ARTCULO ORIGINAL

Recibido, 04/08 /2011 Aceptado, 10/01/2011

Modelo probabilstico y regional de las descargas mximas

instantneas del ro Santa en la regin Ancash
Probabilistic model and regional the instantaneous peak discharges of the river
Santa in the Ancash region
1

Abelardo Daz Salas.a

RESUMEN
Para el diseo de las obras hidrulicas es necesario conocer el caudal de diseo. Existen varios mtodos para
su estimacin como los mtodos probabilsticos, hidrolgicos, empricos, etc. En el presente trabajo se ha
determinado un modelo regional usando mtodos probabilsticos y empricos. Mediante este modelo regional
se puede estimar el caudal de diseo conociendo el rea de la cuenca y para un periodo de retorno. Por las
consideraciones indicadas el caudal de diseo en la cuenca del ro Santa se puede estimar en cualquier punto,
mediante el modelo regional modificado de Fuller. El modelo probabilstico adecuado para interpretar el
comportamiento de las descargas mximas instantneas anuales es el modelo de Gumbel, lo cual se ha
definido mediante la prueba de ajuste de Chi-cuadrado. Para obtener el modelo regional se ha trabajado con
las descargas mximas instantneas anuales proyectadas segn la Ley de Gumbel y el promedio de las
descargas mximas instantneas anuales proyectadas con la ecuacin regional, que es una ecuacin en
funcin del rea de la cuenca.
Palabras clave: Avenidas, crecidas, crecientes.
ABSTRACT
For the design of hydraulic structures requires knowledge of the design flow. There are several methods for
estimating the design flow as probabilistic, hydrological, empirical, etc, In the present work has identified a
regional model using probabilistic methods and empirical methods. Through this regional model can be
estimated the design flow with the area of the basin and for a return period. For the reasons stated the design
flow in the Santa River basin can be estimated at any point, through the regional model modified of Fuller.
The probabilistic model suitable for interpreting the behavior of annual instantaneous peak discharges is the
Gumbel model, which has been defined by the fit test Chi-square test. For obtain the regional model has been
worked with the annual instantaneous peak discharge estimated under the law of Gumbel and average annual
instantaneous peak discharge estimated with the regional model, which is an equation based in function the
area of the basin.
Key words: Avenues, floods, rising.

1
a

Facultad de Ciencias Agrarias, Universidad Nacional Santiago Antnez de Mayolo.

Ingeniero Agrcola.
Rev. Aporte Santiaguino 2011; 4(2): 135-144. ISSN 2070-836X

135

Modelo probabilstico y regional de las descargas

INTRODUCCIN
Las estructuras hidrulicas como puentes,
bocatomas, vertedero de demasas, etc. deben ser
diseados para no fallar ante el suceso de las
descargas mximas instantneas. Para estimar la
ocurrencia de estos eventos es necesario contar con
un modelo regional que explique el
comportamiento espacial y temporal. Con la
realizacin de este trabajo de investigacin se
formula un modelo regional que relacione las
descargas mximas instantneas con el rea de la
cuenca y tiempo de retorno.
El objetivo general del presente trabajo es buscar el
modelo regional adecuado para estimar las
descargas mximas instantneas en la cuenca del ro
Santa. Los objetivos especficos son: a) determinar
el modelo o los modelos probabilsticos adecuados
para las descargas mximas instantneas en la
cuenca del ro Santa, b) determinar el modelo
regional de las descargas mximas promedios en
funcin del rea de la cuenca y c) determinar la
descarga mxima instantnea anual en un punto de
la cuenca del ro Santa, para un determinado
periodo de retorno con lo cual se podr disear
infraestructuras hidrulicas que no fallen ante estos
eventos como: puentes, obras de defensa riberea,
presas para regular las avenidas, bocatomas,
cunetas de las carreteras, alcantarillado pluvial,
vertederos de excedencias, etc.
En el presente trabajo se establece una metodologa
que permite hallar modelos empricos para estimar
el caudal de diseo.
Descarga
Monsalve (1995) indica que la descarga o caudal es
el volumen de escorrenta superficial por unidad de
tiempo. Q=V/t es la principal variable que
caracteriza la escorrenta superficial. Se expresa en
m3 / s o l/s
Descargas mximas
Crochn (1983) indica que es el caudal de valor alto
de un ro en comparacin a las descargas
habitualmente observadas. Estos caudales son
causantes de daos a las obras y propiedades. Para
prevenir estos daos es que se hace necesario una
evaluacin cuantitativa de las crecidas. Por eso es
importante disear obras hidrulicas que permitan
el paso de las crecientes sin que sufran dao.

