Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SD-49 - Analisis y Descripcion Estadistica Del Oleaje - R Silva PDF
SD-49 - Analisis y Descripcion Estadistica Del Oleaje - R Silva PDF
iii
ABSTRACT ix
RESUMEN x
PREFACIO xi
Organizacin del trabajo xi
1. INTRODUCCIN 1
1.1 Clasificacin de acuerdo con la profundidad relativa 2
1.2 Clasificacin de las ondas ocenicas 3
1.3 Clasificacin del oleaje 4
1.3.1 Oleaje local o sea 5
1.3.2 Oleaje distante o swell 5
1.4 Fuentes de datos de oleaje 6
v
4.5 Suavizado del espectro 59
4.6 Parmetros espectrales 61
4.7 Anlisis direccional del oleaje 66
4.7.1 Distribucin direccional de la energa del oleaje 66
4.7.2 Descomposicin clsica del espectro direccional 67
4.7.3 Caracterizacin de los mtodos estocsticos 68
4.7.4 Anlisis del espectro cruzado 69
4.7.5 Relacin entre el espectro cruzado y el direccional 70
4.7.6 Estimacin del espectro direccional 71
4.7.6.1 Mtodo paramtrico 71
4.7.6.2 Mtodo de mxima verosimilitud 75
4.7.6.3 Otros mtodos 77
vi
6. MODELOS ESPECTRALES DE UN ESTADO DE MAR 107
6.1 Estado de saturacin 107
6.2 Modelo de Phillips 108
6.2.1 Espectro de Neumann 109
6.2.2 Espectro Pierson-Moskowitz 109
6.2.3 Espectro de Bretschneider 110
6.2.4 Espectro de Kitaigorodskii-Toba 112
6.2.5 Espectro ISSC 114
6.2.6 Espectro de Krylov 114
6.2.7 Espectro ITTC 115
6.2.8 Espectro JONSWAP 115
6.2.9 Espectro de Davidian et al 117
6.2.10 Espectro Wallops 117
6.2.11 Espectro de Ochi-Hubble 118
6.2.12 Espectro TMA 119
6.3 Distribucin angular 121
6.4 Generacin de oleaje va numrica 123
vii
8. ANLISIS A LARGO PLAZO 145
8.1 Importancia del anlisis extremal en la ingeniera 146
8.2 Excedencias 148
8.3 Periodos de retorno 149
8.4 Valores caractersticos 151
8.4.1 Estadsticos de orden 152
8.5 Mtodos utilizados en el diseo de obras martimas 153
8.6 Distribuciones asintticas del mximo y el mnimo 153
8.7 Dominios de atraccin 154
8.8 Papeles probabilsticos 156
8.8.1 Tcnicas de punteo en papeles probabilsticos 159
8.8.2 Estimacin de parmetros y dibujo en papel probabilstico
de Gumbel 160
8.8.3 Papel probabilstico de Weibull 164
8.9 Anlisis de rgimen medio 168
9. REFERENCIAS 171
viii
ABSTRACT
This book serves as a guide for those wishing to study and predict sea waves from
the perspective of probability and statistics. The first of the eight chapters gives an
up to date overview of wave studies and how waves are classified in terms of
relative water depth, frequency and evolution. From here the fundamental
hypotheses for modern wave studies are examined. Individual chapters cover
analysis from both the time domain, via discretised digital sampling, as well as the
frequency domain, via the concept of the energy spectrum. In addition, the
procedures most often used in engineering to determine the representative wave
parameters are described. In view of the fact that it is often not possible to have
reliable measurements, two chapters are given over to the analytical and the
empirical wave distributions in the domain of time and frequency. In the
penultimate chapter, two methodologies for wave prediction in geostrophic and
ciclostrophic wind conditions are reproduced. These tools are of great value in
estimating the appropriate wave parameters in such conditions and are therefore of
most use when considering cold fronts or tropical cyclones. They can be applied
directly and with relative ease. Finally, the last chapter revises the required bases
for long and short term analyses. The latter, being generally applied for operational
conditions.
ix
RESUMEN
Este libro sirve como gua para quienes desean estudiar y predecir el oleaje desde
la perspectiva de la probabilidad y la estadstica. El primero de los ocho captulos
que lo integran es una resea histrica sobre el estudio del oleaje y su clasificacin
en funcin de su profundidad relativa, frecuencia y evolucin. A continuacin, se
examinan las hiptesis fundamentales para el estudio del oleaje. Se explican las
bases que permiten analizar y caracterizar muestras de oleaje tanto en el dominio
del tiempo, a travs de la discretizacin de seales digitales, cuanto en el dominio
de la frecuencia, por medio del concepto de espectro de energa. Adicionalmente,
se describen los procedimientos ms utilizados para determinar los parmetros
representativos del oleaje. En virtud de que frecuentemente no se cuenta con
mediciones in situ confiables, se dedican dos captulos a distribuciones analticas y
empricas en los dominios del tiempo y la frecuencia. En el penltimo captulo se
reproducen dos metodologas que permiten estimar el oleaje bajo condiciones de
viento geostrfico y ciclostrfico. Estas herramientas, de aplicacin relativamente
fcil y directa, son de gran ayuda para caracterizar los parmetros que definen al
oleaje bajo el efecto de frentes fros y ciclones tropicales. Finalmente, el ltimo
captulo revisa los fundamentos para analizar los regmenes extremal y medio.
Este ltimo, normalmente aplicado para el estudio de condiciones de operatividad.
x
PREFACIO
Este trabajo est integrado por ocho captulos, los siete primeros enfocados al
anlisis de estados de mar y, el ltimo, al estudio del anlisis del oleaje a largo
plazo. Los primeros dos captulos estn dedicados a la parte fundamental del
estudio estadstico y probabilstico del oleaje, el tercero y cuarto al anlisis de estados
de mar en el dominio del tiempo y la frecuencia, el quinto y sexto a las distribuciones
analticas o empricas ms utilizadas para caracterizar los estados de mar; el sptimo
captulo incorpora de forma integral dos modelos paramtricos de prediccin de
oleaje para condiciones de frentes fros y huracanes; por ltimo, el octavo captulo
aborda el estudio de regmenes de oleaje, tanto extremal como medio.
xi
El primer captulo presenta una resea histrica sobre el estudio del oleaje y su
clasificacin. Las clasificaciones del oleaje que se abordan corresponden a la
profundidad relativa de propagacin, las fuerzas generadoras del movimiento
oscilatorio y la zona de generacin.
El cuarto captulo incluye una descripcin de los pasos a seguir para el estudio de
una seal de oleaje en el dominio de la frecuencia, es decir la forma de obtener un
espectro de energa y la manera de representarlo grficamente. En este captulo
tambin se abordan alguno de los mtodos para estimar la direccin del oleaje, as
como los parmetros ms representativos que caracterizan un espectro de energa.
xii
gaussiano y no gaussiano, la estimacin de diversas distribuciones de alturas de
ola, y el clculo conjunto de altura-periodo del oleaje y periodos de ola.
Por ltimo, el octavo captulo presenta los fundamentos para el anlisis a largo
plazo, que incluye el concepto de coeficiente de seguridad y periodo de retorno.
Adems, expone la metodologa para evaluar los parmetros fundamentales de las
distribuciones extremales para mnimos y mximos. Por otro lado, incluye
fundamentos para analizar el rgimen medio, normalmente aplicado en el estudio de
condiciones de operatividad.
xiii
1. INTRODUCCIN
1
El oleaje es un fenmeno que est determinado por la accin de las fuerzas de la
naturaleza en cualquier superficie libre de agua, las cuales condicionan el tipo de ola
que ser inducida. La ms obvia de estas fuerzas es la accin del viento sobre la
superficie del mar. Desde hace mucho tiempo, se ha intentado estudiar al oleaje desde
diferentes vertientes; no obstante, ste no puede ser representado por un modelo tan
sencillo como el de la onda, dado que este fenmeno no se repite en el espacio ni en
el tiempo y cuando se observa una altura de ola en un punto dado del mar, no se
puede precisar cual ser la altura de ola siguiente en ese punto. Considerando la gran
variabilidad del oleaje real, la forma ms razonable de caracterizarlo es a travs de los
mtodos estadsticos, tratando al oleaje como un fenmeno aleatorio.
Visto de otra forma, la clasificacin del oleaje se puede tambin realizar utilizando el
concepto de la celeridad, que es una relacin directa entre la frecuencia y la longitud
de onda.
2
1.2 Clasificacin de las ondas ocenicas
Las ondas que componen un registro de oleaje son de una amplia gama de periodos,
alturas y longitudes. De acuerdo con su periodo, fuerza generadora y la cantidad de
energa que normalmente portan, se pueden distinguir los siguientes tipos de ondas,
que se presentan en la tabla 1.1 y la fig 1.1.
Como se ve en la tabla 1.1 y la fig 1.1, las ondas en el ocano pueden ser clasificadas de
varias formas; una clasificacin usa las fuerzas que generan al oleaje, las cuales a su
vez estn asociadas con una longitud de onda caracterstica. As, por ejemplo:
Las fuerzas meteorolgicas (viento, presin del aire) generan el oleaje local y
distante
Los maremotos o terremotos generan grandes ondas conocidas como tsunamis, los
cuales normalmente son clasificados como ondas en aguas poco profundas, ya que su
longitud de onda es mucho mayor que la profundidad donde se propagan.
