin, con modelos de mucha difusin y
aceptacin, tales como Log Pearson III, Log Normal 2 y 3, etc.
Existen regiones geogrficas que por su naturaleza ven configurada su Hidrologa
por dos mecanismos de formacin, tal es el caso de regiones donde se presentan huracanes
y aquellas afectadas por el Fenmeno El Nio. El modelo Doble Gumbel permite manejar
las muestras hidrometeorolgicas dividindolas en dos grupos y modelar adecuadamente
los caudales, evitando sobre estimar o subestimar los valores de diseo, lo que incide en la
realizacin y en la economa de las obras proyectadas.
Los caudales mximos anuales del ro Piura, en la costa norte del Per, se han
logrado modelar probabilsticamente mediante Doble Gumbel, que se ajusta ms que los
modelos de una sola poblacin.
El modelo ajustado indica una presencia de aos atpicos del 55% debida al FEN en
la cuenca del ro Piura.
BIBLIOGRAFA
Raynal, J.A.; Raynal, M.E. (2004). Clculo de los lmites de confianza de la
Distribucin de Probabilidad de valores extremos tipo I para dos poblaciones
Informacin tecnolgica La Serena V.15 n.1, pp. 87 94. Disponible en
<http://www.scielo.cl/scielo.php?script= sci_arttext&pid=S0718-
07642004000100014&lng=es&nrm=iso>. accedido en 17 jun. 2011. doi: 10.4067/S0718-
07642004000100014.
Reyes, J. (2003). Per, en Inundaoes urbanas na Amrica do Sul. Org. por Tucci, E.
M.; Bertoni, J.C. Ed. Associaao Brasileira de Recursos Hidricos, Porto Alegre, pp. 379 -
428.
Varas, E. ; Bois, P. (1998). Hidrologa Probabilstica. Ediciones Universidad Catlica
de Chile, 156 p.