136

Rev. Aporte Santiaguino 2011; 4(2): 135-144. ISSN 2070-836X

Daz A.

Evaluacin de las descargas mximas

Existen varios mtodos para estimar las crecidas o
las descargas mximas: probabilsticos,
hidrolgicos, empricos, de rea-pendiente, etc. El
mtodo a emplear bsicamente depende de los datos
que se tienen a disposicin del proyectista. En el
presente trabajo se ha estudiado el comportamiento
de los caudales mximos instantneas de la cuenca
del ro Santa mediante mtodos probabilsticos,
luego se ha buscado un modelo regional en funcin
del rea de la cuenca hidrogrfica y del perodo de
retorno.
Modelos probabilsticos para las descargas
mximas
Ven et al.(1994)en el libro de Hidrologa aplicada,
menciona una serie de modelos probabilsticos o de
distribuciones de probabilidad comnmente
utilizados para variables hidrolgicas: distribucin
normal, lognormal, exponencial, gamma, Pearson
tipo III, log Pearson tipo III y distribucin de valor
extremo tipo I.
Distribucin normal estndar
La funcin de densidad de la distribucin normal
estndar est dada por la siguiente ecuacin:
1

1 - 2 z2
f (z ) =
e
2p
z=

x-m
s

(1)
(2)

Donde:
f (z) = funcin de densidad de probabilidad, = x
variable aleatoria, s = desviacin estndar de la
poblacin y m = media poblacional.
La funcin de distribucin acumulada de la variable
normal estndar se expresa mediante la siguiente
ecuacin:
z
(3)
F (z ) =
f (z ) dz

La ecuacin (3) no es integrable analticamente.

Los valores de la ecuacin (3) se obtienen de tablas
de distribucin normal estndar, o mediante las
tcnicas de mtodos numricos (integracin
numrica), o se pueden aproximar mediante el

Modelo probabilstico y regional de las descargas

Daz A.

polinomio de Abramowitz y Stugen, dado por la

siguiente ecuacin, segn Ven, TC; et al.(194):

Donde:
y = promedio de los logaritmos (logaritmos de x) de
la muestra, sy = desviacin estndar de los
logaritmos (logaritmos de x) de la muestra.
La ecuacin (9) es igual a la ecuacin (2). Los
valores de y la distribucin normal se obtiene de la
ecuacin (9):
(10)
y = y +syz
Donde:
y = valor ajustado a la distribucin normal.
Los valores de c segn el modelo probabilstico
son obtenidos mediante la siguiente ecuacin:
(11)
c=ey
Donde:
c = valor de la variable aleatoria ajustada a la
distribucin logartmico-normal.

B = 12 1 + 0.196854 z + 0.115194 z +
2

0.000344 z + 0.019527 z
Donde:=
|z| valor absoluto de z
F(z)= Bz
para z < 0
F(z)= 1 - B
para z > 0

4 -4

(4)

(5)
(6)

Los valores de c segn el modelo probabilstico

normal se obtienen reemplazando el valor de z
obtenido mediante la ecuacin (5) o (6) en la
ecuacin (2), dada por la siguiente expresin:
c = c + sx z
(7)
Donde:
c + = valor ajustado a la distribucin normal, = x
promedio de la muestra, = sx desviacin estndar de
la muestra
Distribucin lognormal
Varas y Bois (1998) indican que las variables fsicas
de inters en hidrologa (precipitacin, evaporacin
y otras) son generalmente positivas, por lo cual es
usual que presenten distribuciones de frecuencias
asimtricas. Por ello, algunos investigadores han
propuesto aplicar una transformacin logartmica a
la variable de inters y luego utilizar el modelo de
distribucin normal para la variable transformada.
La distribucin as obtenida se denomina
logartmico-normal.
Si X es una variable aleatoria, con funciones de
densidad de probabilidad asimtricas y si se define
una nueva variable como Y = LnX, que presenta una
distribucin normal (simtrica) con media y y
2
variancia s y, entonces se afirma que la variable X
tiene una distribucin logartmico-normal. Las
ecuaciones de esta distribucin son:

