Está en la página 1de 23

INTRODUCCIN

DISTRIBUCION GUMBEL
Una familia importante de distribuciones usadas en el anlisis de
frecuencia hidrolgico es la distribucin general de valores
extremos, la cual ha sido ampliamente utilizada para representar el
comportamiento de crecientes y sequas (mximos y mnimos).
Funcin de densidad:

En donde a y b son los parmetros de la distribucin.


Estimacin de parmetros

donde
son la media y la desviacin estndar estimadas
con la muestra.
Factor de frecuencia:

Donde Tr es el periodo de retorno. Para la distribucin Gumbel se


tiene que el caudal para un perodo de retorno de 2.33 aos es
igual a la media de los caudales mximos.
Lmites de confianza

KT es el factor de frecuencia y t (1-a) es la variable normal


estandarizada para una probabilidad de no excedencia de 1-a.

Log-Pearson Tipo III Distribucin


La distribucin Log-Pearson Tipo III es una tcnica estadstica
para los datos de distribucin de frecuencias de ajuste para
predecir la inundacin de diseo para un ro en algn sitio. Una
vez que la informacin estadstica se calcula para el sitio de ro,
una distribucin de frecuencias se puede construir. Las
probabilidades de inundaciones de varios tamaos pueden ser
extrados de la curva. La ventaja de esta tcnica en particular es
que la extrapolacin se puede hacer de los valores para eventos
con perodos de retorno ms all de los eventos de inundacin
observados. Esta tcnica es la tcnica estndar utilizado por
agencias federales en los Estados Unidos.
Cmo se calcula?
La distribucin Log-Pearson Tipo III se calcula utilizando la
ecuacin general:

donde x es el valor de descarga inundacin de cierta


probabilidad especificada,
es el promedio de los log
x valores de descarga, K es un factor de frecuencia, y es la
desviacin estndar de los x registro de valores. El factor de
frecuencia K es una funcin del coeficiente y el perodo de
retorno de asimetra y se puede encontrar utilizando la tabla de
factores de frecuencia. Las magnitudes de inundacin para los
diferentes periodos de retorno se encuentran resolviendo la
ecuacin general. La media, la varianza y la desviacin estndar
de los datos se pueden calcular utilizando las dos frmulas
siguientes.

DARWIN PAUL TONATO PAZ

y
o
A continuacin, el coeficiente de asimetra C
calcular como sigue:

se puede

donde n es el nmero de entradas, x la inundacin de cierta


probabilidad especificada y
es la desviacin
estndar. Funciones de Excel tambin se pueden utilizar para
calcular la varianza (= VAR ()), la desviacin estndar (= STDEV
()), y coeficiente de asimetra (= SKEW ()).
La estimacin de la asimetra (C

s) calcula utilizando la ecuacin anterior se llama la

estimacin de la estacin, lo que significa que la estimacin incorpora los valores de datos slo de la estacin de
medicin de inters.

Error y sesgo en la estimacin de aumento asimetra como el


nmero de observaciones (n)
disminuye. El "mtodo Boletn 17B" recomendado por el
Comit Consultivo Interinstitucional de Datos sobre el Agua
(IACWD) utiliza una estimacin generalizada del coeficiente de
asimetra, C w (slo para datos de flujo pico instantneos),
basado en la ecuacin:
C

= WC s + (1-W) C

donde W es un factor de ponderacin, C s es el coeficiente de


asimetra calculada utilizando los datos de la muestra, y C m es

DARWIN PAUL TONATO PAZ

una asimetra regional, que se determina a partir de


un mapa.
El factor de ponderacin W se calcula para minimizar la varianza
de C w, donde

Determinacin de W requiere el conocimiento de varianza de


C m [V (C m)] y la varianza de C s [V (C s)]. V (C m) se ha estimado a partir del mapa de
coeficientes de sesgo para los Estados Unidos como 0.302 (IACWD, 1982). Esto simplifica el
denominador de la ecuacin anterior por sustitucin de 0,302
para V (C m).
La varianza de la estacin de sesgar C s para acceder Pearson
tipo 3 variables aleatorias pueden obtenerse a partir de los
resultados de los experimentos de Monte Carlo por Wallis et
al. (1974). Ellos mostraron que

dnde
A
A
B
B

=
=
=
=

-0,33 + 0,08 | C s | si | C s | 0.90 o


-0.52 + 0.30 | C s | si | C s | > 0.90,
0,94 a 0,26 | C s | si | C s | 1.50 o
0,55 si | C s | > 1.50

en el que | C s | es el valor absoluto de la estacin de inclinacin


(utilizado como una estimacin del sesgo poblacin) y n es la
longitud de registro en aos.
El coeficiente K es entonces encontrar utilizando valores
tabulados de acuerdo a C w y el perodo de retorno para cada
descarga.

