Está en la página 1de 15

V Congreso Internacional de Ingeniera Civil, Universidad Santo Toms Seccional Tunja

APLICACIN DEL MODELO PEARSON WIENER EN LA DINMICA


DE LOS CAUDALES MAXIMOS DIARIOS EN EL RO FONCE EN SAN
GIL (SANTANDER) CON FINES DE PROTECCION CONTRA LA
SOCAVACIN DE PUENTES.
Crdenas Jimnez. Christian Camilo. Ccamilocj112@hotmail.com. Estudiante de
Ingeniera Civil, Universidad Militar Nueva Granada / Facultad de Ingeniera, Grupo
de Investigacin Visin Colombia Hdrica
Rivera. Mara Esther. Correo maes@unipamplona.edu.co, Licenciada en FsicoMatemticas, Ph. D. en Hidrologa, Universidad de Pamplona. Grupo de
Investigaciones Ambientales, Agua, Aire y Suelo
Rivera. Hebert Gonzalo. Correo hidropronostico@yahoo.com. Ingeniero
Hidrlogo, Ph. D. en Hidrologa, Universidad Militar Nueva Granada. Grupo
de Investigacin Visin Colombia Hdrica
(Recibido: 25 de Junio de 2014; Aprobado: 04 de Julio de 2014)

Resumen La incertidumbre en los procesos hidrolgicos se tiene en cuenta tanto en la Hidrologa


estadstica como en la Hidrologa estocstica. La primera promueve el desarrollo y aplicacin de modelos
que laboran con situaciones con incertidumbre (modelos de leyes de distribucin de probabilidades,
modelos de series de tiempo, modelos de lgica difusa, red neuro-difusa, cadena de Markov y los
modelos del tipo Monte Carlo, entre muchos otros) y la segunda promueve y aplica modelos que se
soportan en los conceptos modernos de variable aleatoria construida a partir de espacios de probabilidad,
-lgebras y espacios medibles.
En este trabajo se aborda la unin de la hidrologa estadstica con la estocstica desde el enfoque del
modelo Pearson Wiener, el cual contempla las curvas conocidas de Pearson (desde la I hasta la XII) y
la construccin de espacio de probabilidad con soporte en las sigmas lgebras de Borel. Esta unin
permite apreciar la interpretacin del comportamiento de los caudales mximos anuales en el ro Fonce
(San Gil, Santander). La investigacin cont con el apoyo adicional del Instituto IGAC y Corporacin CAS.
El presente trabajo es el resultado del Proyecto de Investigacin Cientfica de la Universidad Militar
Nueva Granada ING-1544 del ao 2014, el cual se desarrolla junto con la Universidad de Pamplona
(Norte de Santander).Recursos financieros de la Vicerrectora de Investigaciones UMNG.
Palabras claves Sigmas lgebras, Hidrologa estocstica, variable aleatoria, espacios de probabilidad
Abstract-The uncertainty in hydrological processes is taken into account both statistical and stochastic
hydrology. The first promotes the development and application of models that work with situations with
uncertainty (model laws of probability distribution, time series models, models of diffuse logic, neuro-fuzzy
network, Markov chain and Monte Carlo type models among many others) and the second promotes and
applies models that are supported in modern concepts of random variable constructed from probability
spaces, -algebras and measurable spaces.
In this work take into account the union of statistical hydrology and stochastic from the perspective of the
Pearson model - Wiener, which includes curves known Pearson (from I to XII) and the construction of
probability space with support in the Borel sigma algebras? This binding allows you to appreciate the
interpretation of the behavior of the maximum annual flows in the river Fonce (San Gil, Santander). The
research was supported by the IGAC Institute and CAS Corporation.
This work is the result of the Scientific Research Project of New Granada Military University ING-1544 of
2014, which was developed together with the University of Pamplona (Norte de Santander).
Keywords Sigmas algebras, stochastic hydrology, random variable, probability spaces

V Congreso Internacional de Ingeniera Civil, Universidad Santo Toms Seccional Tunja