1
F (z ) =
2p
z=

y- y
sy

- z2
2

dz

Distribucin exponencial
Segn Ven et al. (1994) algunas secuencias de
eventos hidrolgicos como la ocurrencia de
precipitacin, pueden considerarse como procesos
de Poisson, en los cuales los eventos ocurren
instantnea e independientemente en un horizonte
de tiempo. El tiempo entre tales eventos est
descrito por una distribucin exponencial cuyo
parmetro l es la tasa media de ocurrencia de los
eventos.
La funcin densidad de un modelo probabilstico
exponencial est dada por:

le - lx , x 0
f (x ) =
0 , x < 0

Donde:
l = parmetro de la distribucin exponencial
La funcin de distribucin acumulada est dada por
la siguiente ecuacin:
x
(13)
- lx
- lx

F (x ) = le
0

dx = 1 - e

El valor de c (valor ajustado a la distribucin

exponencial) se obtiene a partir de la ecuacin (13).

(8)
c=
(9)

(12)

-Ln [1-F(x)]

(14)

Mediante el mtodo de mxima verosimilitud o el

mtodo de momentos se demuestra que el
Rev. Aporte Santiaguino 2011; 4(2): 135-144. ISSN 2070-836X

137

Modelo probabilstico y regional de las descargas

Daz A.

parmetro l se estima mediante la siguiente

ecuacin:
1
(15)
l=

0, x 0

2
3
F (x ) = x 1 x 1 x
1 - 1 + b + 2! b + 3! b + L



(21)

-x

a -1

Reemplazando la ecuacin (15) en (14) se obtiene:

x = [-Ln(1 - F (x) )] x
(16)
Distribucin gamma
Ven et al. (1994) indica que el tiempo que toma la
ocurrencia de un nmero b de eventos en un proceso
de Poisson est descrito por la distribucin gamma,
la cual es la distribucin de una suma de b variables
aleatorias independientes e idnticas, distribuidas
exponencialmente. La distribucin gamma es muy
til para la descripcin de variables hidrolgicas
asimtricas sin el uso de la transformacin
logartmica. La distribucin gamma incluye la
funcin gamma G(b).
La distribucin Gamma, tiene la funcin de
densidad definida por:
-

xa -1e b
f (x ) = a
b G(a )

x0

para a > 0

(18)

Integrando por partes la ecuacin (18) se obtiene la

ecuacin (19), segn Villn (2002):
G(a + 1) = aG(a )
(19)
La funcin de distribucin gamma acumulada est
dada por la siguiente ecuacin:

F (x ) =

-x
b

x e
dx
b a G(a )

(20)

La ecuacin (20) no es directamente integrable, sus

valores se calculan mediante las tcnicas de
integracin numrica y existen tablas de esta
distribucin denominadas Funcin Gamma
Incompleta, llamada as porque los valores en tabla
son slo para valores enteros positivos de .a
S a es un nmero natural, la funcin de distribucin
acumulada puede determinarse mediante la
siguiente ecuacin:
138

Y= x
b

(22)

Reemplazando la ecuacin(22) en (20) se obtiene:

G (y ) =

Rev. Aporte Santiaguino 2011; 4(2): 135-144. ISSN 2070-836X

Y a -1e -Y
dy
G(a )

(23)

Reemplazando la ecuacin (23) en la ecuacin (21),

se obtiene:

0, x 0

G (Y ) =
1
1
2
3
1 - 1 + Y + 2! (Y ) + 3! (Y ) + L

+

G(a ) = e - x xa -1dx

a -1

Haciendo un cambio de variable se tiene:

(17)

Donde:
a, b = parmetros positivos
G(a) = funcin gamma de a

1 x

(a - 1)! b

e b ; x > 0

(24)

e -Y ; x > 0
1
(Y)a -1
(a - 1)!