3
0.1 segundos
30 segundos
1 segundo
5 minutos
24 horas
12 horas
1 hora
Periodo
Infra- Ultra-
gravedad Tipo de
Transmarea De largo periodo Gravedad gravedad Capilares
onda
Gravedad
Fuerza
Fuerza de Coriolis Tensin restauradora
superficial
Energa
6 5 4 3 2 1 2
10 10 10 10 10 10 1 10 10
Frecuencia de la onda = 1 / T
De acuerdo con su gnesis, se suelen distinguir dos tipos extremos de oleaje, entre los
cuales existen un sinnmero de estados intermedios. Se denominan por las palabras
inglesas, universalmente aceptadas, sea y swell o su traduccin al espaol como
oleaje local y oleaje distante, respectivamente (figs 1.2 y 1.3).
4
Fig 1.2 Oleaje tipo swell Fig 1.3 Oleaje tipo sea
Este tipo de oleaje se produce en la zona de generacin en alta mar, donde raramente
se aprecian crestas de cierta longitud y es difcil observar un periodo bien definido.
Las caractersticas que definen este tipo de oleaje son:
Asimetra o gran desigualdad entre la forma del valle y la cresta de las olas
Gran peralte de las olas. Las olas presentan una altura relativamente grande
para su longitud de onda.
El oleaje sufre una doble dispersin. Una angular, en la que las olas se dispersan en
todas direcciones, y otra radial, debida a que la velocidad es funcin directa del
periodo, por lo que las olas ms largas viajan ms rpido que las ms cortas. Se
produce un filtrado de olas.
5
simplifique. Al envejecer el oleaje y especialmente cuando abandona el rea de
generacin va tendiendo a un oleaje de tipo swell.
Por otro lado, cabe sealar que a grandes rasgos las fuentes de datos ms comunes
pueden ser de los siguientes tipos:
Instrumental directo
Equipos acsticos (p ej, los equipos que funcionan bajo el principio doppler)
Sensores de presin.
6
2. DESCRIPCIN ESTADSTICA DEL OLEAJE
En general, las olas en el mar no son regulares, es decir no tienen periodicidad con
respecto al tiempo, sino que, por el contrario, el oleaje es un proceso esencialmente
aleatorio. El oleaje puede ser considerado en trminos prcticos como un conjunto de
ondas viajando en diferentes direcciones, i, con diferentes amplitudes, ai,
frecuencias, i, y fases, i, de tal forma que puede ser estudiado como una
superposicin lineal de ondas armnicas simples, es decir que el perfil de la
superficie libre, i(x,y,t), puede ser descrito como:
i2
( x, y, t ) = ai cos ( x cos i + y sen i ) it + i (2.1)
i g
donde
a amplitud
t tiempo.
7
Fig 2.1 Estructura del oleaje aleatorio, Pierson et al (1978)
Dado que el oleaje es un fenmeno aleatorio, bajo este punto de vista, su estudio debe
realizarse haciendo uso del anlisis estadstico.
8
0.3
0.2
0.1
(t) [m]
0
-0.1 0 20 40 60 80 100
Tiempo (s)
-0.2
-0.3
Si se observa la superficie del mar en un instante determinado, ti, es claro que (ti) es
una variable aleatoria. Considerando ahora el conjunto de n instantes, t1, t2,..., tn, se
puede decir que (t1, t2,..., tn) es una variable enedimensional. De tal forma que el
proceso (t) puede considerarse definido si para cualquier n instantes t1, t2,..., tn, se
conoce la funcin de distribucin:
1. Condicin de simetra
( )
Ft j1 ,t j 2 ,...,t jn x j1 , x j2 ,..., x jn = Ft1 ,t2 ,...,tm ( x1 , x2 ,..., xm ) (2.3)
2. Condicin de compatibilidad
Ft1 ,t2 ,...,tm +1 ,...,tn ( x1 , x2 ,..., xm ,..., ) = Ft1 ,t2 ,...,tm ( x1 , x2 ,..., xm ) (2.4)
Con dichas condiciones, se puede concluir que para definir el proceso (t) sera
necesario conocer todas las funciones de distribucin dadas por la ec 2.2 para
cualquier . Si se utiliza la teora de la correlacin es posible simplificar el estudio de
9
estos procesos, ya que sta toma en consideracin exclusivamente los dos primeros
momentos del proceso. De tal forma que:
1
T T
(k ) = lim k (t )dt (2.5)
1 T
T T 0
R (k ) = lim k (t )k (t + )dt (2.6)
As, el proceso (t) es estacionario si todas las funciones de distribucin que definen
el proceso permanecen constantes en un intervalo cualquiera de tiempo . Lo cual
matemticamente se puede escribir como:
Admitida la estacionariedad del oleaje, se deduce que el valor medio es una constante
dada por
10
(k ) = (2.8)
R (k ) = R (2.9)
Por tanto,
T T
1 1
lim
T T { ( t ) }{ ( t + ) } dt = lim ( t ) ( t + ) dt 2 = R ( ) 2
T T
0 0 (2.11)
11
donde () es la llamada funcin de distribucin espectral del proceso, la cual es una
funcin acotada, real y no decreciente. Puede demostrarse que si se cumple la
condicin
R ( ) d < (2.13)
S ( )e
i
R ( ) = d (2.14)
entonces,
( ) = S ( )d
(2.15)
d ( )
S ( ) = (2.16)
d
La funcin S() se conoce como funcin de densidad espectral del proceso (t), y
tiene la propiedad de ser positiva:
S ( ) 0 (2.17)
2
S ( ) =
R ( )cos d
0
(2.20)
12
donde S() es la funcin de densidad espectral, la cual est definida solamente para
0, y est relacionada con S() por
S ( ) = 2S ( ) (2.21)
es decir, el rea bajo la curva de S() es igual al valor medio de los desplazamientos
verticales, y admitiendo que = 0 resulta que dicha rea es igual a la varianza de los
desplazamientos verticales.
En 1952, Longuet-Higgins por un lado y Pierson y Marks por otro, propusieron que
los registros de los desplazamientos de la superficie libre del mar, (t), con respecto
al nivel medio, pueden representarse a travs de la suma de gran nmero de ondas
sinusoidales de diferentes amplitudes, as como de frecuencias y fases aleatorias.
Con dicha suposicin, implcitamente se aborda el estudio del oleaje por medio de un
modelo lineal, en consecuencia no es aplicable a casos en que la teora lineal no es
vlida; como ocurre, por ejemplo, con el fenmeno de rotura.
Para estudiar al oleaje, Longuet-Higgins (1952), basado en los trabajos de Rice (1944
y 1945), defini el modelo de fases aleatorias a travs de las siguientes hiptesis:
13
El desplazamiento de la superficie libre del agua viene dado como la suma de un gran
nmero de ondas sinusoidales, de la forma
(t ) = i (t ) = ai cos( i t i ) (2.24)
i i
a22 j +1 = 2S ( 2 j +1 ) 2 j +1 2 j (2.25)
S ( ) 0
lim S ( ) = 0
y la integral: S ( )d est acotada.
0
La fase i es una variable aleatoria con distribucin uniforme en el intervalo (0, 2),
es decir,
d
Prob ( 2 j +1 < + d ) = para 0 + d 2 y cero en el resto.
2
Como fue demostrado originalmente por Rice (1944 y 1945), y Pierson y Manks
(1952), bajo estas hiptesis el modelo propuesto representa un proceso, (t),
estacionario gaussiano, es decir, que la superficie libre (t) est normalmente
distribuida:
(2.26)
(t ) = cos( t ) 2S ( )d (2.27)
0
14
La funcin de correlacin del proceso estocstico, definida en la ec 2.24, admitiendo
ergodicidad, resulta:
1
T T
R ( ) = lim (t ) (t + )dt (2.28)
0
1
R ( ) =
2 i
ai2 cos i (2.29)
Si se comparan las ecs 2.30 y 2.19, se puede deducir que la funcin S(), introducida
en la segunda hiptesis del modelo matemtico-estadstico del oleaje (ec 2.25), es la
funcin espectral del proceso.
Otra definicin es la que establece que el estado de mar representa cada una de las
posiciones de la dinmica del oleaje, admitiendo que stas tienen una variacin lo
suficientemente lenta para considerar al proceso como estacionario.
15
Variacin de periodo corto. La variacin es muy rpida, del orden de segundos,
durante la cual el proceso se considera estacionario.
Actualmente existen dos vertientes muy extendidas para el tratamiento de una seal
de oleaje, cada una de ellas con sus virtudes y limitaciones, que pueden considerarse
complementarias:
Descripcin estadstica espectral del estado de mar, que toma en cuenta el estudio
del espectro y sus propiedades en el dominio de la frecuencia. El espectro o
espectro de energa es una forma de representar cmo est distribuida la energa
del oleaje en funcin de las frecuencias que integran una seal en particular.