I. INTRODUCCIN
La rpida transicin entre los dos eventos recientes el Nio y la Nia, han trado consigo
severas oscilaciones climticas, produciendo desbordamientos de ros y sequas,
dejando obsoletas las estructuras de contencin y destruyendo puentes vehiculares en
algunos municipios del pas. La ola invernal ocurrida entre los aos de 2010 y 2011,
produjeron en Colombia un gran impacto, generando inundaciones de grandes reas de
tierras, afectando a un gran nmero de pobladores, en su mayora campesino; adems
de provocar grandes movimientos de tierra, producidos principalmente por el fenmeno
de socavacin, debido a los grandes caudales que transportaron los ros, causando el
colapso de estructuras como puentes vehiculares en mayor proporcin.
Surge incertidumbre en la toma de decisiones respecto al control de los cuerpos
hdricos no slo por estas oscilaciones climticas, sino tambin por cuestiones de ndole
instrumental en las mediciones de sus caractersticas hidrolgicas (grandes porcentajes
de error en las mediciones de variables hidrolgicas, como es el caso de los caudales
mximos en cuyos valores el error puede superar incluso el 60%). En el pas se tiene
experiencia en la emisin de pronsticos de los comportamientos de caudales de los
ros en Colombia desde la dcada de los aos setenta (cuando expertos holandeses
plantearon los primeros modelos para el ro Magdalena); sin embargo, sus xitos son
pocos en los aspectos cuantitativos, debido principalmente a los altos mrgenes de
incertidumbre que conllevan los datos de las variables hidrolgicas que se utilizan en
los modelos. Por otro lado, las evaluaciones de los procesos de la socavacin en
puentes y, en general, en estructuras hidrulicas, es un tema sobre el que no se ha
dicho la ltima palabra, sobre todo en metodologas para determinar la profundidad de
socavacin al presentarse una creciente en tiempo real. Todo ello nos permite aseverar
que existe una gran necesidad en estudiar la incertidumbre en el comportamiento de los
procesos hidrolgicos, sobre todo en las variables de caudales y sedimentos.
En la actualidad se han realizado numerosos estudios sobre el comportamiento diario
de los caudales mximos de ros en Colombia, sin embargo, es importante explorar la
aplicacin de la teora de procesos estocsticos para interpretar su comportamiento y
as lograr prever su dinmica a futuro.
La modelacin hidrolgica vigente para el diseo de obras civiles contempla una serie
de premisas tales como la estacionariedad en la serie estadstica de datos y el
cumplimiento de la propiedad de ergodicidad de la serie. La comprobacin de estas dos
propiedades se suele omitir no slo en las clases de hidrologa en las universidades,
sino adems por los expertos en consultora. En la teora de la hidrologa estocstica se
afirma que el comportamiento de los incrementos de los caudales mximos es no
estacionario y presentan caractersticas de independencia; por ello, el modelo PearsonWiener afirma que los movimientos de los caudales son errticos y es posible lograr su
simulacin mediante la teora de procesos estocsticos.

V Congreso Internacional de Ingeniera Civil, Universidad Santo Toms Seccional Tunja

La investigacin desarrollada por Norbert Wiener y Andrei Kolmogorov, en los aos 20


