Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
135
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
Daz A.
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
Daz A.
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)
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
(8)
c=
(9)
(12)
-Ln [1-F(x)]
(14)
137
Daz A.
0, x 0
2
3
F (x ) = x 1 x 1 x
1 - 1 + b + 2! b + 3! b + L
(21)
-x
a -1
xa -1e b
f (x ) = a
b G(a )
x0
para a > 0
(18)
F (x ) =
-x
b
x e
dx
b a G(a )
(20)
Y= x
b
(22)
G (y ) =
Y a -1e -Y
dy
G(a )
(23)
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
(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)!
X = E (x ) = ab
S 2 = b 2a
(27)
f (x ) =
(x - x0)
- (x - x0 )
b
e
b G(a )
a
(28)
X0 x < ;
- < x0 <
0<b <
0 <a <
(29)
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)
b G (a )
G (a )
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
(45)
139
Daz A.
(52)
F (x ) = Pi = P X X i = f (x ) dx
e.
f.
X c2 =
i =1
(N i - NPi )2
NPi
(53)
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
E (t ) = T =
1
p
(56)
141
Daz A.
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
(61)
Qmax.T = k + wA
(62)
Donde:
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
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
Daz A.
-11
Donde:
3
Qmax.T = descarga mxima instantnea anual en m
s
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
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
143
144
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