Los valores de x ajustados a la distribucin Gamma

se obtienen de la ecuacin (22):
x=Yb
(25)
Los valores de Y se hallan de la ecuacin (24) para
diferentes probabilidades. Los valores de a y b se
estiman mediante el mtodo de momentos:
(26)

X = E (x ) = ab

S 2 = b 2a

(27)

Distribucin Pearson tipo III

La distribucin Pearson III posee la caracterstica de
ser asimtrica y no negativa, lo que la hace adecuada
para describir los caudales mximos. Es una
distribucin de tres parmetros, segn indica Meja
(1999).
La funcin densidad de probabilidades de la
distribucin Pearson Tipo III, est definida por la
siguiente ecuacin:
a -1

f (x ) =

(x - x0)

- (x - x0 )
b

e
b G(a )
a

(28)

Modelo probabilstico y regional de las descargas

Para:

X0 x < ;
- < x0 <
0<b <
0 <a <

(29)

La funcin de distribucin acumulada est dada por

la siguiente ecuacin:

F (x ) =

a -1

(x - x0)

- (x - x0 )
b

e
a
b G(a )

x0

dx

Daz A.

de la muestra.
Resolviendo las ecuaciones (34), (35) y (36) se
obtiene:
4
(37)
a=

g2
gS
b=
2

(38)

x0 = x - 2S
g

(39)

(30)

Donde:

x = variable aleatoria
x0 = origen de la variable x, parmetro de posicin

El valor de x
ajustado al modelo de Pearson Tipo III
para una probabilidad determinada se halla
mediante la siguiente ecuacin:
(40)
x = Y b + x0

(valor inicial)

b = parmetro de escala
a = parmetro de forma
Haciendo cambio de variable se tiene:
( x - x0 )

Y=

(31)

Reemplazando la ecuacin (31) en (28) se obtiene:

a -1 -Y
(32)
f ( y) = Y e

b G (a )

La funcin de distribucin acumulada est dada por

la siguiente ecuacin:
a -1 - y
Y
(33)
F ( y) = Y e dy

G (a )

La ecuacin (33) tiene parmetro a cuya variable

tiene origen en Y = 0, en x= x0 .
La ecuacin (33) es igual a la ecuacin (23) lo cual
se resuelve usando tablas o mediante mtodos
numricos. Daz (2010) presenta ejemplos de
solucin numrica. La solucin de la ecuacin (33)
permite encontrar el valor de Y para diferentes
valores de F(y).
Los parmetros de la distribucin Pearson Tipo III
estimados por el mtodo de momentos son (Villn
2002).
x = x o + ba
(34)
2
2
S =b a
(35)

Cs = g =

2
a

(36)

Donde:
x = promedio de la muestra
S2 = variancia de la muestra=gcoeficiente de sesgo

Distribucin Gumbel
Varas y Bois (1998) sostienen que es tambin
conocido con el nombre de distribucin de valores
extremos tipo I. Este modelo representa la
distribucin lmite del mayor valor de n valores xi,
independientes e idnticamente distribuidos con
una distribucin de tipo exponencial a medida que n
crece indefinidamente. Este modelo probabilstico
es de la distribucin de valores extremos, de tipo
doblemente exponencial. La funcin de densidad se
expresa matemticamente por:
x-b
x-b

a - e a

1 f (x ) = e
a

x-b
- a
-e

x-b
a

1 f (x ) = e
a

(41)
(42)

Donde:
x = variable aleatoria
b, a = parmetro de la distribucin de valores
extremos Tipo I o doblemente exponencial.

- < x <
0 < a < = parmetro de escala
- < b < = parmetro de posicin, llamado
moda.
Haciendo cambio de variable se tiene:

-b
w = xa
dx = adw
f (w) = 1 e-w-e

(43)
(44)
-w

Rev. Aporte Santiaguino 2011; 4(2): 135-144. ISSN 2070-836X

(45)

139

Modelo probabilstico y regional de las descargas

Daz A.