del siglo XX en trabajos independientes, cre una nueva forma de describir a los
procesos sociales y naturales desde el enfoque probabilstico. Ambos cientficos
unieron los conceptos de la teora de la topologa con la teora de probabilidades. De
esta unin conceptual surge el espacio de probabilidad: la probabilidad P es una
medida definida en un espacio medible, el cual se conforma por el espacio muestral y
por una -algebra de Borel . Precisamente estos tres conceptos modernos de la teora
moderna de probabilidades son los que diferencian los alcances prcticos de la
Hidrologa Estocstica en comparacin con los que ha brindado tradicionalmente la
Hidrologa Estadstica (conocida tambin como Hidrologa Probabilstica).
Por estas razones es necesario simular el comportamiento de los caudales mximos en
ro Fonce con soporte en la teora moderna de procesos estocsticos. Con ello, se
espera generar alternativas eficientes mediante su aplicacin individualmente o
conjuntamente con la metodologa tradicional o por lo contrario descartar su
aplicabilidad en el tema.
En este trabajo se aborda la unin de la hidrologa estadstica con la estocstica desde
el enfoque del modelo Pearson Wiener, el cual contempla las curvas conocidas de
Pearson (desde la I hasta la XII) y la construccin de un espacio de probabilidad con
soporte en las sigmas lgebras de Borel.
II. DESARROLLO DEL ARTCULO
a. Familia de Curvas Pearson Vs Distribuciones:
En la actualidad se conocen una serie de distribuciones de distribucin de
probabilidades, las cuales fueron desarrolladas por diversos estadsticos e ingenieros.
Algunas de estas son la distribucin Normal, distribucin Log-Normal, distribucin
Exponencial, distribucin Gumbel, distribucin Gamma, distribucin del Valor Extremo
Tipo I y Tipo II, distribucin Beta, distribucin Beta prima, distribucin t-Student, entre
otras.
A pesar del gran impacto y utilidad de estas distribuciones, se sabe (Elderton, 1938)
que el cientfico y matemtico Karl Pearson para el ao de 1895 ya haba propuesto en
su familia de curvas Pearson todas las distribuciones ya mencionadas; sin embargo, su
trabajo fue desconocido por los estadsticos e ingenieros que debieron afrontar los retos
del diseo hidrolgico desde entonces.
La familia de curvas Pearson se representa con un sistema compuesto por doce
familias de distribuciones o histogramas, las cuales son soluciones a la
Ecuacin 1. (Pearson, 1895).

Ecuacin 1.

V Congreso Internacional de Ingeniera Civil, Universidad Santo Toms Seccional Tunja

Para aplicar el modelo estocstico Pearson-Wiener y para demostrar la igualdad de las


distribuciones con la familia de curvas Pearson, fue necesario recopilar informacin
acerca de los caudales mximos anuales del rio Fonce (San Gil, Santander), entre el
periodo de 1955 y 2011. Cabe aclarar que a pesar de que estos caudales corresponden
a caudales mximos anuales, a su vez, son estimaciones de caudales mximos diarios.
Basados en esta premisa, cada caudal mximo anual es un caudal mximo diario
presentado en un mes y ao determinado, los cuales corresponden al periodo de aos
ya mencionado (1955-2011).
Tabla 1. Caudales mximos anuales
Ao

Caudal mximo (Q

1984

554.8

1985

469

1986

594.6

1987

657.5

1955

451

1956

502

1988

814.6

1957

523

1989

598.8

1958

407.5

1990

558.8

1959

615.8

1991

582.1

1960

496

1992

404.2

1961

545.5

1993

567.2

1962

538

1994

569.4

1963

470.5

1995

946.8

1964

292.5

1996

633.3

1965

754

1997

734.2

1966

347.6

1998

689

1967

440.5

1999

641.6

1968

485.5

2000

504.4

1969

553

2001

621.1

1970

758

2002

633.3

1971

650.5

2003

642.2

1972

650.5

2004

713.4

1973

566

2005

713.4

1974

693.7

2006

726.4

1975

608

2007

584.1

1976

521.6

2008

576.9

1977

359.8

2009

858.7

1978

548.7

2010

640.7

1979

688

2011

675.7

1980

449

1981

720

1982

465

1983

485

Fuente 1. Instituto de Hidrologa, Meteorologa y


Estudios Ambientales (IDEAM).