DARWIN PAUL TONATO PAZ

DARWIN PAUL TONATO PAZ

INTRODUCTION
GUMBEL DISTRIBUTION
An important family of distributions used in hydrological frequency
analysis is the general extreme values distribution, which has been
widely used to represent the behavior of floods and droughts
(maximum and minimum).
DENSITY FUNCTION:
Where a and b are parameters of the distribution.

ESTIMATION OF PARAMETERS.

Where

are the average and standard deviation

FREQUENCY FACTOR:

Where is Tr the return period. For distribution Gumbel has to flow


rate for a period of return of 2.33 years is equal to the average of
the maximum flows.
CONFIDENCE LIMITS

KT is the frequency factor and t(1-a) ) is the normal variable


standardized to a probability of no exceedance of 1-a.

DARWIN PAUL TONATO PAZ

What is it?
The Log-Pearson Type III distribution is a statistical technique for
fitting frequency distribution data to predict the design flood for a
river at some site. Once the statistical information is calculated
for the river site, a frequency distribution can be constructed.
The probabilities of floods of various sizes can be extracted from
the curve. The advantage of this particular technique is that
extrapolation can be made of the values for events with return
periods well beyond the observed flood events. This technique is
the standard technique used by Federal Agencies in the United
States.
How is it calculated?
The Log-Pearson Type III distribution is calculated using the
general equation:

where x is the flood discharge value of some specified


probability,
is the average of the log x discharge values, K is
a frequency factor, and is the standard deviation of the log
x values. The frequency factor K is a function of the skewness
coefficient and return period and can be found using
thefrequency factor table. The flood magnitudes for the
various return periods are found by solving the general equation.
The mean, variance, and standard deviation of the data can be
calculated using the two formulas below.

DARWIN PAUL TONATO PAZ

and
or
Next, the skewness coefficient Cs can be calculated as follows:

where n is the number of entries, x the flood of some specified


probability and
is the standard deviation. Excel functions
can also be used to calculate the variance (=VAR( ) ), standard
deviation (=STDEV( ) ), and skewness coefficient (=SKEW( ) ).
The skewness estimate (Cs) computed using the equation above
is called the station estimate, meaning that the estimate
incorporates data values only from the gaging station of interest.
Error and bias in the skewness estimate increase as the number
of observations (n) decreases. The Bulletin 17B method
recommended by the Interagency Advisory Committee on Water
Data (IACWD) uses a generalized estimate of the coefficient of
skewness, Cw (for instantaneous peak flow data only), based on
the equation:
Cw = WCs + (1-W)Cm
where W is a weighting factor, C s is the coefficient of skewness
computed using the sample data, and Cm is a regional
skewness, which is determined from a map.
The weighting factor W is calculated to minimize the variance of
Cw, where

DARWIN PAUL TONATO PAZ

Determination of W requires knowledge of variance of C m [V(Cm)]


and variance of Cs[V(Cs)]. V(Cm) has been estimated from the
map of skew coefficients for the United States as 0.302 (IACWD,
1982). This simplifies the denominator of the above equation by
substitution of 0.302 for V(Cm).
The variance of the station skew Cs for log Pearson type 3
random variables can be obtained from the results of Monte
Carlo experiments by Wallis et al. (1974). They showed that

where
A
A
B
B=

=
-0.33
+
0.08
=
-0.52
+
0.30
=
0.94
0.26
0.55 if | C s | > 1.50

|
|
|

C s|
if |
Cs |
C s | if |
Cs|
C s | if |
Cs|

0.90
or
>
0.90,
1.50
or

in which | C s | is the absolute value of the station skew (used as


an estimate of population skew) and n is the record length in
years.
The
coefficient K is
then found
using
tabulated
values according to Cw and the return period for each discharge.

DARWIN PAUL TONATO PAZ

1. OBJETIVOS
1.1.
Objetivo General
Determinar el caudal mximo probable.

1.2.