16
3. ANLISIS TEMPORAL DE ESTADOS DE MAR
Otro orden lgico, preferido por muchos autores, es el de omitir el anlisis temporal
del oleaje y reconstruir las distribuciones de altura de ola y periodos a partir de
estimaciones tericas. Sin embargo, esto obliga a la asuncin de ciertas hiptesis en el
comportamiento de la correlacin entre crestas y valles que componen al oleaje, las
cuales no son siempre acertadas. La visin que sostiene este documento es que ambas
tcnicas son complementarias y no excluyentes.
3.1 La muestra
17
Nmero de sucesos N
N
1
Media X =
N
X
i =1
i
N
1
Media cuadrtica X m2 =
N
Xi =1
i
2
mx=1
NMM
H H t
mn=2
a
T T T
18
TABLA 3.1 METODOLOGA PARA EL ANLISIS TEMPORAL DEL OLEAJE
Media
A. Correccin del nivel medio
Lineal
Parablica
B. Discretizacin de la seal (separa H y T) Mtodo de pasos ascendentes por cero
Mtodo de pasos descendentes por cero
Mtodo de crestas
Mtodo de valles
C. Estimacin de cruces
D. Evaluacin de parmetros y velocidades
orbitales
E. Determinacin de la direccin del oleaje Mtodo grfico con las velocidades
En el dominio del tiempo, existen tres formas muy utilizadas para llevar a cabo la
correccin del nivel medio (Goda, 2000). El procedimiento es el siguiente: se calcula
el valor medio que puede ser de orden cero o promedio aritmtico, de primer orden o
una recta o de segundo orden o una parbola. En los dos ltimos casos, los
coeficientes de la recta o parbola se pueden obtener aplicando la tcnica de mnimos
cuadrados. Una vez calculado el valor medio se resta del valor original de cada uno
de los datos, tal que
Media aritmtica. Consiste en obtener la media aritmtica de la superficie libre para todo
el registro, para posteriormente restarla a cada dato; as, el valor medio se obtiene como
N
1
n =
N
n
n =1 (3.2)
19
siendo N el nmero de puntos de la muestra.
Es conveniente hacer mencin de que este criterio es adecuado cuando los efectos de
ondas largas no tienen gran influencia sobre el registro del oleaje.
Correccin lineal. A travs del uso de la tcnica de ajuste por mnimos cuadrados se
obtiene una expresin que representa una variacin lineal del nivel medio, la cual se
utiliza posteriormente para eliminar el efecto de ondas de ms largo periodo. La
ecuacin para realizar esta correccin es
n = A0 + A1n : n = 1, 2,...., N
(3.3)
donde
Por ejemplo, este tipo de correccin ser adecuado si se tiene un registro de oleaje
superpuesto a una onda de marea semidiurna y dicho registro tiene una duracin
mucho menor que el periodo de la marea, y si se encuentra en la franja de ascenso,
zona 1 de la fig 3.2.
donde
1
B0 = Y0 ( N 2 N 4 N 32 ) + Y1 ( N 2 N 3 N1 N 4 ) + Y2 ( N1 N 3 N 22 ) ,
1
B1 = Y0 ( N 2 N 3 N1 N 4 ) + Y1 ( N 0 N 4 N 22 ) + Y2 ( N1 N 2 N 0 N 3 )
1
B2 = Y0 ( N1 N 3 N 22 ) + Y1 ( N1 N 2 N 0 N 3 ) + Y2 ( N 0 N 2 N12 )
= N 0 N 2 N 4 + 2 N1 N 2 N 3 N 23 N 0 N 32 N12 N 4 (3.7)
20
Zona 2
Zona 1 Zona 1
t
Periodo de marea semidiurna
6h
Este tipo de correccin se emplea en los casos en los que, adems de que la carrera de
marea es importante, la muestra de oleaje que se desea analizar tiene una influencia
que se puede ajustar a una parbola. Por ejemplo, si se tiene un registro de oleaje
ubicado en la zona 2 de la fig 3.2.
Ejemplo. Utilizando los datos de una seal de oleaje, tabla 3.2 o fig 3.3, corregir la
seal utilizando cada uno de los mtodos de correccin del nivel medio.
21
0.8
0.6
0.4
(m)
0.2
0.0
-0.2 0 4 8 12 16
t(s)
Fig 3.3 Seal de oleaje sin correccin del nivel medio
Solucin
N
1 11.5779 m
i =
N
i =1
i =
32
= 0.3618 m
Antes de realizar la correccin del nivel medio utilizando la ecuacin de una recta
(3.3), o una parbola (3.6), se deben de evaluar los siguientes parmetros:
N0 = 32
N1 = 528
N2 = 11 440
N3 = 278 784
N4 = 7 246 096
Y0 = 11.5779 m
Y1 = 133.1205 m
Y2 = 2 122.4531 m
Sustituyendo estos valores en las ecs 3.4 y 3.3, se obtiene, para el caso de la
correccin lineal:
22
N 2Y0 N1Y1 (11440 )(11.5779 m ) ( 528 )(133.1205 m )
A0 = = = 0.7121m
N 0 N 2 N12 ( 32 )(11440 ) ( 528)
2
Para la correccin parablica, se tienen que evaluar primero los parmetros B0, B1, B2
y , definidos en la ec 3.7:
1
B0 = Y0 ( N 2 N 4 N 32 ) + Y1 ( N 2 N 3 N1 N 4 ) + Y2 ( N1 N 3 N 22 ) ,
11.5779 ( (11440)(7246096) (278784) 2 ) + 133.1205 ( (11440)(278784) (528)(7246096) )
=
16193757184
2121.4531( (528)(278784) (11440) 2 )
+ = 0.6058 m
16193757184
1
B1 = Y0 ( N 2 N 3 N1 N 4 ) + Y1 ( N 0 N 4 N 22 ) + Y2 ( N1 N 2 N 0 N 3 )
11.5779 ( (11440)(278784) (528)(7246096) ) + 133.1205 ( (32)(7246096) (11440) 2 )
=
16193757184
2121.4531( (528)(11440) (32)(278784) )
+ = 0.0025 m
16193757184
1
B2 = Y0 ( N1 N 3 N 22 ) + Y1 ( N1 N 2 N 0 N 3 ) + Y2 ( N 0 N 2 N12 )
11.5779 ( (528)(278784) (11440) 2 ) + 133.1205 ( (528)(11440) (32)(278784) )
=
16193757184
2121.4531( (32)(11440) (528) 2 )
+ = 0.0006 m
16193757184
23
0.4
0.2
(m)
0.0
-0.2 0 4 8 12 16
t(s)
-0.4
Una vez que se ha corregido el nivel medio, se debe caracterizar la seal, esto es,
calcular las alturas y los periodos de ola individuales. Para este propsito existen
diversos mtodos, que se enuncian a continuacin:
24
La condicin para definir un mximo en el perfil es
Con el fin de eliminar el problema de subestimacin del mximo real entre dos
puntos discretos, deben ser estimados el tiempo y la elevacin mxima despus de
ajustar la curva parablica en funcin de tres puntos i-1, i y i+1. La ecuacin para
el ajuste parablico se puede expresar como
B2 t B
mx = C , y tmx = ti (3.10)
4A 2A
donde
1 1
A= (i 1 2i + i +1 ) , B= (i +1 i 1 ) , C = i (3.11)
2 2
Mximo
2.5 positivo
2.0
1.5
1.0 Segundo
cruce
0.5
( m)
0.0 t (s)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0
-0.5
-1.0 Primer
-1.5 cruce
-2.0
Mximo
-2.5 negativo
25
Ejemplo. Considere el segmento de una seal arbitraria con las variaciones de la
superficie libre (tabla 3.3), y evale las alturas de la cresta y valle, los tiempos en los
cuales se producen los pasos ascendentes, y determine la altura y periodo de dicha
onda.
tb =
( 0.283m )( 5.5s ) ( 0.964 m )( 6.0s ) = 5.8865s
( 0.283m ) ( 0.964 m )
1 1
A= (i 1 2i + i +1 ) = (1.399 2 (1.872 ) + 1.691) = 0.327 m
2 2
1 1
B= (i +1 i 1 ) = (1.691 1.399 ) = 0.146 m
2 2
26
C = i = 1.872 m
tmx = ti
tB
= 2.0
( 0.5)( 0.146 ) = 2.1116s
2A 2 ( 0.327 )
( 0.146 ) = 1.8883m
2
B2
mx =C = 1.872
4A 4 ( 0.327 )
1 1
A= (i 1 2i + i +1 ) = ( 1.489 2 ( 2.069 ) 1.935) = 0.357 m
2 2
1 1
B= (i +1 i 1 ) = ( 1.935 + 1.489 ) = 0.223m
2 2
C = i = 2.069 m
tmn = ti
tB
= 4.5
( 0.5)( 0.223) = 4.6562s
2A 2 ( 0.357 )
( 0.223) = 2.1038 m
2
B2
mn =C = 2.069
4A 4 ( 0.357 )
De tal forma que la altura de ola, H, es la diferencia entre los mximos positivo y
negativo,
Este mtodo es anlogo al de pasos ascendentes por cero, la nica diferencia estriba
en que ahora las olas se definen en el cambio de signo de positivo a negativo, como
se puede ver en la fig 3.6.