La funcin de distribucin acumulada se obtiene

integrando la ecuacin (45)
w
-w
-w w
-w
F (w) = P(X x ) = e -e dw = e -e = e -e (46)

1. Estableciendo celdas (intervalos de clase) de

igual tamao, en las que las frecuencias
esperadas (frecuencia terica) de cada una
(intervalo de clase) son en general diferentes.
2. Otra manera de realizar la prueba de bondad de
ajuste de chi-cuadrado es estableciendo que cada
celda (intervalo de clase) tenga la misma
frecuencia esperada (frecuencia terica); en este
caso los tamaos del intervalo de clase son
diferentes. El procedimiento para realizar la
prueba de bondad de ajuste de chi-cuadrado con
celdas con igual frecuencia esperada es:
a. Dividir la serie de datos en k celdas
(intervalos de clase), de preferencia se debe
escoger k 5. El tamao de la serie histrica
viene a ser el tamao de la muestra.
b. Calcular la probabilidad esperada de cada
intervalo de clase mediante la siguiente
ecuacin:
(50)
Pi = 1
k

Los estimadores de los parmetros de la

distribucin Gumbel obtenidos mediante el mtodo
de momentos son:
b = x - 0.45 sx
(47)
a = 0.78 s
(48)
Donde:
x = promedio de la muestra
sx = desviacin estndar de la muestra
El valor de x ajustado al modelo Gumbel para una
probabilidad determinada se halla mediante la
siguiente ecuacin (ecuacin obtenida de 43):
(49)
x = b + aw
Definicin del modelo probabilstico adecuado
en el estudio de crecidas
Para la definicin del modelo probabilstico
adecuado para el estudio de las descargas mximas
instantneas existen varias pruebas de bondad de
ajuste como las pruebas grficas y estadsticas.
Estas pruebas 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 a partir de los datos
muestrales.Villn (2002 ).
En cada estacin hidrogrfica se hace la prueba. En
el mtodo estadstico existen dos alternativas: la
prueba de bondad de ajuste de chi-cuadrado y la
prueba de Kolmogorov Smirnov. En el presente
trabajo se ha empleado el mtodo estadstico de chicuadrado.
Prueba de bondad de ajuste de chi-cuadrado
En el presente estudio se describe este mtodo
porque es el que se ha optado pues se puede
programar de una forma sencilla y por tanto se
simplifica el tiempo del proceso. La prueba de chicuadrado consiste en comparar las frecuencias
observadas y esperadas (frecuencias tericas), con
la finalidad de comparar la bondad de ajuste de la
distribucin emprica a una distribucin terica
conocida. Existen dos maneras de realizar esta
prueba. Daz (2010).
140

Rev. Aporte Santiaguino 2011; 4(2): 135-144. ISSN 2070-836X

c. Calcular la frecuencia esperada (frecuencia

terica), de cada intervalo de clase con la
siguiente ecuacin:
1
(51)
NPi = N
k
Donde:
k = nmero de intervalos de clase o nmero de
celdas.
N = nmero de datos observados (tamao de la
muestra)
d. Identificar el valor de variable ajustada al
modelo X^i para las probabilidades acumuladas,
de la relacin siguiente:
^
Xi
^

(52)

F (x ) = Pi = P X X i = f (x ) dx

e.

f.

Calcular la frecuencia observada (Ni). La

frecuencia observada es el nmero de datos que
^
est comprendido entre dos valores de Xi
encontrados en el paso anterior.
Calcular el chi-cuadrado calculado mediante la
siguiente ecuacin:
m

X c2 =
i =1

(N i - NPi )2
NPi

(53)

Modelo probabilstico y regional de las descargas

Daz A.