Objetivos Especficos:
Determinar y graficar la curva de persistencia para los
periodos de retorno 2, 5, 10,2 5, 50, 100, 200 aos.
Comparar los mtodos de obtencin de caudales
mximos probables; mtodo de Gumbel y Log Pearson
Tipo III.

DARWIN PAUL TONATO PAZ

2. DESARROLLO
Los datos hidrogrficos
instalada en el rio Pilatn

de

estacin

UNIVERSIDAD TCNICA DE
AMBATO
FACULTAD DE INGENIERA
CIVIL Y MECNICA
DISEO HIDRAULICO
NOMBRE: TONATO PAZ
DARWIN PAL
SEMESTRE: 7 A
TABLA N 1
DATOS HIDROGRAFICOS RIO
PILATON
AO

QMAX

1964

93,952

1965

142,782

1966

95,749

1967

120,514

1968

74,694

1969

102,497

1970

117,392

1971

166,808

1972

106,126

1973

127,383

DARWIN PAUL TONATO PAZ

(QiQ)

7,060313
27
2650,924
04
19,83922
95
853,7572
66
275,5890
51
125,4876
05
681,0599
33
5702,232
05
219,9622
69
1302,352
77

hidrogrfica

1974

114,246

1975

145,418

1976

125,626

1977

83,913

1978

110,741

1979

92,235

1980

94,978

1981

122,437

1982

93,99

1983

105,28

1984

129,364

1986

22,144

1987

21,004

1988

18,593

1989

30,447

1990

50,552

1991

20,038

1992

267,792

1993

30,619

1994

30,104

DARWIN PAUL TONATO PAZ

526,7541
39
2929,312
66
1178,626
14
54,49207
85
378,1517
78
0,883835
02
13,56540
98
969,8319
5
7,263698
77
195,5837
21
1449,258
28
4781,843
51
4940,807
11
5285,562
63
3702,463
89
1659,981
86
5077,542
23
31151,23
51
3681,561
81
3744,323

1995

58,223

1996

13,874

1997

93,548

1998

105,37

2000

132,895

2001

77,727

2002

88,246

2003

74,508

2004

76,468

2005

73,518
=3651,7
95

2.1.

18
1093,748
92
5993,991
89
5,076572
27
198,1091
44
1730,570
4
184,0872
32
9,295638
77
281,7991
72
219,8362
22
316,0172
85
=93599,
842

MTODO DE GUMBEL
DATOS:

Q=91,29
m3 /s
n

( QiQ ) =93599,84
i=1

DARWIN PAUL TONATO PAZ

n=40

T =2

aos

FRMULAS A EMPLEAR:
S Q ( y y )
Qmx p =Q+
y

S Q=

( QiQ )

( ( ))

y =ln ln

T
T 1

i=1

(n1)

DESVIACION ESTANDAR:
S Q=

93599,84
(401)

S Q=48,99

2
(
( 21 ))

y =ln ln

y =0,36 6

Qmx p =91,29+

48,99
( 0.3660,54362 )
1,14131

Qmx p =83,66

m3
s

Calcular el parmetro reducido en funcin del periodo de retorno


y

DATOS:
T
y%

2
0.37

5
1.50

10
2.25

T =5

DARWIN PAUL TONATO PAZ

25
3.20

aos

50
3.90

100
4.60

200
5.30

( ( ))

y =ln ln

5
51

y =1,5

Calcular el caudal probable extremo para un periodo de retorno


Qmax p

Qmaxp =Q+

SQ
( y y )
y

Qmaxp =91,29+

48.99
( 1,500,54362 )
1,14131
Qmaxp =132,34

T
y%
Qmaxp

2
0.37
83.69

5
1.50
132.34

DARWIN PAUL TONATO PAZ

10
2.25
164.56

25
3.20
205.25

50
3.90
235.45

100
4.60
265.42

200
5.30
295.28

OBTENER LA CURVA DE PERSISTENCIA APLICANDO EL


MTODO DE GUMBEL PARA LOS SIGUIENTES PERIODOS DE
RETORNO
T
(aos)
200
100
50
25
10
5
2

Q (m^3/s)
295,02
265,41
235,36
205,31
164,54
132,34
83,66

Mtodo de Gumbel
350
300

295.02

250
200
Caudal mximo probable (m3/s)