V Congreso Internacional de Ingeniera Civil, Universidad Santo Toms Seccional Tunja

Adems se opt por escoger los caudales mximos anuales del rio Fonce (San Gil,
Santander), con el fin de estimar con mayor grado de seguridad el caudal de diseo al
cual debe estar sujeto el diseo de cualquier estructura que pase cerca o sobre el rio.
Teniendo el caudal de diseo, la estimacin del nivel de socavacin que podra ocurrir
en el lugar tendra un mayor grado de exactitud, permitiendo proteger las cimentaciones
de cualquier puente, en este caso los del puente Rojas Pinilla ubicado sobre el Rio
Fonce (San Gil, Santander). Por otro lado, al obtener una estimacin confiable del nivel
de socavacin, al cual est sometida la cimentacin del puente, reducira en gran
porcentaje el colapso de puentes en nuestro pas.
b. Socavacin en Puentes:
Segn (Muoz, Edgar, 2000), las causas de colapso de puentes en Colombia, basado
en un estudio realizado a 63 puentes, los casos de fallas totales y parciales, el 70% se
producen por fenmenos hidrulicos, tales como socavacin. En Colombia los puentes
que han fallado por este fenmeno, no tuvieron en su etapa de diseo un estudio
hidrolgico e hidrulico, ya que el criterio fundamental de diseo de la cimentacin
obedeci ms a la capacidad portante, que a la socavacin probable. Adems una
estimacin confiable del nivel de socavacin dara valides y confiabilidad a las
metodologas utilizadas por los diseadores y constructores para la estimacin de la
socavacin, debido a que no existe una metodologa unificada para ello. La carencia de
confiabilidad en el clculo del nivel de socavacin se debe su variacin durante el corto
plazo en el cual se produce la degradacin, donde los flujos son inestables y las
caractersticas dinmicas y geomtricas son complejas; la corriente interacta con
mezclas variadas de sedimentos cuyos rangos van desde arenas aluviales hasta
arcillas y rocas meteorizadas; es claro que durante una creciente sus caractersticas
pueden cambiar drsticamente y de manera aleatoria. El problema se complica an
ms a menudo, por la gran variedad de formas, alineamientos y posiciones usadas para
pilas y estribos y por la presencia de desechos flotantes y basuras atrapadas que
cambian la geometra y el patrn de flujo. (Valbuena, 2000)
c. Proceso Wiener:
La aplicacin de la hidrologa estadstica tradicional no es suficiente para describir el
comportamiento de los caudales mximos en el rio Fonce, dado que se trata de un
proceso no estacionario a partir del ao 1980 aproximadamente. En este sentido se
requiere aplicar la teora moderna de probabilidades, la cual est relacionada con los
conceptos de sigmas lgebras, espacios medibles y espacio de probabilidad.
Para el procesamiento de datos se realiz un anlisis de frecuencias, el cual es un
procedimiento que tiene como finalidad estimar la frecuencia de ocurrencia o
probabilidad de ocurrencia de eventos extremos pasados o futuros.
El anlisis tradicional de frecuencias de datos hidrolgicos requiere que los datos sean
homogneos e independientes. La restriccin de homogeneidad asegura que todas las
observaciones provengan de la misma poblacin, es decir que la cuenca hidrogrfica no
se haya modificado con la construccin de estructuras hidrulicas sobre la corriente
principal (por ejemplo, que no haya nuevas estructuras hidrulicas, desviaciones,
5

V Congreso Internacional de Ingeniera Civil, Universidad Santo Toms Seccional Tunja

cambios en el uso de la tierra, etc.), y los datos disponibles sean representativos de


caudales futuros.
Para el estudio, se procesaron los datos mediante la elaboracin de la tabla de
frecuencias y el Test Ji-cuadrado para comprobar la igualdad que existe entre las
funciones de distribucin y la familia de curvas Pearson. Por otro lado por medio del
Test Ji-Cuadrado se calcul la probabilidad para completar el espacio de probabilidad el
cual est compuesto por (, , ).Finalmente utilizando el mtodo Pearson-Wiener se
estim el caudal de diseo para periodos de retorno de 2, 3, 5, 10, 25, 50, 100 y 200
aos para los datos de caudales mximos del Rio Fonce, con el fin de estimar el nivel
de socavacin del puente Rojas Pinilla (San Gil, Santander).
III. CLCULOS
Para seleccionar se elabor la tabla de frecuencias de los caudales mximos del ro
Fonce, con base a 7 intervalos, los cuales fueron calculados por la ecuacin de Sturges.
Seguidamente se obtuvo el histograma, el cual obedece un comportamiento idntico a
una funcin de distribucin Normal o Pearson Tipo V.
Tabla 2. Frecuencias absolutas y relativas