Criterio de decisin
Para definir el modelo probabilstico adecuado para
los datos observados, es necesario comparar el chicuadrado calculado con los valores de chi-cuadrado
tabular. El chi-cuadrado tabular se calcula de la
distribucin chi-cuadrado a partir de las tablas. Para
2
calcular el valor de chi-cuadrado tabular Xt es
necesario definir los siguientes criterios:
a. Calcular los grados de libertad (v), con la
siguiente ecuacin:
V = k - h -1
(54)
Donde:
V = grados de libertad
h = nmero de parmetros del modelo
k = nmero de intervalos de clase o celdas

ocurrencia en ser igualado o excedido a un valor

determinado de un evento en cualquier variable
hidrolgica es el inverso de su periodo de retorno, lo
cual matemticamente se representa mediante la
siguiente ecuacin:
(57)
P(X xt ) = 1

b. Asumir el nivel de significacin de la prueba

estadstica. Generalmente se asume a= 0.05.
Con el nivel de significacin asumido y grados
2
de libertad se encuentra el valor de Xt en la tabla
2
de distribucin de X .
c. Establecer el criterio de aceptacin del ajuste. La
aceptacin del ajuste depende de:
Si X c2 X 02.05 , se afirma que el modelo probabilstico
es adecuado para explicar el comportamiento de los
datos muestrales.
Si X c2 > X 02.05, se afirma que el modelo probabilstico
no es adecuado para explicar el comportamiento de
los datos muestrales.
Tiempo de retorno
Es el tiempo promedio en aos entre eventos o
sucesos que igualan o exceden a una magnitud dada,
a este tiempo promedio se denomina tiempo o
periodo de retorno.
Relacin entre el tiempo de retorno y la
probabilidad
Sea X una variable aleatoria. La probabilidad de
igualar o exceder a un valor determinado xt puede
expresarse matemticamente mediante la siguiente
expresin.
(55)
p = P(X x )
t

E (t ) = T =

1
p

(56)

La ecuacin (56) significa que la probabilidad de

Las ecuaciones de la funcin de distribucin

acumulada F(x), se representan mediante la
siguiente ecuacin:
x
(58)
F (x ) = P(X < x ) = f (x ) dx
-

La ecuacin (58) expresa una probabilidad de que el

suceso no ocurra. En este caso el periodo de retorno
(T) se calcula mediante la siguiente expresin:
1
1
1
(59)
T=
=
=
P(x X ) 1 - P(X > x ) 1 - F (x )
En la ingeniera los diseos se hacen para soportar
los eventos mximos, es decir, que un determinado
evento no sea superado en un periodo de retorno
determinado; por lo tanto los diseos se realizan
para periodos de retorno dados por la ecuacin (59).
Es decir los valores de F(x), se estiman para un
tiempo de retorno dado mediante la siguiente
ecuacin:
(60)
F (x ) = 1- 1

Modelo regional para las descargas mximas

instantneas anuales
Para la estimacin de una avenida mxima se
dispone de variadsimos mtodos de clculo, los
mismos que pueden ser agrupados en trminos
generales en orden de importancia creciente
(garanta), como sigue. Prez Morales, GB et al.
(2009):Mtodos empricos, mtodos histricos,
mtodos de Correlacin hidrolgica de Cuencas y
mtodos Estadsticos o Probabilsticos.
El modelo regional para las descargas mximas
instantneas anuales en el presente caso se estima
mediante frmulas empricas. Este mtodo es ms
antiguo y consiste en establecer una relacin
funcional entre la magnitud de una creciente y una o
ms variables de las que depende. Crochn, (1983).
El inconveniente principal que presentan los
resultados obtenidos de la aplicacin de las
frmulas empricas, deriva del hecho de que stas se
estn utilizando en cuencas distintas a aquellas en
las que fueron deducidas, por lo que sus coeficientes
deberan ser ajustados, lo cual resulta sumamente
difcil. Sin embargo, debido a la correlacin que
Rev. Aporte Santiaguino 2011; 4(2): 135-144. ISSN 2070-836X

141

Modelo probabilstico y regional de las descargas

Daz A.

existe entre la magnitud de cuenca y el gasto

mximo, los resultados obtenidos con las frmulas
empricas podrn servir para acotar la magnitud de
las Avenidas de Proyecto. Las frmulas empricas
pueden ser clasificadas en dos grandes grupos:
Frmulas que incluyen el concepto de probabilidad.
Se consideran las mejores, por ejemplo Gete, Fuller,
Creager, etc. y frmulas que no incluyen el
concepto de probabilidad, como las frmulas
Rynes, Valentini, Myer, Giandoti etc.

anuales correspondientes para diferentes

periodos de retorno (acordes al modelo
probabilstico adecuado) y las descargas
mximas instantneas anuales generadas
mediante el modelo regional.

