You are on page 1of 15

Villn Bejar, Mximo.

HidroEsta, software para clculos hidrolgicos.


Tecnologa en Marcha. Vol. 18 N. 2 Especial.


HidroEsta, software
para clculos hidrolgicos



Mximo Villn Bejar
1




Palabras clave

Precipitacin, caudales, variables
aleatorias, distribuciones,
parmetros estadsticos, media,
varianza, hidrologa.


Resumen

Este trabajo de investigacin se
orient
a la elaboracin de una
herramienta computacional bajo el
ttulo HidroEsta, software para
clculos hidrolgicos, utilizando
Visual Basic, el cual pretende ser una
aplicacin que permita facilitar
y simplificar los clculos
laboriosos que se deben realizar
en los estudios hidrolgicos.

El software permite el clculo de
los parmetros estadsticos,
clculos de regresin lineal, no
lineal, simple y mltiple, as como
regresin polinomial, evaluar si una
serie de datos se ajustan
a una serie de distribuciones,
calcular
a partir de la curva de
variacin estacional o la curva
de duracin, eventos de diseo
con determinada probabilidad de
ocurrencia, realizar el anlisis de
una tormenta y calcular
intensidades mximas, a partir
de datos de pluviogramas, los
clculos de aforos realizados con
correntmetros
o molinetes, el clculo de
caudales
mximos, con mtodos empricos
y estadsticos, clculos de la
evapotranspiracin y clculo del balance
hdrico.

En la investigacin se probaron diferentes
mtodos numricos para la solucin
de las ecuaciones, seleccionndose el
ms adecuado para cada situacin.

El producto del trabajo proporciona
al ingeniero civil, agrcola,
agrnomo, hidrlogos y otros
especialistas que trabajen en este
campo, una herramienta que permite
realizar clculos, simulaciones rpidas,
y determinar los caudales o
precipitaciones de diseo.


Introduccin

Los estudios hidrolgicos
requieren del anlisis de cuantiosa
informacin hidrometeorolgica; esta
informacin puede consistir en datos de
precipitacin, caudales, temperatura,
evaporacin, etc.

Los datos recopilados, solo
representan una informacin en bruto,
pero si estos se organizan y se
analizan en forma adecuada,
proporcionan al hidrlogo una
herramienta de gran utilidad,
que le


1 Ingeniero agrcola, especialista en ingeniera de recursos de aguas y suelos y


computacin.
Catedrtico, Escuela Ingeniera Agrcola. Instituto Tecnolgico de Costa Rica. Cartago, Costa Rica.
Telfono: 550-2595. Correo electrnico: mvillon@itcr.ac.cr.




Vol. 18 N. 2 Especial 67
permite tomar decisiones en el diseo de
estructuras hidrulicas (5).

Para realizar los clculos, los hidrlogos
tienen que afrontar una
serie de problemas, debido a que:

El procesamiento de la informacin
que se tiene que realizar es bastante
laboriosa.

Las ecuaciones por
solucionar, en la mayora de
los casos, son muy complejas,
y para su solucin se requiere
del uso de mtodos
numricos.

Las simulaciones que se
realizan manualmente
consumen mucho
tiempo, debido a los
clculos requeridos.

Por lo laborioso del proceso de
la informacin y de los
clculos, se puede incurrir en
errores, en razn de lo cual es
necesario un software que brinde
al hidrlogo una herramienta que
le permita simplificar todos estos
procesos, e inclusive posibilitarle
simular sus resultados, facilitando
con esto optimizar su diseo.

Objetivo

Elaborar un software que
facilite y simplifique los clculos
laboriosos, y el proceso del anlisis
de la abundante informacin que se
deben realizar en los estudios
hidrolgicos.


Fundamentos tericos

Variables aleatorias

Una variable aleatoria (1) es una funcin
X, definida sobre un espacio
muestral S, que asigna un valor a
esta variable, correspondiente a
cada punto (o cada resultado) del
espacio muestral de un
experimento.

A una variable aleatoria se le
conoce tambin como variable
estocstica, sus valores son nmeros
reales, que
no pueden


predecirse con certeza antes de ocurrir el fenmeno; es decir, ocurren
al azar.

Variable aleatoria discreta

Se dice que una variable aleatoria X es discreta
cuando sus valores se restringen a un conjunto
enumerable finito o infinito.

Ejemplo: Nmero de das de lluvias ocurridas en los
meses de un ao cualquiera.

Variable aleatoria continua

Se dice que una variable aleatoria X es continua,
cuando sus valores se encuentran en un rango
continuo y puede ser representado por cualquier nmero
entero o decimal.

Ejemplo: El caudal diario registrado en una estacin de aforo.