Intervalo

1
2
3
4
5
6.00
7
Total

Lmite
Lmite
inferior superior
292.50
387.99
483.47
578.96
674.44
769.93
865.41

387.99
483.47
578.96
674.44
769.93
865.41
960.90

Frecuencia
absoluta

Frecuencia
Relativa

Frecuencia
absoluta
acumulada

Frecuencia
Relativa
acumulada

3.00
8.00
17.00
15.00
11.00
2.00
1.00
57.00

0.05
0.14
0.30
0.26
0.19
0.04
0.02
1.00

3.00
11.00
28.00
43.00
54.00
56.00
57.00

0.05
0.19
0.49
0.75
0.95
0.98
1.00

Fuente 2. Elaboracin Propia

V Congreso Internacional de Ingeniera Civil, Universidad Santo Toms Seccional Tunja

Grfica. 1. Histograma frecuencia Vs Clases

Fuente 3. Elaboracin Propia

Se estimaron y graficaron las distribuciones Normal,


Log-Normal,
Gamma,
Exponencial, Gumbel, Valor extremo Tipo I Y Tipo II; realizando este ejercicio se
evidencio un comportamiento idntico de las curvas de las distribuciones y familia de
curvas Pearson.
Tabla 3. Resultados distribuciones

Lmite Distribucin
superior
Normal
387.99
0.04
483.47
0.22
578.96
0.52
674.44
0.76
769.93
0.90
865.41
0.97
960.90
0.99

Distribucin
Log-Normal
0.04
0.22
0.52
0.76
0.90
0.97
0.99

Distribucin
Gamma
0.05
0.23
0.51
0.75
0.90
0.97
0.99

Distribucin
Exponencial
0.998
0.998
0.998
0.998
0.998
0.998
0.998

Fuente 4. Elaboracin Propia

Distribucin Distribucin Distribucin


Gumbel
EV-I
EV-II
0.03
0.01
0.00
0.22
0.20
0.07
0.54
0.54
0.48
0.77
0.79
0.78
0.90
0.92
0.90
0.96
0.97
0.96
0.98
0.99
0.98

V Congreso Internacional de Ingeniera Civil, Universidad Santo Toms Seccional Tunja

Grfica. 2. Probabilidad de ocurrencia Vs Caudal

Fuente 5. Elaboracin Propia

En la Tabla 4. Comparacin Distribuciones vs Distribucin Curvas Pearson, se detalla la


igualdad que existe entre la distribucin Normal, Log-Normal, Gamma, Gumbel,
Exponencial, Valor Extremo Tipo I y Valor Extremo Tipo II, con la familia de curvas
Pearson.
Tabla 4. Comparacin Distribuciones vs Distribucin Curvas Pearson

DISTRIBUCION
Normal
Log-Normal
Gamma
Gumbel
Exponencial
Valor Extremo Tipo I
Valor Extremo Tipo II

DITRIBUCION CURVA PEARSON


Tipo I, Tipo III, Tipo IV y Tipo V
Tipo IV y Tipo VI
Tipo III
Tipo III
Tipo III
Tipo III
Tipo III

Fuente 6. Elaboracin propia

V Congreso Internacional de Ingeniera Civil, Universidad Santo Toms Seccional Tunja

Generando las sigmas algebras se estipulo


como un intervalo cerrado
. Posteriormente se genera la sigma lgebra de Borel, comprobando las
siguientes propiedades.