27
0.3 Punto de paso descendente por cero
0.2
0.1
t
0
0 20 40 60 80
-0.1
-0.2
-0.3 1 2 3 4 5 6 7 8 9 10
Nmero de ola
28
0.3 1 2 3 4 5 6 7 8 9 10 11 12 13 Nmero de ola
0.2
0.1
t
0
0 20 40 60 80
-0.1
-0.2
-0.3
0.3
0.2
0.1
t
0
0 20 40 60 80
-0.1
-0.2
-0.3
1 2 3 4 5 6 7 8 9 10 11 12 Nmero de ola
donde
29
La variacin de la media cuadrtica (la varianza) de superficie del agua, rms
2
:
N
1
2
rms =
N
i =1
i
2
(3.14)
N0
1
T =
N0
T
i =1
i (3.16)
donde
N0
1
H rms =
N0
H
i =1
i
2
(3.17)
Para evaluar otros parmetros relevantes, como los estadsticos de orden, significante,
un dcimo, etc, primero se ordenan, en funcin de la altura de ola, de mayor a menor los
valores correspondientes de altura-periodo de ola (H,T), de manera que, por ejemplo:
30
Mientras que, para el caso de los periodos:
En ocasiones, para evaluar las estadsticas de los periodos de ola se aplica el mismo criterio
que para las alturas de ola. Sin embargo, en ingeniera y sobretodo en el proceso de diseo
o caracterizacin, lo ms conveniente es asociar las alturas con los periodos de ola.
Otro parmetro importante de calcular en las series ordenadas son las estadsticas de
orden Hi:q, donde q es el nmero de muestras e i es el lugar que ocupa desde el inicio,
de tal forma que, por ejemplo, el estadstico de orden 1, H1:q, corresponde al valor
mximo de la muestra, que tambin se conoce como altura de ola mxima, Hmx.
Ejemplo. Utilizando los datos ya ordenados de mayor a menor altura de ola y periodos
que se presentan en la tabla 3.4, evale los siguientes parmetros estadsticos: nmero
de olas (N0), altura mxima de ola y su periodo de ola asociado (Hmx, Tmx), la altura de
ola y periodo de ola de orden 1: N0 (H1: No, T1: No), altura de ola y periodo de ola
significantes (Hs, Ts) y los valores representativos de altura de ola y periodos un medio,
un tercio, un dcimo y un centsimo (H1/2, H1/3, H1/10, H1/100, T1/2, T1/3, T1/10, T1/100).
Nmero de olas,
N0 = 154
En cuanto a las alturas de ola, los resultados son:
31
TABLA 3.4 DATOS DE ALTURAS Y PERIODOS DE ONDA ASOCIADOS
i H(m) T(s) i H(m) T(s) i H(m) T(s) i H(m) T(s)
1 2.320 8.74 40 1.175 6.93 79 0.835 12.70 118 0.576 11.85
2 2.308 8.64 41 1.154 10.74 80 0.830 9.87 119 0.575 9.76
3 2.154 9.61 42 1.151 11.29 81 0.829 10.96 120 0.570 5.20
4 2.104 9.80 43 1.134 9.24 82 0.826 7.15 121 0.565 5.44
5 2.029 9.54 44 1.127 8.24 83 0.821 10.64 122 0.553 4.70
6 1.888 8.74 45 1.120 8.36 84 0.818 12.17 123 0.550 8.63
7 1.716 8.74 46 1.118 11.17 85 0.783 12.90 124 0.543 12.08
8 1.654 9.45 47 1.100 9.40 86 0.783 4.36 125 0.528 8.29
9 1.636 10.60 48 1.099 7.22 87 0.779 7.56 126 0.517 11.46
10 1.630 9.70 49 1.088 11.18 88 0.762 9.53 127 0.508 9.65
11 1.622 11.10 50 1.083 6.86 89 0.760 9.76 128 0.507 5.02
12 1.589 8.27 51 1.066 12.78 90 0.757 8.82 129 0.502 9.41
13 1.533 7.78 52 1.059 10.95 91 0.752 6.18 130 0.490 5.38
14 1.533 10.18 53 1.057 8.19 92 0.741 10.60 131 0.489 7.46
15 1.484 8.72 54 1.037 8.94 93 0.728 6.29 132 0.485 8.94
16 1.484 10.61 55 1.030 9.45 94 0.728 11.40 133 0.481 4.51
17 1.482 9.66 56 1.027 11.16 95 0.718 8.30 134 0.478 3.69
18 1.443 9.75 57 1.008 10.82 96 0.718 6.70 135 0.464 4.61
19 1.433 10.06 58 0.970 9.39 97 0.717 10.15 136 0.441 5.04
20 1.414 7.87 59 0.969 10.05 98 0.707 8.26 137 0.424 4.40
21 1.412 8.72 60 0.969 9.62 99 0.700 4.99 138 0.372 5.54
22 1.398 9.22 61 0.948 9.40 100 0.691 10.36 139 0.348 6.98
23 1.388 9.51 62 0.930 9.02 101 0.683 9.13 140 0.342 5.70
24 1.380 8.10 63 0.929 8.91 102 0.678 5.07 141 0.305 5.30
25 1.347 9.32 64 0.927 9.58 103 0.673 9.12 142 0.292 6.40
26 1.339 8.53 65 0.907 6.20 104 0.662 4.71 143 0.273 4.44
27 1.337 9.87 66 0.905 6.92 105 0.660 10.23 144 0.267 3.45
28 1.329 7.93 67 0.886 10.09 106 0.657 5.76 145 0.251 2.69
29 1.314 10.22 68 0.881 9.35 107 0.656 10.77 146 0.247 2.85
30 1.312 9.54 69 0.877 5.92 108 0.652 7.17 147 0.238 5.29
31 1.292 9.64 70 0.854 7.39 109 0.632 7.85 148 0.199 4.09
32 1.281 8.36 71 0.853 11.07 110 0.631 11.21 149 0.165 2.36
33 1.279 9.06 72 0.853 9.96 111 0.626 10.71 150 0.157 3.21
34 1.233 9.42 73 0.853 10.13 112 0.617 11.06 151 0.150 2.48
35 1.232 8.12 74 0.850 10.15 113 0.614 7.07 152 0.136 2.17
36 1.218 8.89 75 0.844 10.21 114 0.592 12.93 153 0.100 2.49
37 1.217 8.05 76 0.840 10.85 115 0.589 8.78 154 0.090 2.21
38 1.195 8.61 77 0.837 7.22 116 0.583 4.32
39 1.193 10.71 78 0.837 9.30 117 0.582 8.30
32
Altura cuadrtica media,
1 154 2
H rms = H i = 1.011m
154 i =1
2 77
H1/ 2 = H i = 1.255 m
154 i =1
3 51 1
H s = H1/ 3 =
154 i =1
H i + H 52 = 1.421m
3
10 15
H1/10 =
154 i =1
H i + 0.4 H16 = 1.805 m
100
H1/100 = ( H1 + 0.54 H 2 ) = 2.316 m
154
Mientras que los valores de los periodos correspondientes a las alturas de ola son:
1 154
T = Ti = 8.31s
154 i =1
2 77
T1/ 2 = Ti = 9.27 s
154 i =1
33
Periodo de ola significante o un tercio,
3 51 1
Ts = T1/ 3 =
154 i =1
Ti + T52 = 9.28s
3
10 15
T1/10 =
154 i =1
Ti + 0.4T16 = 9.34s
100
T1/100 = (T1 + 0.54T2 ) = 8.70s
154
Aunque el mtodo anterior proporciona una forma muy sencilla de conocer las
probabilidades, lo usual es presentar los resultados de manera continua y para ello la
probabilidad acumulada, P, se puede evaluar mediante la siguiente expresin:
n
Pn = (3.19)
N0 + 1
34
30 20
28
18
26
24 16
22
Probabilidad (%)
14
20
Nmero de olas
18 12
16
10
14
12 8
10
6
8
6 4
4
2
2
0 0
0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4
H (m )
100
150
140 90
130
120 80
110 70
Probabilidad (%)
100
Nmero de olas
90 60
80 50
70
60 40
50 30
40
30 20
20
10
10
0 0
0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4
H (m )
Siguiendo el mismo ejemplo de la tabla 3.4, en la fig 3.11 se presentan los resultados
de evaluar la probabilidad acumulada y la densidad de probabilidad de alturas de ola.
Ntese que la densidad de probabilidad lleva unidades y que el rea bajo la curva de
un intervalo especfico o de todo el intervalo es igual a la probabilidad.
35
1.0 1.0
0.9 0.9
0.8 0.8
0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
0.0 0.0
0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4
H (m) H (m)
N
1
Ux =
N
Ux
i =1
i (3.20)
N
1
Uy =
N
Uy
i =1
i (3.21)
36
asemejarse a la direccin del viento; sin embargo, para determinarla a travs de las mediciones
temporales, se utilizan los datos de velocidades orbitales asociadas al oleaje. La meto-
dologa para lograr esto se basa principalmente en utilizar los registros de Ux y Uy, junto
con el dato de brjula para determinar la orientacin del sistema de referencia del equipo.