150
100
50
0
0

25
50

75 125 175 225


100 150 200

Perodo de retorno (T aos)

2.2.
APLICAR EL MTODO DE LOG PEARSON TIPO III
PROCESO;

DARWIN PAUL TONATO PAZ

1. Ordenar de forma descendente los caudales mximos.


2. Calcular el logaritmo (base 10) de cada uno de los caudales y
obtener el promedio.
2

3. Calcular ( log Q logQ ) y obtener la sumatoria.


3

4. Calcular ( log Q logQ ) y obtener la sumatoria.

5. Calcular el perodo de retorno T=[(n+1)/m].


6. Calcular la probabilidad de ocurrencia (1/T).

DARWIN PAUL TONATO PAZ

O
OL
CO

UNIVERSIDAD TCNICA DE AMBATO


FACULTAD DE INGENIERA CIVIL Y MECNICA
DISEO HIDRAULICO
NOMBRE: TONATO PAZ DARWIN PAL
SEMESTRE: 7 A
TABLA N 2
3

m3 RAN
Qm x p
s GO

( )

AOS
(ORDEN
ADOS)

( )

m
Qm x p
s

(ORDENA
DOS DE
> a <)

93.952

1992

267.792

142.782

1971

166.808

95.749

1975

145.418

120.514

1965

142.782

74.694

2000

132.895

102.497

1984

129.364

117.392

1973

127.383

166.808

1976

125.626

106.126

1981

122.437

127.383

10

1967

120.514

114.246

11

1970

117.392

145.418

12

1974

114.246

125.626

13

1978

110.741

DARWIN PAUL TONATO PAZ

log 10 Q

2.42
8
2.22
2
2.16
3
2.15
5
2.12
4
2.11
2
2.10
5
2.09
9
2.08
8
2.08
1
2.07
0
2.05
8
2.04
4

)
( log Q logQ

) T=[(n+
( log Q logQ
3

1)/m]

Probab
de
ocurre
(1/T

0.299

0.164

41.000

0.02

0.117

0.040

20.500

0.04

0.080

0.022

13.667

0.07

0.075

0.021

10.250

0.09

0.059

0.014

8.200

0.12

0.053

0.012

6.833

0.14

0.050

0.011

5.857

0.17

0.048

0.010

5.125

0.19

0.043

0.009

4.556

0.22

0.040

0.008

4.100

0.24

0.036

0.007

3.727

0.26

0.031

0.006

3.417

0.29

0.027

0.004

3.154

0.31

83.913

14

1972

106.126

110.741

15

1998

105.37

92.235

16

1983

105.28

94.978

17

1969

102.497

122.437

18

1966

95.749

93.99

19

1980

94.978

105.28

20

1982

93.99

129.364

21

1964

93.952

22.144

22

1997

93.548

21.004

23

1979

92.235

18.593

24

2002

88.246

30.447

25

1977

83.913

50.552

26

2001

77.727

20.038

27

2004

76.468

267.792

28

1968

74.694

30.619

29

2003

74.508

30.104

30

2005

73.518

58.223

31

1995

58.223

13.874

32

1990

50.552

93.548

33

1993

30.619

DARWIN PAUL TONATO PAZ

2.02
6
2.02
3
2.02
2
2.01
1
1.98
1
1.97
8
1.97
3
1.97
3
1.97
1
1.96
5
1.94
6
1.92
4
1.89
1
1.88
3
1.87
3
1.87
2
1.86
6
1.76
5
1.70
4
1.48