Distribuciones

El comportamiento de una variable aleatoria se describe
mediante su ley de probabilidades, que, a su vez, se puede
caracterizar de varias maneras. La ms comn es mediante
la distribucin de probabilidades de la variable aleatoria (4).

Notacin:

X variable aleatoria de la funcin
x valor particular que toma
la variable aleatoria
f(x) funcin de densidad de probabilidad
(funcin de probabilidad,
distribucin de probabilidad de x)
F(x) funcin acumulada (funcin
de distribucin acumulada)

Medidas de las distribuciones

La media aritmtica

Dada la muestra compuesta de n datos,
x
1
, x
2
, ..., x
n
, la media, se define como la
suma algebraica de ellas, dividida entre
el nmero de datos. Cuando se calcula
la media para una poblacin,
esta se




68 Vol. 18 N. 2 Especial
o . 18 . 2 c 69







denota por , y cuando se trata de una
muestra, por x.

Matemticamente, la media de los datos
no agrupados se representa por:










donde:

= media poblacional

= media muestral

x
i
= valor i-simo de la muestra
n = nmero de datos de la muestra o
poblacin

La mediana

Es un valor nico de un
conjunto de datos que mide el
elemento central en los datos (5). Este
nico elemento de los datos ordenados
es el ms cercano a la mitad, o el
ms central en el conjunto de
nmeros. La mitad de los elementos
quedan por encima de ese punto,
y la otra mitad por debajo de l.

Sean x
1
, x
2
, x
3
, ..., x
n
datos ordenados por
magnitud creciente o decreciente y
n el nmero impar de datos, la mediana
(Med) es el dato situado en el centro, es
decir:



Med = , para n impar



si n es par, la mediana es el promedio de
los nmeros centrales; es decir:
La moda

Es aquel valor que se repite
ms frecuentemente en un conjunto de
datos, se denota por Mo.

Para datos agrupados en intervalos
de clase, la moda, una vez
determinada la clase modal, se calcula
con la siguiente ecuacin:



donde:

Mo = moda

Lm =lmite inferior de la clase modal

d
1
= diferencia entre la
frecuencia de la clase
modal y la
premodal (clase anterior)

d
2
= diferencia entre la
frecuencia de la clase
modal y la
posmodal (clase siguiente)

w = amplitud del intervalo de clase

En general, la clase modal es
aquella que tiene la mxima frecuencia.

Varianza

La varianza poblacional se define
como la suma de cuadrados
de las desviaciones de los datos con
respecto a la media, dividida entre el
nmero total de datos, es decir:





La varianza muestral (S) (5) se obtiene
dividiendo la suma de cuadrados de las
observaciones de los datos con respecto
a la media, entre el nmero total
de datos menos uno; es decir:



, para n par
70 o . 18 . 2 c



















Desviacin estndar

La desviacin estndar se define como
la raz cuadrada positiva de la varianza;
es decir:
donde:

(poblacional)



(muestral)



Coeficiente de variacin

Es una medida relativa de
dispersin, que relaciona la desviacin
estndar y la media; es decir:





Curtosis

Para datos poblacionales, el coeficiente
de curtosis (k) se define
mediante la siguiente ecuacin:

Sesgo

El sesgo es el estadstico que mide
la simetra y asimetra (2).

El sesgo ( ) para datos poblacionales se
obtiene con la siguiente ecuacin:



donde:




donde:







El coeficiente de curtosis para
datos
muestrales (2) se define como:



El sesgo para datos muestrales,
se
obtiene con:





donde:
o . 18 . 2 c 71





{









Estimacin de parmetros

Los parmetros de una
distribucin terica son variables
que para cada conjunto de datos
tiene un valor definido. Una vez que
los parmetros quedan definidos,
tambin queda definida la
distribucin terica.

Por lo general, una funcin densidad o una
funcin de distribucin acumulada, puede
escribirse como una funcin de la variable
aleatoria y, en general, como una funcin
de sus parmetros; as, por
ejemplo, la funcin densidad de la
distribucin normal de variable aleatoria
X, es:




donde:

= parmetro de localizacin.

= parmetro de escala.

Para que la funcin f(x), quede definida,
debe calcularse los parmetros y .

Como normalmente no se conocen todos
los valores de la variable
aleatoria, la estimacin de los
parmetros se realiza
a partir de una muestra (4).

Mtodos de estimacin
de parmetros

Para determinar los valores
numricos de los parmetros de
la distribucin terica, a partir de los
datos muestrales, se utilizan varios
mtodos de estimacin (5), siendo en
orden ascendente de menor
a mayor eficiencia, los siguientes:
Grfico

Mnimos cuadrados

Momentos

Mxima verosimilitud

Pruebas de bondad de ajuste

Las pruebas de bondad de
ajuste consisten en comprobar,
grfica y estadsticamente, si
la frecuencia
emprica de la serie
analizada se ajusta a una
determinada funcin de
probabilidades terica seleccionada
a priori, con los parmetros
estimados, con base en los valores
muestrales.