37
N
Ux (cm/s )
Uy (cm/s )
Comps ()
Orientacin del sistema de referencia del
aparato con respecto al Norte
O E
Direccin predominante
respecto al Norte 130
Este-Sur-Este
S
Fig 3.13 Determinacin de la direccin a partir de las velocidades orbitales
En la fig 3.13 se presenta un ejemplo con datos medidos en las costas de Cancn,
Quintana Roo. Se puede observar que si se dibuja la correlacin entre los dos
componentes de velocidad (Ux y Uy), tal como aparece en la fig 3.13, se obtiene una
lnea de tendencia muy clara; sin embargo, de acuerdo con el resultado existen dos
probables sentidos que se pueden asociar al oleaje a partir de sus velocidades
orbitales, stos son este-sur-este y oeste-norte-oeste. El sentido, y por tanto la
direccin correcta, se conoce a partir de la posicin de la costa, que se encuentra del
lado izquierdo del Norte con una deflexin de 12 con respecto a ste.
38
8.7
8.6
8.5
(m)
8.4
8.3
8.2
0 100 200 300 400 500
Tiempo (s)
Fig 3.14 Ejemplo de un registro de oleaje con agrupamiento
En 1987, Johnson et al (1978) mostraron que dicho fenmeno es muy relevante, pues
se sabe que tiene influencia en:
Adems, algunos autores, como Goda (2000), han hecho notar que un agrupamiento
bien desarrollado de un campo de oleaje est regularmente asociado a la presencia de
ondas de periodo largo.
39
j1
1.6
Altura de ola (m)
1.2
0.8
0.4
Hc
0.0
La fig 3.15 es un esquema que define grficamente un conjunto de olas, su longitud, j1, y
el valor umbral que los define. Como se observa, los paquetes se delimitan de forma muy
parecida a como se define el periodo por medio del mtodo de pasos ascendentes por cero.
Existe otro mtodo para describir el agrupamiento del oleaje, mediante la envolvente
de energa del oleaje, que fue originalmente desarrollado por Funke y Mansard (1979).
Ellos proponen una funcin envolvente conocida como SIWEH (Smoothed instantaneous
wave energy history). Se seleccion este nombre para evitar confusiones con respecto a
otras energas del oleaje, pues cada palabra describe una caracterstica en particular, Historia
de energa de ondas instantnea suavizada; as, historia hace referencia a que se trata
de una funcin del tiempo, instantnea se refiere a que la energa est dada para un instante
determinado y suavizado implica una operacin de suavizado. Se define al SIWEH como
Tp
1
E (t ) = 2 ( t + ) Q1 ( ) para Tp t Tn Tp (3.22)
T =Tp
T 1
2 n
E (t ) =
Tp + t =Tp
2 (t + )Q1 ( ) para Tn Tp t Tn (3.24)
40
Para estos casos, se utiliza:
Q1 ( ) = 1 para Tp < Tp
Tp (3.25)
Q1 = 0 para los dems valores.
m 0
GF = (3.26)
m0
Tn
( E (t ) E )
1 2
Tn
GF = 0
(3.27)
E
Las figs 3.16, 3.17 y 3.18 presentan el aspecto que guardan tres seales con diferente
factor de agrupamiento, 1.46, 0.78 y 0.14.
1.50
1.00
0.50
(m )
0.00
-0.50
-1.00
-1.50
1.50
SI W E H (m 2 )
1.00
0.50
0.00
0 200 400 600 800 1000 1200
T iem p o (s)
41
1.50
1.00
0.50
(m)
0.00
-0.50
-1.00
-1.50
1.50
SIWEH (m 2 )
1.00
0.50
0.00
0 200 400 600 800 1000 1200
Tiemp o (s)
1.50
1.00
0.50
(m)
0.00
-0.50
-1.00
-1.50
1.50
SIW EH (m 2 )
1.00
0.50
0.00
0 200 400 600 800 1000 1200
Tiem p o (s)
42
9.8
Seal de oleaje
Presin (m)
9.6
9.4
0 200 400 600 800 1000
9.2 Tiempo (s)
Anlisis temporal
Discretizacin de la seal:
1. Pasos ascendentes
2. Pasos descendentes
3. Distancia entre crestas
4. Distancia entre valles
Evaluacin de parmetros y
velocidades orbitales
Ej. Hrms, Hs, Hmx, T, Tp, ux, uy
Determinacin de la
direccin del oleaje
Fig 3.19 Diagrama de flujo para el anlisis temporal de seales de oleaje sin
considerar la evaluacin del agrupamiento del oleaje
43
4. ANLISIS ESPECTRODIGITAL DE SERIES TEMPORALES
Este modelo matemtico del oleaje supone que una seal de superficie libre del mar
es resultado de la suma de un gran nmero de ondas sinusoidales, cuyas amplitudes
vienen dadas por:
ai2 = 2 S ( fi ) fi (4.1)
1
2 S ( f i ) f i (4.4)
2 i
Si se representa la sumatoria como una integral, la energa total del oleaje por unidad
de superficie es expresada por:
Energa = S ( ) d (4.5)
0
45
Se puede afirmar que el fenmeno queda perfectamente definido a travs del espectro
si se aceptan las hiptesis estadsticas que permiten estudiarlo. La precisin en el
clculo de la funcin de distribucin espectral es muy importante para la validacin
del estudio a travs de este tipo de anlisis. La eleccin del tratamiento al cual ser
sometida la serie es, en consecuencia, bastante subjetiva y en cada caso debe
estudiarse la resolucin espectral y el nivel de confianza que se desea tener para la
estimacin de los parmetros.
Para calcular los valores del espectro se utilizan las series de Fourier. A fin de
simplificar este procedimiento se utiliza la transformada rpida de Fourier (FFT)
(verbigracia, Bendat y Piersol, 1986), la cual reduce en gran medida el nmero de
operaciones necesarias para su obtencin; este algoritmo tiene como base la
propiedad de la transformada discreta de Fourier (DFT) que permite calcular la FFT
de una sucesin a travs de la DFT de subsucesiones ms cortas.
En la tabla 4.1 se presenta la metodologa para realizar un anlisis del oleaje bajo esta
perspectiva.
46
4.1 Correccin del nivel medio
De la misma forma que con el anlisis temporal, se debe llevar a cabo una correccin
del nivel medio, ya que si ste no es corregido se introducir en el espectro una
distorsin denominada efecto de solapamiento o aliasing. Si no existe influencia de
ondas largas, en principio la correccin se puede hacer con las mismas consideraciones
expuestas en la seccin 3.1.1.
Para realizar el filtrado de ondas largas, se acepta que el oleaje est formado por una
suma de ondas sinusoidales, de manera que la superficie libre puede ser representada
por la ec 4.7:
N /2
( t ) = an cos ( 2 f nt ) + bn sin ( 2 f nt ) (4.7)
n =1
Por ejemplo, si la seal que se presenta en la fig 4.1, se descompone en cada uno de
sus armnicos y despus se hace F( fn ) = 0, para aquellas frecuencias fn que satisfagan
la desigualdad fn< 0.02 Hz, es decir para las ondas largas, se elimina su influencia, con
lo que se obtiene una seal como la que se presenta en la fig 4.2.
9.8
9.6
Superficie libre (m)
9.4
9.2
9
0 200 400 600 800 1000
Tiem po (s)
47
9.8
9.6
Superficie libre (m)
9.4
9.2
donde b(t), se conoce como profundidad de peso, la cual se debe multiplicar por toda
la muestra a fin de reducir las oscilaciones en los extremos de la serie. Las ventanas
ms utilizadas son la trapezoidal y la cosenoidal, las cuales se expresan de la
siguiente forma:
t*
l : 0 t* l
b1 (t* ) = 1 : l t* N l (4.9)
N t
*
: N l < t* N
l
48
b) Ventana tipo coseno
1 t
1 cos * : 0 < t * < l
2 l
b2 (t* ) = 1 : l t* N 1 (4.10)
1 1 cos ( N t* ) : N - 1 < t N
2
l
*
2
N 2
b ( t* ) dt*
1 0 (4.11)
b N
b ( t ) dt
4
* *
0
Si se aplica una ventana al registro, la energa total decrece y los valores espectrales
estimados son menores que los reales, por lo que deben multiplicarse por un factor de
correccin en el momento de evaluar la funcin de densidad espectral. Dicho factor
est dado por
N
= N
(4.12)
b(t )
n =1
n
2
49
Al evaluar la ec 4.12, se obtiene que el factor para corregir la funcin de densidad
espectral es 1.139.
2 nt 2 nt
(t ) = a0 + an cos + bnsen (4.13)
n =1 Tr Tr
donde a0 expresa el valor del nivel medio, an y bn son los coeficientes de Fourier,
an bn, expresados como:
1
T /2
a0 =
Tr (t ) dt
T / 2
2
T /2
2 nt
an =
Tr (t ) cos
Tr
dt n 1 (4.14)
T / 2
2
T /2
2 nt
bn =
Tr
T / 2
(t )sen
Tr
dt n 1
2 n
n = (4.15)
Tr
2
= (4.16)
Tr
En la ec 4.16 se puede observar que entre mayor sea el periodo del registro, Tr, el
espacio se hace ms pequeo y los coeficientes de Fourier estarn menos separados.