MATERIALES Y MTODOS
Los materiales usados en el presente trabajo son los
datos de descargas mximas presentados en el
estudio hecho por Electroper-Hidroservice
(1985). En este estudio tambin se presentan las
reas de las cuencas colectoras consideradas en el
estudio.
Procesamiento de la informacin recopilada
a) Procesar la informacin recopilada, buscando
el modelo probabilstico adecuado para el
conjunto de datos de cada estacin de aforo. El
ajuste del modelo con los datos observados se
realiza a travs de la prueba de ajuste de chi cuadrado.
b) Definir modelos que relacionen el promedio de
las descargas mximas instantneas anuales en
funcin del rea de la cuenca.
c) Generar descargas mximas instantneas
anuales con el modelo regional.
d) Comparar las descargas mximas instantneas

Modelo regional de las descargas mximas

instantneas
El modelo regional de las descargas mximas
instantneas anuales se obtiene estimando los
parmetros o constantes de la ecuacin de Fuller.
Parmetros regionales de la ecuacin o del
modelo de Fuller
Encontrar los parmetros del modelo propuesto por
Fuller dados por la siguiente ecuacin:
Qmax.T = Qmax [a + blog. (T)]

(61)

Qmax.T = k + wA

(62)

Donde:

Qmax,T = descarga mxima instantnea anual para el

3
periodo de retorno (T) en m /seg.
QMAX = promedio de las descargas mximas
3
instantneas anuales en m /seg.
log = logaritmo en base 10
T = periodo o tiempo de retorno en aos
a, b, k, w = parmetros de los modelos
A = rea de la cuenca en Km2.

RESULTADOS
Modelo probabilstico adecuado
El modelo probabilstico adecuado como se ha indicado ha sido definido mediante la prueba de bondad de
ajuste de chi-cuadrado, cuyos resultados se muestran en la tabla siguiente.
Tabla 1. Resultados de la prueba de bondad de ajuste de chi-cuadrado
Modelo

Normal

Estacion
Recreta
Pachacoto
Querococha
Olleros
Quilcay
Chancos
Llanganuco
Paron
Colcas
Los cedros
La balsa
Quitaracsa
Manta
Chuquicara
Condorcerro

142

Log

Exponencial

Gumbel

Gamma

Normal

S
S
S
S
S
S
No
S
S
S
S
S
S
S
S

S
S
S
S
S
S
No
S
S
S
S
S
S
S
S

Rev. Aporte Santiaguino 2011; 4(2): 135-144. ISSN 2070-836X

Pearson
Tipo III

No
No
No
No
No
No
No
No
No
No
No
No
No
No
No

S
S
S
S
S
S
S
S
S
S
S
S
S
S
S

No
No
S
S
S
S
S
S
S
S
S
S
S
S
S

No
No
No
S
No
S
S
No
No
No
No
No
No
No
No

Modelo probabilstico y regional de las descargas

Daz A.

Modelo regional para las descargas mximas

Estimacin de parmetros del modelo de Fuller
Siguiendo la metodologa descrita los parmetros
estimados de la ecuacin de Fuller son:

Qmax = promedio de las descargas mximas

3
instantneas anuales en m

-11

Qmax.T = Qmax (0.84622 + 0.6540LogT +1.0886 x 10 A ) (63)

Qmax = - 6.5796 + 0.1748A - 1.012x10-4A2+6.882x10-19A3 (64)

Donde:

3
Qmax.T = descarga mxima instantnea anual en m
s

A = rea de la cuenca en Km2

T = periodo de retorno en aos.
La ecuacin (64) se ha obtenido utilizando los datos
que se muestran en la siguiente tabla. En esta tabla se
presentan las descargas mximas proyectadas
mediante la ecuacin (64).

para un periodo de retorno de T aos.