0.021

0.003

2.929

0.34

0.020

0.003

2.733

0.36

0.020

0.003

2.563

0.39

0.017

0.002

2.412

0.41

0.010

0.001

2.278

0.43

0.009

0.001

2.158

0.46

0.009

0.001

2.050

0.48

0.009

0.001

1.952

0.51

0.008

0.001

1.864

0.53

0.007

0.001

1.783

0.56

0.004

0.000

1.708

0.58

0.002

0.000

1.640

0.61

0.000

0.000

1.577

0.63

0.000

0.000

1.519

0.65

0.000

0.000

1.464

0.68

0.000

0.000

1.414

0.70

0.000

0.000

1.367

0.73

0.013

-0.002

1.323

0.75

0.031

-0.006

1.281

0.78

0.156

-0.061

1.242

0.80

105.37

34

1989

30.447

132.895

35

1994

30.104

77.727

36

1986

22.144

88.246

37

1987

21.004

74.508

38

1991

20.038

76.468

39

1988

18.593

73.518

40

1996

13.874

7. Calcular la varianza=

6
1.48
4
1.47
9
1.34
5
1.32
2
1.30
2
1.26
9
1.14
2
PRO
MED
IO
1.88
1

logQ
n1

0.158

-0.063

1.206

0.82

0.162

-0.065

1.171

0.85

0.287

-0.153

1.139

0.87

0.312

-0.174

1.108

0.90

0.335

-0.194

1.079

0.92

0.374

-0.228

1.051

0.95

0.545

-0.403

1.025

0.97

3.467

-1.003

8. Calcular la S varianza

9. Calcular el coeficiente de sesgo

Varianza
Desviacin
estndar
Coeficiente de
sesgo

DARWIN PAUL TONATO PAZ

Q logQ
log 3

n
Cs=

0.088894
384
0.2981516
13
1.0215364
15

10.
Determinar los valores K para Cs= -1,02 mediante
interpolacin.
11.

Prom+[ K ( 1,021 )Desv . Estnd]


Calcular el valor del caudal Q=10

TABLA DE RESULTADOS MEDIANTE LOG PEARSON TIPO III:

Tr
2
5
10
25
50
100
200

UNIVERSIDAD TCNICA DE AMBATO


FACULTAD DE INGENIERA CIVIL Y MECNICA
DISEO HIDRAULICO
NOMBRE: TONATO PAZ DARWIN PAL
TABLA N 3
K(K((K(-1,0)-K(-1,1))/
K(-1,1)
1,021
Q
1,0)
(-1,0-(-1,1))
)
0.167
0.164
0.180
-0.16
85.21
4
0.851 136.2
0.852
0.848
0.04
1
5
1.123 164.2
1.128
1.107
0.21
5
7
1.357 192.8
1.366
1.324
0.42
0
2
1.479 209.7
1.492
1.435
0.57
7
8
1.572 223.6
1.588
1.518
0.70
9
4
1.646 235.1
1.664
1.581
0.83
1
7

DARWIN PAUL TONATO PAZ

Mtodo Log Pearson Tipo III


235.17

Caudal (m3/s)

25

50

75 100 125 150 175 200 225

Perodo de retorno (Tr)

3. ANLISIS COMPARATIVO
Realizado el procedimiento adecuado para cada uno de los
mtodos se pudo obtener la siguiente tabla comparativa:
UNIVERSIDAD TCNICA DE AMBATO
FACULTAD DE INGENIERA CIVIL Y MECNICA
DISEO HIDRAULICO
NOMBRE: TONATO PAZ DARWIN PAL
TABLA N 4
LOG PEARSON TIPO
GUMBEL
III
Tr
2
5
10
25
50
100
200

DARWIN PAUL TONATO PAZ

m3
s

( )

85,21
136,25
164,27
192,82
209,78
223,64
235,17

m3
s

( )

83,66
132,34
164,54
205,31
235,36
265,41
295,02

GRFICO COMPARATIVO
295.02
235.17
Pearson Tipo III
Caudal probable (m3/s)

Gumbel

Perodo de retorno (Tr aos)

4. CONCLUSIONES

Una vez concluido el desarrollo para cada uno de los mtodos se


pudo obtener la curva de persistencia y la tabla comparativa de

caudales mximos probables.


Se determin el valor de caudal mximo probable para los
periodos de retorno planteados por el mtodo de GUMBEL y LOG

PEARSON TIPO III


Se determin la curva de persistencia para el mtodo de GUMBEL
y LOG PEARSON TIPO III y se compar la desviacin que cada uno

de los mtodos presenta.


Los valores de la tabla comparativa refleja que la variacin de los
caudales mximos probables se asemejan entre ellos, de lo cual se
puede concluir que los mtodos arrojan resultados confiables.

BIBLIOGRAFA IEEE (citas)

http://www./libros-gratis/2009b/564/DISTRIBUCION%20TEORICA
%20Y%20METODO%20DE%20GUMBEL.htm
http://fluidos.eia.edu.co/hidrologiai/probabilidad/probabilidad.htm

DARWIN PAUL TONATO PAZ