Seguidamente se gener el espacio de probabilidad conformado por (, A) y la medida


de probabilidad P. Para ello se aplic el Test Ji-Cuadrado con el fin de calcular la
probabilidad, para completar el espacio de probabilidad (, , ). Segn Tabla 5. Test
Ji-Cuadrado la distribucin Normal o Tipo V, se ajusta al comportamiento de los
caudales mximos anuales del rio Fonce (San Gil, Santander), por ende las
probabilidades correspondientes a la distribucin Normal sern utilizadas para
completar el espacio de probabilidad.
Tabla 5. Test Ji-Cuadrado

Distribuci Distribucin Distribucin Distribucin Distribucin Distribuci Distribucin


n Normal Log-Normal Pearson III Exponencial
Gumbel
n EV-I
EV-II

Clase
1
2
3
4
5
6
7
X^2
PROMEDIO

X^2
0.02
0.09
0.20
0.06
0.15
0.61
0.12

X^2
0.20
0.56
0.00
0.11
1.11
0.65
0.07

X^2
0.00
0.51
0.10
0.08
0.81
0.76
0.11

X^2
51.11
8497.07
45191.03
41392.72
26184.96
1015.22
297.77

X^2
1.59
0.87
0.05
0.16
2.01
0.52
0.13

X^2
5.89
0.61
0.33
0.04
2.27
0.30
0.02

X^2
29911.24
3.40
1.59
0.23
1.85
0.32
0.06

0.18

0.39

0.34

17518.55

0.76

1.35

4274.10

Fuente 7. Elaboracin Propia

Para finalizar se estim el caudal de diseo mediante la distribucin Normal, LogNormal, Gamma, Gumbel, Exponencial, Valor Extremo Tipo I y Valor Extremo Tipo II;
con el objetivo de estimar el nivel de socavacin del Puente Rojas Pinilla.

V Congreso Internacional de Ingeniera Civil, Universidad Santo Toms Seccional Tunja

Distribucin Normal (Pearson Tipo V):


Para empezar se calcul la Media y Desviacin Estndar de la muestra de caudales
mximos anuales, posteriormente se calcula la probabilidad de ocurrencia, para los
periodos de retorno de 2, 3, 5, 10, 25, 50, 100 y 200 aos. Seguidamente se determina
la variable estandarizada por medio de la tabla de la ley Normal y finalmente se estima
el caudal de diseo del caudal de diseo.
Distribucin Log-Normal (Pearson Tipo IV y Tipo VI):
En esta funcin de distribucin los logaritmos en base diez se distribuyen de una forma
normal o Tipo V, en este orden de ideas se debe calcular el logaritmo en base diez de la
variable aleatoria, que en este caso son caudales mximos anuales (m3/s),
posteriormente se realiza el mismo procedimiento ejecutado en la distribucin Normal o
Tipo V.
Distribucin Gamma (Tipo III):
En la funcin de distribucin Tipo III se calculan los mismos parmetros iniciales de la
distribucin Tipo V (, ), adems del coeficiente de asimetra , con la finalidad de
hallar los parmetros que compone la funcin Gamma, es decir, , , , finalmente se
calcula la probabilidad de ocurrencia. Luego se procede a estimar el caudal de diseo.
Distribucin Gumbel (Pearson Tipo III):
La funcin de distribucin Gumbel al igual que las distribuciones Pearson Tipo V y Tipo
III, es necesario determinar la media y desviacin estndar de la muestra de datos.
Posteriormente se calculan los parmetros y , los cuales son parmetros
caractersticos de la funcin de probabilidad Gumbel, se calcula la probabilidad de
ocurrencia mediante y por ltimo se calcula la estimacin del caudal de diseo.
Distribucin Exponencial (Pearson Tipo III):
Para la distribucin exponencial solo es necesario calcular la media de los datos de
caudales mximos anuales, con el fin de calcular el parmetro , el cual es el nmero
de promedio de sucesos por unidad de tiempo, inmediatamente se determina la
probabilidad de ocurrencia y finalmente se estima el caudal de diseo.
Distribucin Valor extremo Tipo I (Pearson Tipo III):
En la funcin distribucin de valores extremos Tipo I es necesario determinar tanto la
media y la desviacin estndar de los caudales mximos anuales. Seguidamente se
calcula el parmetro y . Posteriormente se calcula la probabilidad de ocurrencia
mediante la, finalmente se calcula la estimacin del caudal de diseo.