Las pruebas estadsticas (4) tienen
por objeto medir la certidumbre
que se obtiene al hacer una hiptesis
estadstica sobre una poblacin; es
decir, calificar el hecho de suponer
que una variable aleatoria se
distribuya segn una cierta funcin de
probabilidades.

Las pruebas de bondad de ajuste
ms utilizadas son:

Ajuste grfico

Ajuste
Chi - cuadrado

estadstico
Smirnov - Kolmogorov


Distribuciones tericas

El hidrlogo generalmente tendr
disponible un registro de datos
hidrometeorolgico (precipitacin,
temperat uras, evapot ranspiracin,
caudales, etc.), a travs de su conocimiento
del problema fsico, escoger un modelo
probabilstico por usar, que represente en
forma satisfactoria el
comportamiento de la variable.

Distribucin normal o gaussiana

Se dice que una variable
aleatoria X tiene una distribucin
normal (2), si su funcin densidad, es:
72 o . 18 . 2 c


o . 18 . 2 c 73



para - < x <

donde:

f(x) = funcin densidad normal de
la variable x

x = variable independiente
X
= parmetro de localizacin,
igual a la media
aritmtica de x

S = parmetro de escala, igual a
la desviacin estndar de x

EXP = f uncin exponencial con




Donde
y
, y, son la media y desviacin
estndar de los logaritmos
naturales de x; es decir, de lnx,
y representan, respectivamente, el
parmetro de escala y el
parmetro de forma de la
distribucin.

Distribucin gamma
de dos parmetros
Se dice que una variable aleatoria
X, tiene una distribucin gamma
de 2 parmetros (5), si su funcin
densidad de probabilidad es:


x

1 |

base e, de los logaritmos
neperianos.

Cuando la variable aleatoria X
se
f ( x) =


para:
x e
|

I( )
distribuye normalmente con
media y varianza (
2
= S
2
), se
denota
de la siguiente forma:



Distribucin log-normal
de 2 parmetros
La variable aleatoria X es positiva y el
lmite inferior x
o
no aparece.
La variable aleatoria: Y = lnX,
es normalmente distribuida con media
y
y varianza y

Se usan estos parmetros para especificar
que la distribucin es logartmica, puesto
que tambin puede usarse la media y la
varianza de X.

Se dice que una variable
aleatoria X tiene una distribucin
log-normal de 2 parmetros (5), si su
funcin densidad es:



p
a
r
a

0

<

x

<


74 o . 18 . 2 c





0 x <

0 < <

0 < <

siendo:

= parmetro de forma (+)

= parmetro de escala (+)

= funcin gamma completa, definida como:

que converge si > 0

Distribucin log-Pearson tipo III

Se dice que una variable aleatoria X tiene una distribucin log-
Pearson tipo II [5], si su funcin densidad de probabilidad es:






para:

x
o
x <
- < x
o
<
0 < <

o . 18 . 2 c 75





0 < <

donde:

x
o
= parmetro de posicin
= parmetro de escala

= parmetro de forma

Distribucin Gumbel

La distribucin Gumbel (5) es una
de las distribuciones de valor
extremo, es llamada tambin Valor
Extremo Tipo I, Fisher-Tippett tipo I o
distribucin doble exponencial.

La funcin de distribucin acumulada de
la distribucin Gumbel, tiene la forma:
F(x) = EXP(-EXP(-(x - ) /o))






para: - < x <

donde:

0 < o < es el parmetro de escala

- < < es el parmetro de posicin,
llamado tambin valor central o moda

Derivando la funcin de
distribucin acumulada con respecto a
x, se obtiene la funcin densidad de
probabilidad; es decir:














para:

- < x <

Distribucin log-Gumbel
La funcin de distribucin acumulada de
la distribucin Gumbel (5) tiene la forma:




para: - < x <

donde:

0 < o < es el parmetro de escala

- < < es el parmetro de posicin,
llamado tambin valor central o moda

si en la ecuacin, la variable
x se reemplaza por lnx, se obtiene la
funcin acumulada de la
distribucin log- Gumbel, o
distribucin de Frchet.

Medicin de caudales (aforos)

La hidrometra es la rama
de la Hidrologa que estudia la
medicin del escurrimiento. Para este
mismo fin, es usual emplear otro
trmino denominado aforo. Aforar
una corriente significa determinar,
a travs de mediciones, el caudal
que pasa por una seccin dada y en un
momento dado (6).

Caudales mximos

Para disear (6):

Las dimensiones de un cauce

Sistema de drenaje

- agrcola

- aeropuerto

- ciudad

- carretera

Muros de encauzamiento para
proteger ciudades y plantaciones

Alcantarillas

Vertedores de demasas

Luz en puentes

Se debe calcular o estimar el
caudal de diseo que, para esos casos,
son los caudales mximos.