50
1.5
0.5
(m)
0.0
-0.5
-1.0
-1.5
1.0
0.8
Fun cin ventan a (b)
0.6
0.4
0.2
0.0
1.5
Seal despes de aplicar la ventana
1.0
0.5
(m)
0.0
-0.5
-1.0
-1.5
0 40 80 120 160 1120 1160 1200 1240 1280
t (s) t (s)
Fig 4.3 De arriba hacia abajo: seal original, funcin ventana tipo coseno y seal
despus de aplicarle la funcin ventana, respectivamente. De izquierda a
derecha, parte inicial y final, respectivamente, de las seales y funciones
51
Sustituyendo las ecs 4.14 en la ec 4.13 e integrando, para a0 = 0, se obtiene:
2 T /2
2 nt 2 nt 2
T /2
2 nt 2 nt
(t ) = (t ) cos dt cos + (t ) sen dt sen
n =1 Tr T / 2
Tr Tr n =1 Tr T / 2
Tr Tr
(4.17)
T /2
T /2
(t ) = (t ) cos n t dt cos nt + (t ) sen nt dt sen n t (4.18)
n =1 T / 2 n =1 T / 2
d d
(t ) = (t ) cos t dt cos t + (t ) sen tdt sen t (4.19)
= 0 = 0
f (t ) dt < (4.22)
la cual debe cumplirse para que la ec 4.21 sea cierta. Esta teora es vlida solamente
para funciones que tienden a cero cuando t , de forma que se satisfaga la
52
ec 4.22. Una integral de Fourier puede ser considerada como el lmite formal de una
serie de Fourier cuando el periodo tiende a infinito.
F ( ) = A( ) iB( ) (4.24)
Haciendo uso de las ecs 4.23 y 4.24, la ec 4.20 se puede expresar como:
1
(t )e
i t
F ( ) = dt (4.25)
2
A( ) sen td = 0 (4.27)
y de manera similar,
B ( ) cos t d = 0 (4.28)
Si se suman las integrales 4.27 y 4.28 a la ec 4.26, sin que esto altere el valor (t),
despus de operar, se tendr:
(t ) =
F ( )ei t d = 2 F ( )ei t d
0
(4.29)
53
Las ecs 4.25 y 4.29 reciben el nombre de par transformado de Fourier, donde F() es
la transformada compleja de Fourier de (t). Es frecuente encontrar en la literatura
que la transformada de Fourier, ec 4.25, est expresada en funcin de la frecuencia, f,
en lugar de la frecuencia angular, (donde = 2 ), de la siguiente forma:
(t )e
i t
F( f ) = dt (4.30)
o considerando la ec 4.30,
N 1
1
e
i 2 f j nt
F( f j ) = n j = 0,1, 2....N / 2 (4.32)
N n=0
2 j 2 j
j = 2 f j = = = 2 jf (4.33)
T N t
Una forma muy sencilla de calcular los coeficientes de Fourier, una vez corregido el
nivel medio, es como sigue:
Evale j =j
Calcule F( fj)
Incremente j en 1
54
Dado que las componentes de Fourier son simtricas, F( fj) =F(-fj ), no es necesario
calcular las componentes para las frecuencias negativas.
Cuando se tiene un nmero de datos muy grande, este mtodo estndar de clculo
puede consumir mucho tiempo de cmputo, ya que el nmero de operaciones es del
orden de N 2. En la actualidad, este clculo se hace usando la tcnica de la
trasformada de rpida de Fourier (p ej, Newland, 1984, y Bendat y Piersol, 1986), sin
embargo, los algoritmos convencionales para su clculo presentan una limitacin en
cuanto a que la longitud del registro debe ser una potencia de 2, esto es, el nmero de
puntos N debe cumplir N = 2m. Por tanto, cuando se programan los aparatos de
medicin de oleaje se procura que los datos cumplan con esta restriccin, y en caso
contrario el nmero de datos es ajustado, ya sea eliminando el exceso de datos de la
parte inicial o final del registro o aadiendo los ceros necesarios al final del registro.
S ( fn ) = 0 para n = 0 (4.34)
1 N
S ( fn ) = 2F ( fn )
2
para n = 1,... (4.35)
2 f 2
1 1
f = = (4.36)
tmx N t
55
En la prctica, el espectro obtenido a partir de este procedimiento tiene una gran
resolucin estadstica, sin embargo, para los casos de seales que contienen mucho
ruido, es decir perturbaciones, la fiabilidad estadstica disminuye. Por este motivo,
hay ocasiones en que es conveniente emplear un procedimiento de suavizado del
espectro, con el fin de aumentar la fiabilidad a costa de perder resolucin.
2
= 2 f = (4.37)
T
Con base en lo anterior, el espectro se puede expresar en funcin de la frecuencia, de
la frecuencia angular o del periodo. La condicin que debe cumplirse es que se
conserve la energa, es decir que la energa asociada con la banda de frecuencias (1,
1 + d) debe ser igual a la correspondiente en periodos o frecuencias, o sea,
1 + d f1 + df T1 + dT
S ( ) d = S ( f ) df = S (T ) dT (4.38)
1 f1 T1
d
df = (4.39)
2
2
dT = d (4.40)
2
se obtiene,
d 2
1 + d f1 + T1 d
S ( ) d = 2
S ( f ) df = 2 S (T ) dT (4.41)
1 f1 T1
d 2 d
S ( 1 ) d = S f ( f1 ) = ST (T1 ) (4.42)
2 2
y por tanto, se pueden establecer las relaciones entre dichos espectros como:
56
S f ( f ) = 2 S ( 2 f ) (4.43)
2 2
ST (T ) = S (4.44)
T2 T
1 2 2
S ( ) = Sf = 2 ST (4.45)
2 2
0.50
0.25
(m )
0.00
1.0 2.0 3.0 4.0
-0.25 t (s )
-0.50
Fig 4.4 Seal discreta
1 1
f = = = 0.25 Hz
N t ( 8 )( 0.5 )
57
8 1
1 1
F ( f 0 = 0) =
N
e
n =0
n
i 2 f 0 nt
= ( 0.5 m ) e ( )( )( ) ( 0.5 m ) e ( )( )( )
8
i 2 0Hz 0 0.5s i 2 0Hz 1 0.5s
F ( f 4 = 1.0 Hz) = 0 m
S ( f 0 ) = 0 m 2 / Hz
1 1
S ( f1 = 0.25 Hz ) = 2F ( fn ) = 2 ( 0.1250 + 0.3018 i ) m
2 2
= 0.8536 m 2 / Hz
2 f 2 ( 0.25 Hz )
S ( f 2 = 0.5 Hz ) = 0 m 2 / Hz
S ( f 3 = 0.75 Hz ) = 0.1464 m 2 / Hz
S ( f 4 ) = 0 m 2 / Hz
1.00
0.75
S (m2/Hz)
0.50
0.25
0.00
0.00 0.25 0.50 0.75 1.00 f(Hz)
Fig 4.5 Espectro de energa de la seal de ejemplo
58
4.5 Suavizado del espectro
Los valores espectrales estimados fluctan entorno a los valores del espectro real.
Para atenuar estas oscilaciones es posible suavizar el espectro con una funcin de
peso W( f ), de forma que
S ( f ) = S ( f* )W ( f* f )df* (4.47)
0
W ( f )df
0
=1 (4.48)
) j =k + m
S( f ) = W( f
j =k m
k f j )S ( f j ) (4.49)
) 1 ns
S ( f* ) = S n ( f j ) (4.50)
n n =1
Filtro rectangular
Es el mtodo ms simple para llevar a cabo este procedimiento y est dado por la
expresin:
1 (m 1) m
W1 ( f j ) = ; j (4.51)
m 2 2
59
donde m, representa el nmero de valores espectrales no suavizados que se utilizaron
para el promedio.
Filtro triangular
1 j (m 1) m
W2 ( f j ) = 1 ; j (4.52)
W2 [ (m 1/ 2] 2 2
Filtro parablico
1
2
j (m 1) m
W3 ( f j ) = 1 ; j (4.53)
W3 [ (m 1) / 2] 2 2
m
fB = (4.54)
N t
Koopmans (1974) propone para los dems filtros, que los grados de libertad se
calculen a travs de la ec 4.55:
2
r= n/2
(4.55)
W 2
(f )
j
j = ( m 1) / 2
Para los casos en que m sea grande, se aceptan las siguientes aproximaciones:
5
r m , para el filtro parablico (4.57)
3
El ancho de banda de la resolucin espectral se evala de forma similar y es
equivalente a los valores dados por:
60
3m
fB , para el filtro triangular (4.58)
4 N t
5n
fB , para el filtro parablico. (4.59)
6 N t
Los filtros triangular y parablico dan una estimacin espectral a un intervalo de
frecuencia de la mitad del filtro rectangular; sin embargo, se debe recordar que dos
estimaciones espectrales adyacentes no son estadsticamente independientes para
estos filtros. La resolucin espectral se puede mejorar nicamente si se utiliza un
registro de oleaje ms largo, tal como se observa en la ec 4.54.
Debido a que la estimacin del momento de cuarto orden es muy sensible a los
valores que se tienen en las altas frecuencias, para espectros que definen un estado de
mar este parmetro no es representativo ya que puede inducir a fuertes errores. Para
hacer ms claro este problema, Longuet-Higgins (1983) propuso otro parmetro de
anchura espectral, el cual depende de los momentos de orden inferior.
