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.