76 o . 18 . 2 c

Algunos mtodos para el clculo
del caudal mximo, son:

Mtodo directo

Mtodos empricos

Mtodo del nmero de curva

Mtodos estadsticos

Mtodos hidrolgicos

Evapotranspiracin

Son las prdidas totales:
evaporacin de la superficie evaporante
(del suelo y agua) + transpiracin de las
plantas.

El trmino evapotranspiracin potencial
(6) fue introducido por Thornthwaite y
se define como la prdida total del agua
que ocurrira si en ningn
momento existiera deficiencia de agua
en el suelo para el uso de la vegetacin.

Se define como el uso
consuntivo la suma de la
evapotranspiracin y el agua utilizada
directamente para construir los
tejidos de las plantas.

Como el agua para construir los tejidos
comparada con la evapotranspiracin es
despreciable, se puede tomar:

Uso consuntivo evapotranspiracin

En los proyectos de irrigacin
interesa hacer clculos previos de
las necesidades de agua de los
cultivos. Estas necesidades de agua,
que van a ser satisfechas mediante el
riego, viene
a constituir la evapotranspiracin o
el uso consuntivo.

Para el clculo de estas cantidades
de agua, se han desarrollado
mtodos basados en datos
meteorolgicos, de los cuales los
ms conocidos son el
Thornthwaite y el de Blaney Clidde.


Materiales y mtodos

Para el desarrollo del software, se utiliz
Visual Basic, versin 6.0, la cual permite
crear aplicaciones de 32 bits.

Para la solucin de las
ecuaciones,
se utilizarn
los mtodos
numricos,
tales como:
o . 18 . 2 c 77


algoritmo de Newton Raphson
mtodo de la secante
integracin grfica
interpolacin de Lagrange
algoritmo de Romberg

Para el clculo de las distribuciones acumuladas tericas
como la Normal, Log-Normal, Gamma, y el clculo de sus valores
inversos, se utiliza el desarrollo de series.

Muchas soluciones de las ecuaciones se realizan mediante
nomogramas y tablas. Para un proceso computacional, estas se
deben transformar a ecuaciones, por lo que se investigarn las
ecuaciones ms adecuadas, utilizando:

correlaciones lineales simples
correlaciones no lineales, simples
correlaciones lineales mltiples
correlaciones no lineales mltiples


Resultados

El producto de este trabajo es HidroEsta. Una de sus pantallas,
correspondiente al clculo de la distribucin normal, se
muestra en la figura de la siguiente pgina.


Discusin

Los resu lt a dos comput acionales
obtenidos con la aplicacin son,
en todos los casos, ms
aproximados que los obtenidos con los
nomogramas.

HidroEsta representa una
contribucin para simplificar los estudios
hidrolgicos. Es importante porque:

Proporciona una her ramienta
novedosa y fcil de utilizar para el
ingeniero civil, ingeniero
agrcola, ingeniero agrnomo
y otros especialistas
que trabajen en el campo de
los estudios hidrolgicos.

Permite, simplificar el proceso
de la abundante informacin
y los

78 o . 18 . 2 c




clculos laboriosos.

Permite a partir de la
informacin proporcionada,
simular los parmetros de
diseo de las
estructuras por construir.

Reduce enormemente el tiempo
de clculo.

Permite obtener un diseo ptimo y
econmico.


Agradecimiento

Un especial agradecimiento a la
Vicerrectora de Investigacin y
Extensin del Instituto Tecnolgico
de Costa Rica, que facilitaron el
tiempo y el material para realizar este
trabajo.


Referencias bibliogrficas

1 Haan, Ch. Statistical methods in hydrology.
Iowa State University Press,
U.S.A.,
1977.

2 Kite, G.W. Frequency and risk
analyses
o . 18 . 2 c 79



in hydrology. Water Resources
Publications, Michigan, U.S.A. 1977.

3 Maidment, David. Handbook of hydrology.
Editorial McGraw-Hill. New Cork USA. 1993.

4 Villn, Mximo. Diseo de capacidad de embalses por el
mtodo experimental- teora de range. Tesis para
optar por el grado de Magster Scientiae en
Ingeniera de Recursos de Agua y Tierra. Universidad
Nacional Agraria La Molina. Lima Per, 1983.

5 Villn, Mximo. Hidrologa estadstica. Taller
de Publicaciones. Instituto Tecnolgico
de Costa Rica. Cartago - Costa
Rica.
2001.

6 Villn, Mximo. Hidrologa. Taller
de Publicaciones. Instituto
Tecnolgico de Costa Rica. Cartago
Costa Rica.
2002.