1/ 2
m m
= 0 2 2 1 (4.62)
m1
61
Otro parmetro que define la forma del espectro es el de agudeza de pico Qp,
propuesto por Goda (1970):
2
f ( S ( f ))
2
Qp = 2
df (4.63)
m0 0
Goda (1985) seala que Qp es cercano a 2 para olas generadas por viento.
Para la estimacin del periodo medio de las olas a partir del espectro hay dos ecuaciones:
m0
T01 = (4.64)
m1
m0
T02 = (4.65)
m2
En cuanto a parmetros asociados con la superficie libre, se tienen las siguientes relaciones:
rms = m0 (4.66)
H m0 = 4.004 m0 (4.68)
Ejemplo. Evaluar los parmetros caractersticos del espectro de oleaje que se presenta
en la fig 4.6 y en la tabla 4.2: anchura espectral de cuarto orden, , anchura espectral
de segundo orden , agudeza espectral Qp, periodo medio de orden uno y dos, T01 y
T02, variacin cuadrtica media de la superficie libre, altura de ola cuadrtica media y
altura de ola de momento de orden cero.
62
TABLA 4.2 DATOS CORRESPONDIENTES A LA FIG 4.6
f (Hz) S(m2/Hz) f (Hz) S(m2/Hz) f (Hz) S(m2/Hz) f (Hz) S(m2/Hz)
0.05625 0.00004 0.11875 0.27027 0.18125 0.04756 0.24375 0.01172
0.06250 0.00214 0.12500 0.21033 0.18750 0.04074 0.25000 0.01036
0.06875 0.02032 0.13125 0.17649 0.19375 0.03501 0.25625 0.00918
0.07500 0.07476 0.13750 0.14983 0.20000 0.03019 0.26250 0.00816
0.08125 0.16182 0.14375 0.12698 0.20625 0.02612 0.26875 0.00727
0.08750 0.29755 0.15000 0.10745 0.21250 0.02267 0.27500 0.00650
0.09375 0.62772 0.15625 0.09093 0.21875 0.01974 0.28125 0.00582
0.10000 0.98125 0.16250 0.07705 0.22500 0.01725 0.28750 0.00522
0.10625 0.73726 0.16875 0.06542 0.23125 0.01512 0.29375 0.00470
0.11250 0.41829 0.17500 0.05570 0.23750 0.01329 0.30000 0.00423
1.
0.
0.
S (m2/Hz)
0.
0.
0.
0. 0. 0. 0. 0.
f (Hz)
Solucin: El primer paso es evaluar los diferentes momentos del espectro; para ello,
de la tabla 4.2 se puede obtener el incremento de frecuencia f = 0.00625 Hz. De
manera discreta, el momento de orden cero se puede calcular como:
N m2
m0 = f S ( f i ) = ( 0.00625 Hz ) 0.00004 +
i =1 Hz
m2 m2
0.00214 + ... + 0.00423 = 0.03141m
2
Hz Hz
N m2
m1 = f fi S ( f i ) = ( 0.00625 Hz ) ( 0.05625Hz ) 0.00004 +
i =1 Hz
m2 m2
( 0.0625Hz ) 0.00214 + ... + ( 0.03Hz ) 0.00423 = 0.00374m Hz
2
Hz Hz
63
N 2 m2
m2 = f f i S ( fi ) = ( 0.00625 Hz ) ( 0.05625Hz ) 0.00004
2
+
i =1 Hz
m2 2 m2
( 0.0625Hz ) 0.00214 + ... + ( 0.03Hz ) 0.00423 = 0.00049m 2 Hz 2
2
Hz Hz
N 3 m2
m3 = f fi S ( f i ) = ( 0.00625 Hz ) ( 0.05625Hz ) 0.00004
3
+
i =1 Hz
m2 3 m2
( 0.0625Hz ) + ... + ( 0.03Hz ) 0.00423
3
= 0.00008m Hz
2 3
0.00214
Hz Hz
N 4 m2
m4 = f f i S ( fi ) = ( 0.00625 Hz ) ( 0.05625Hz ) 0.00004
4
+
i =1 Hz
m2 4 m2
( 0.0625Hz ) ( )
4
0.00214 + ... + 0.03Hz 0.00423 = 0.00001m Hz
2 4
Hz Hz
1/ 2
( 0.00049m 2 Hz 2 )
1/ 2 2
m 2
= 1
2
= 1 = 0.6591
mm ( 0.03141m 2 )( 0.00001m 2 Hz 4 )
0 4
1/ 2
m m
1/ 2 ( 0.03141m 2 )( 0.00049m 2 Hz 2 )
= 0 2 2 1 = 1 = 0.3294
( )
2
m1 0.00374m 2
Hz
T01 =
m0
=
( 0.03141m 2 )
= 8.41 s
m1 ( 0.00374m 2 Hz )
T02 =
m0
=
( 0.03141m ) 2
= 7.99s
m2 ( 0.00049m Hz ) 2 2
64
2
2 m2
2
f ( S ( f )) ( 0.05625Hz ) 0.00004
2
Qp = 2 df = +
m0 0 ( 0.03141m ) 2 2
Hz
m2
2
m2
2
( 0.0625Hz ) 0.00214 + ... + ( 0.03Hz ) 0.00423 = 3.2
Hz Hz
Seal de oleaje
1.5
Presin (m)
0.0
-1.5
0 200 400 600 800 1000 1200
Tiempo (s)
Estimacin de la direccin
Clculo de parmetros
Estimacin del espectro del oleaje:
espectrales
Espectro direccional
65
4.7 Anlisis direccional del oleaje
En el mar, el oleaje generado por el viento no se propaga en una sola direccin, por el
contrario, su energa se distribuye a lo largo de varias direcciones, esto es, la energa
asociada a las frecuencias con un valor cercano a la frecuencia modal se propagan
principalmente con la direccin del viento, mientras que la energa asociada con
frecuencias mayores o menores, se distribuye sobre un rango de diferentes direcciones.
66
dentro de un rango bidimensional definido entre f y f + f, para las frecuencias, y
entre y + , para las direcciones, tal que:
f +f +
1
2
f
a 2
n = S ( f , ) dfd (4.71)
La forma clsica para representar al espectro direccional est dada por la siguiente ec:
S ( f , ) = S ( f ) D ( f , ) (4.72)
D ( f , ) 0 entre [ 0, 2 ] (4.74)
2
D ( f , ) d =1 (4.75)
0
Es conveniente resaltar que el espectro puede ser expresado tambin en funcin del
nmero de onda y la direccin (k, ), a travs del vector del nmero de onda definido
por (kx, ky) = (kcos, ksen ), de tal forma que:
2 2 k
S ( f , ) = S ( k , ) = S ( kx , k y ) (4.76)
Cg Cg
67
donde Cg es la celeridad de grupo asociada con la frecuencia f, dada por la teora
lineal.
Las tcnicas de medicin pueden ser divididas dentro de tres grandes grupos,
dependiendo de la forma en que la informacin es adquirida (tabla 4.3).
68
En la llamada aproximacin estocstica, la informacin de la distribucin de la fase
en el campo de oleaje es ignorada, ya que se asume que no hay ondas asociadas a
determinados valores de fase, y por tanto se enfoca al clculo del espectro
direccional.
69
Debido a que el espectro cruzado es una cantidad compleja, a las partes reales Cmn( f )
se les denomina funciones de coincidencia espectral y a las imaginarias Qmn( f ),
funciones de cuadratura espectral.
Dentro del marco de la teora lineal y asumiendo que las diferentes fases asociadas a
los componentes del oleaje estn distribuidas de forma aleatoria sobre (0,2), se
obtiene la siguiente ec para el espectro cruzado en funcin del espectro direccional:
2
Gmn ( f ) = H m ( f , ) H m* ( f , )e S ( f , ) d
ik ( xn xm )
(4.79)
0
Los valores de hm, m y m dependen del tipo de seal que se tiene. En la tabla 4.4
(Frigaard, 1997), se presentan los valores que corresponden para dichas expresiones,
dependiendo del tipo de seal medida Pm(t).
g H cosh ( k (h + z ) )
( x, y , z , t ) = i exp ( i (kx t ) ) (4.82)
2 cosh(kh)
70
4.7.6 Estimacin del espectro direccional
El principio de este tipo de mtodos consiste en asumir a priori una expresin dada
para la funcin de la dispersin angular y determinar el menor nmero de parmetros
para esta expresin a partir del espectro cruzado. La presente aproximacin
contribuye a disminuir el nmero de incgnitas relacionadas en dicha funcin; para el
caso de un modelo unimodal, el problema se reduce solamente a la determinacin de
dos parmetros: la direccin principal de propagacin y un factor de dispersin
direccional que representa el esparcimiento angular de la energa del oleaje sobre la
direccin principal.