10

V Congreso Internacional de Ingeniera Civil, Universidad Santo Toms Seccional Tunja

Distribucin Valor extremo Tipo II (Pearson Tipo III):


Finalmente para efectuar la distribucin de valores extremos Tipo II, es preciso
establecer la media y la desviacin estndar de los caudales mximos anuales,
consecutivamente se debe calcular el coeficiente de variacin, posteriormente se
calcula , mediante parmetro k, parmetro estimado mediante la curva caracterstica
de la distribucin de Valor Extremo Tipo II que relaciona el coeficiente de variacin y el
parmetro k. Debido a que el denominador de est en funcin de Gamma ((1-1/k)),
es necesario utilizar las tablas matemticas usuales para hallar el denominador de .
Posteriormente se calcula la probabilidad de ocurrencia. Conociendo los valores de y
k, se puede calcular la estimacin del caudal de diseo.
Las estimaciones de caudales de diseo para periodos de retorno 2, 3, 5, 10, 25, 50,
10 y 200 aos, fueron:
Tabla 6. Resultados caudales de diseo

PERIODO
DE
RETORNO
(T)
2.00
3.00
5.00
10.00
25.00
50.00
100.00

NORMAL

LOG-NORMAL

GAMMA

GUMBEL

EXPONENCIAL

EV-I

EV-II

587.59
643.23
694.00
749.32
809.03
847.34
881.83

2.76
2.80
2.84
2.88
2.93
2.96
2.99

575.34
639.50
703.67
767.84
851.49
907.84
953.34

567.64
690.07
771.13
873.54
949.52
1024.93
1100.08

407.28
645.53
945.68
1352.97
1891.37
2298.65
2705.93

566.81
619.68
678.57
752.56
846.06
915.41
984.26

584.12
630.63
686.79
764.51
875.41
967.94
1069.47

200.00

919.55

3.01

1002.34

1199.21

3113.22

1052.85

1181.21

Fuente 8. Elaboracin Propia

Como se puede observar las estimaciones del caudal de diseo va en aumento a


medida que el periodo de retorno va incrementando para cualquier distribucin, como
se observa en la Grfica. 3. Curva de estimaciones del caudal de diseo vs Periodo de
retorno.

11

V Congreso Internacional de Ingeniera Civil, Universidad Santo Toms Seccional Tunja

Grfica. 3. Curva de estimaciones del caudal de diseo vs Periodo de retorno

Fuente 9. Elaboracin Propia

IV. ANLISIS DE RESULTADOS


Durante la primera fase de la investigacin se pudo comprobar la igualdad entre las
curvas Pearson y las distribuciones ya conocidas actualmente, evidenciando un
comportamiento idntico de sus curvas y sus ecuaciones matemticas, puesto que el
origen de las ecuaciones de las distribuciones como la Normal, Log-Normal, Gamma,
Gumbel, Exponencial y Valor Extremo Tipo I y Tipo II se fundamentan y/u obedecen a la
simplificacin de la ecuacin principal de la investigacin de Karl Pearson desarrollada
en 1895, este develamiento ratificando al matemtico como padre de la estadstica.
Por otro lado se pudo probar que los procesos estocsticos son idneos para el
anlisis de variables hidrolgicas, debido a que estas pertenecen a fenmenos no
estacionarios; fenmenos que solo pueden ser interpretados y analizados mediante
procesos estocsticos. Basados en esto, se aplic el proceso estocstico PearsonWiener, realizando la construccin del espacio de probabilidad (, , ) con los
caudales mximos anuales del Rio Fonce (San gil, Santander), obteniendo un resultado
exitoso, debido a que el comportamiento de los datos obedece a la teora del proceso
Wiener y las leyes que rigen a las sigmas algebras de Borel.
Mediante este desarrollo matemtico quizs se pueda crear una nueva metodologa
para el anlisis de variables hidrolgicas que genere menos incertidumbre a la
metodologa utilizada actualmente, generando predicciones de caudales ms acertadas
o reales. Con esto se espera aumentar el porcentaje de confiabilidad en las
predicciones del nivel de socavacin. Permitiendo disear y construir puentes
probablemente inmunes al fenmeno de socavacin, disminuyendo los colapsos de los
puentes vehiculares en nuestro pas.