Tabla 2. Caudales promedios de las mximas intantantneas observadas y estimadas
Estacion

Subcuenca

Chuquicara
Quitaracsa
Los cedros
Colcas
Parn
Llanganuco
Chancos
Querococha
Pachacoto
Recreta
Manta
Olleros
Quillcay

Tablachaca
Quitaracsa
Los cedros
Colcas
Parn
Llanganuco
Qda. Honda
Querococha
Pachacoto
Santa
Manta
Olleros
Quillcay

Area (km2) a
3192
383
112
226
53.3
89.4
210
62.7
198
289.5
543
175
249

QPROM MAX OBS

M3 /S
248.33
56.60
11.63
21.39
2.92
6.57
36.24
7.68
28.28
28.22
55.49
11.63
28.42

QPRO MAX EST M3/S

248.3
45.5
11.7
27.8
2.5
8.2
25.7
4.0
24.1
35.5
58.5
20.9
30.7

Los caudales mximos instantneos observados y generados mediante la ecuacin (64) para diferentes
periodos de retorno se muestran en la figura 1

Figura 1. Caudales mximos instatneos anuales observados y estimados para diferentes periodos de retorno

Rev. Aporte Santiaguino 2011; 4(2): 135-144. ISSN 2070-836X

143

Modelo probabilstico y regional de las descargas

DISCUSIN
Del anlisis estadstico de los datos de las descargas
mximas instantneas anuales se asume que el
modelo probabilstico adecuado es el modelo
Gumbel (en la cuenca del ro Santa).
En la tabla 2 y en la figura 1 se observa la validez del
modelo porque se observa la aproximacin entre las
descargas mximas instantneas observadas y las
descargas mximas instantneas generadas.
Para generar las descargas mximas instantneas en
cualquier punto de la cuenca del ro Santa se debe
usar la ecuacin (63), para lo cual es necesario
asumir el periodo de retorno de diseo y conocer el
rea de la cuenca.
CONCLUSIONES
1. El modelo probabilstico de Gumbel es el
modelo adecuado para explicar el
comportamiento de las descargas mximas
instantneas anuales de la cuenca del ro Santa.
2. El modelo regional modificado de Fuller
permite hallar las descargas mximas
instantneas anuales en cualquier punto de la
cuenca del ro Santa, para un periodo de retorno
fijado por el proyectista.
3. El modelo regional de Fuller es aplicado para
cuencas con reas comprendidas entre 53 Km2 y
3192 Km2 y para periodo de retorno de 100 aos
como mximo.
4. Para estimar las descargas mximas anuales en
la cuenca del ro Santa es necesario conocer slo
el rea de la cuenca y fijar el periodo de retorno
de diseo.

144

Rev. Aporte Santiaguino 2011; 4(2): 135-144. ISSN 2070-836X

Daz A.

REFERENCIAS BIBLIOGRFICAS
Crochn, Sviatoslav. 1983. Diseo Hidrulico, EC,
2 ed. S.l. S.e.
Daz Salas, Abelardo Manrique. 2010. Estadstica y
Probalidad en la Hidrologa (Diseo Hidrolgico).
Lima, PE, Asamblea Nacional de Rectores.
Electroper - Hidroservice. 1985. Estudio Integral
para el Aprovechamiento de la cuenca del ro Santa.
Lima, PE, Se. anexo G..
Meja Marcacuzco, Jess Abel. 1999. Anlisis de
Mximas Avenidas. Universidad Nacional Agraria
La Molina. Publidrat. Lima, PE. S.e.
Monsalve Senz, Germn. 1995. Hidrologa en la
Ingeniera. Santa Fe de Bogot, CO. Tercer Mundo
Editores.
Prez Morales, GB y Rodrguez Castro, A. 2009.
H i d r o l o g a
S u p e r f i c i a l
http://www.fic.umich.mx/~bperez/HIDROLOGIA
-SUPERF.pdf.
Varas C. Eduardo y Philippe Bois. (1998).
Hidrologa Probabilstica. CL. Universidad
Catlica de Chile.
VenTeChow; David R. Maidment y Larry W. Ways
1994. Hidrologa Aplicada. Santa Fe de Bogot,
CO.McGraw-Hill Interamericana.
Villn Bjar, Mximo. 2002. Hidrologa 2da ed.
Lima, PE. Villn.
Correspondencia:
Abelardo Daz Salas
abelardo_mad@hotmail.com