12

V Congreso Internacional de Ingeniera Civil, Universidad Santo Toms Seccional Tunja

V. CONCLUSIONES
La hidrologa estadstica tradicional aborda satisfactoriamente los problemas que tratan
procesos estacionarios con las leyes de distribucin de probabilidades. Sin embargo,
cuando se tienen comportamientos de caudales con procesos no estacionarios, como lo
es el caso de los caudales mximos del ro Fonce (San Gil, Santander), es
recomendable acudir al conocimiento que produce la hidrologa estocstica.
La hidrologa estocstica, entendida como la rama de la hidrologa que estudia el
comportamiento espacio-temporal del agua en los cuerpos hdricos aplicando la teora
moderna de probabilidades, hace nfasis en la bsqueda de movimientos errticos en
los diferentes procesos hidrolgicos (precipitaciones, niveles del agua, velocidades del
agua, caudales, etc.). Para ello, recurre a la teora del proceso estocstico de Wiener en
el cual son fundamentales los conceptos de sigmas lgebras (-lgebras), filtracin,
martingala, espacio de probabilidad, variable aleatoria y proceso estocstico (en el
sentido moderno).
Para pasar de la hidrologa estadstica a la estocstica es necesario tratar las diferentes
leyes tericas de distribucin de probabilidades desde su origen en el modelo de curvas
de frecuencias de Pearson, y desde su ecuacin diferencial determinista llegar al
modelo de Fokker-Planck-Kolmogorov, en donde reinan los conceptos de sigma
lgebra, espacio medible, espacio de probabilidad, martingala, filtracin y otros.
De acuerdo con el anlisis realizado al comportamiento de los caudales mximos del ro
Fonce en San Gil (Santander) se concluye que se trata de una trayectoria de un
proceso estocstico no estacionario y es posible simularle desde el enfoque del modelo
Pearson-Wiener.
La aplicacin del modelo Pearson-Wiener podra revolucionar en nuestro pas la forma
de procesar variables hidrolgicas, pues el modelo utilizado actualmente, es decir, el
modelo estadstico, no es el adecuado para el procesamiento de este tipo de variables,
teniendo en cuenta que las variables hidrolgicas no pertenecen a fenmenos
estacionarios sino a fenmenos no estacionarios, los cuales obedecen y deben ser
interpretados mediante modelos estocsticos como ya se mencion anteriormente.

13

V Congreso Internacional de Ingeniera Civil, Universidad Santo Toms Seccional Tunja

REFERENCIAS BIBLIOGRFICAS

Banco Interamericano de Desarrollo BID. (2012). Valoracin de daos y prdidas Ola


invernal en Colombia 2010-2011.Bogot D.C: Marcela Giraldo
Benjamn, J. (1970). Probabilidad y Estadstica en Ingeniera Civil. Bogota D.C: Mc
Graw-Hill.
Gumbel, E. (2004). Statistics of Extremes. New York: Dover Publications: INC.
Elderton, W. (1938). Frequency Curves and Correlations. Cambridge: Cambridge
University Press.
Rivera, H. G. (2013). Aplicacin del modelo del proceso estocstico Wiener al
comportamiento diario de los caudales mximos mediante el uso de -lgebras.
Caso de estudio: rio Fonce en San Gil (Santander). Bogot: UMNG.
Valbuena. (2000). Socavacin en puentes. Bogot: Universidad javeriana.

14

V Congreso Internacional de Ingeniera Civil, Universidad Santo Toms Seccional Tunja

15