0
D1MFM ( f , ) = ( s) cos 2 s (4.83)
2
Tipo de seal
medida
Pm hm m m
1 H
Superficie libre = = exp(i (kx t )) 1 0 0
g t z =0 2
Pendiente de
superficie = [ik cos ] ik 1 0
x
(eje x)
Pendiente de
superficie = [iksen ] ik 0 1
y
(eje y)
71
TABLA 4.4 (Continuacin)
Tipo de seal
medida
Pm hm m
m
cosh ( k (h + z ) ) cosh ( k (h + z ) )
Velocidad ux = = cos 1 0
(eje x) x senh ( kh ) senh ( kh )
cosh ( k (h + z ) ) cosh ( k (h + z ) )
Velocidad uy = = sen 0 1
(eje y) y senh ( kh ) senh ( kh )
senh ( k (h + z ) ) senh ( k (h + z ) )
Velocidad uz = = i i 0 0
(eje z) z senh ( kh ) senh ( kh )
Velocidad
vertical de la = = i -i 0 0
t z z =0
superficie
u x cosh ( k (h + z ) ) cosh ( k (h + z ) )
Aceleracin ax = = i 2 cos i 2 1 0
(eje x) t senh(kh) senh ( kh )
u y cosh ( k (h + z ) ) cosh ( k (h + z ) )
Aceleracin ay = = i 2 sen i 2 0 1
(eje y) t senh(kh) senh ( kh )
u z 2 senh ( k (h + z ) ) senh ( k (h + z ) )
Aceleracin az = = 2 0 0
(eje z) t senh(kh) senh ( kh )
Aceleracin 2
vertical de la = 2 -2 0 0
t 2
superficie
cosh ( k (h + z ) ) cosh ( k (h + z ) )
Desplazamiento x = u x dt = i cos i 1 0
(eje x) senh(kh) senh ( kh )
cosh ( k (h + z ) ) cosh ( k (h + z ) )
Desplazamiento y = u y dt = i sen i 0 1
(eje y) senh(kh) senh ( kh )
senh ( k (h + z ) ) senh ( k (h + z ) )
Desplazamiento z = u z dt = 0 0
(eje z) senh(kh) senh ( kh )
cosh ( k (h + z ) ) cosh (k (h + z ) )
P = = g g 0 0
Presin dinmica
cosh ( kh ) cosh (kh )
72
El coeficiente de normalizacin se calcula partiendo de la condicin de que la integral
de la funcin de dispersin direccional entre 0 y 2 es igual a 1 ( es la funcin Gamma):
22 s 1 ( ( s + 1) )
2
( s) = (4.84)
( 2 s + 1)
Primer orden
r1
0 = Arg ( a1 + ib1 ) s= (4.85)
1 r1
Segundo orden
donde
rn = a n2 + bn2
2
bn = D ( f , )sen (n )d (4.88)
0
Para sistemas de un solo punto es necesario calcular los coeficientes a1, b1, a2, b2, ya
que en stos se concentra toda la informacin disponible de la transformada de
Fourier. Las expresiones que los definen se presentan en las tablas 4.5 y 4.6.
73
Otro modelo comnmente usado para direcciones que caen en el intervalo determinado
por ( 0 ; 0 + ) es el Gaussiano, definido por:
1 ( 0 )2
D1 ( f , ) = exp (4.89)
2 2 2
Una vez ms la direccin principal, 0, y el ancho direccional, , se calculan por
medio de los coeficientes de Fourier, tal que:
Primer orden
Segundo orden
1 2Ln(r2 )
0 = Arg ( a2 + ib2 ) = (4.91)
2 2
1 sinh (kh )
2
Tres velocidades Q12 Q13
[u z ( z ); u x ( z ); u y ( z ) ] C11
sinh (k (h + z )) C11 (C 22 + C 33 ) C11 (C 22 + C 33 )
1 sinh (kh )
2
Tres aceleraciones Q12 Q13
[a z ( z ); a x ( z ); a y ( z ) ] C11
sinh (k (h + z )) C11 (C 22 + C 33 ) C11 (C 22 + C 33 )
74
TABLA 4.6 EXPRESIONES DE LOS COEFICIENTES DE FOURIER a2 Y b2,
PARA SISTEMAS DE MEDICIN DE UN PUNTO
Modelos bimodales
( 1 ) 2
1 ( 2 )2
D 2 MFG ( f , ) = exp + exp ; [ 0,1] (4.92)
2 1 2 1
2
2 2 2
2 2
Este modelo fue introducido por Capon et al (1967) y completado por diversos
autores, entre los que destacan Isobe (1984) y Krogstad (1988). El modelo de mxima
verosimilitud se basa en la suposicin de que la funcin de dispersin angular puede
ser expresada como una combinacin lineal del espectro cruzado, tal que:
1
D MLM ( f , ) = mn ( f , ) Gmn ( f )
E ( f ) m ,n
(4.93)
75
Esta estimacin se relaciona con la funcin de dispersin angular normal, por medio
de la siguiente expresin:
D MLM ( f , ) = D ( f , ) w ( , ') d ' (4.94)
0
donde
D IMLM
i
( f , ) = D IMLM
i 1
( f , ) + i ( f , ) con D IMLM
0
( f , ) = D MLM ( f , ) (4.96)
Primer esquema
( f , )
+1
1
iMLM
( f , ) =
i
D IMLM
i 1
( f , ) con = 1 (4.97)
DMLM ( f , )
Segundo esquema
+1
( f , ) =
i
con = D MLM ( f , ) iMLM
1
( f , ) (4.98)
76
4.7.6.3 Otros mtodos
Mtodo bayesiano
77
5. DISTRIBUCIONES ESTADSTICAS DEL OLEAJE
79
En general, la superficie libre del oleaje deja de presentar una distribucin normal por
efectos tales como rotura del oleaje tanto en aguas profundas como someras y
someramiento, ya que las crestas se hacen ms acusadas y los valles menos profundos
y ms largos, por citar dos de los fenmenos ms importantes.
Siguiendo con el mismo esquema planteado, considrese ahora que la superficie libre
puede ser tratada como la suma de contribuciones de un gran nmero de ondas con
frecuencia m y direccin n (- n ) superpuestas de manera aleatoria; por
ejemplo
m2 = gk m tanh k m h (5.2)
amn = S ( f , )f (5.3)
( )2
1 2
p ( ) = e 2
(5.4)
2
80
La media y la varianza, momentos centrados de primero y segundo orden, 1 y 2,
pueden ser calculados a travs de las siguientes expresiones:
1 = = p ( ) d (5.5)
( ) p ( ) d
2
2 = =
2
(5.6)
Ambas notaciones (ecs 5.6 y 5.7) son frecuentemente utilizadas; por ejemplo, en
Massel (1996).
1 1
p ( ) = e 2 (5.8)
2 2
donde
= (5.9)
Puede demostrarse (Massel, 1996, y Ochi, 1998) que todos los momentos de orden
non son iguales a cero, mientras que los momentos de orden par cumplen con la
siguiente relacin:
2 n = {1 3 5 ( 2n 1)} 2 n (5.10)
donde
( ) p ( ) d
n
=
n
(5.11)
81
m n = p ( ) d
n
(5.12)
y, por tanto,
1 3 5 ( n 1) para momentos de orden par
m n = (5.13)
0 para momentos de orden non
y
n
m n = (5.14)
n
3
1 = = m3 (5.15)
3
4
2 = 3 = m 4 3 (5.16)
4
d
p ( ) = p ( ) (5.17)
d
82
1 2
2
1 2
p ( ) = e rms
(5.18)
rms 2
Esta distribucin admite, aunque con muy pequea probabilidad, que son
posibles desplazamientos tan grandes como se quiera (tericamente (t) puede
ser igual a infinito). Esto es fsicamente imposible ya que la ola rompera antes
de alcanzar esas alturas.
83
1.60 Distribucin de seal medida
Distribucin terica
1.20
0.80
p (1/m)
0.40
0.00
-1.50 -1.00 -0.50 0.00 0.50 1.00 1.50
(m)
Fig 5.1 Comparacin entre la funcin de distribucin de probabilidad
medida y terica
84
1
1 2 m 3
2
m 4 3 m 5 10m 3
p ( ) = e 1 +
3! H 3 ( ) + H 4 ( ) + H 5 ( ) +
2 4! 5!
(5.19)
m 6 15m 4 + 30
H 6 ( ) + ...
6!
H 3 ( ) = 3 3
H 4 ( ) = 4 6 2 + 3
H 5 ( ) = 5 10 3 + 15 (5.20)
H 6 ( ) = 6 15 4 + 45 215
etc.
1 2
1 2 1 m 10 1
p ( ) = e 1 + H 3 ( ) + 2 H 4 ( ) + 5 H 5 ( ) +
2 3! 4! 5!
(5.21)
m 6 15m 4 + 30
H 6 ( ) + ...
6!
85
1 1 3
= a 2 k + a cos + a 2 k cos 2 + a 3k 2 cos 3 + ...
2 2 8
(5.22)
3
= a cos + a k cos + a 3 k 2 cos 3 + ...
2
1 2 A B 9 ( k ) 1
2
1
p ( ) = e + (5.23)
2 R 8 N R 3
donde
2
2 13
A = N k ( 2 1) + ( k ) 3 2
2
(5.24)
8
2 39
B = N 1 2 k + ( k ) 2 2 (5.25)
8
9
( k ) 2
2
R = 1+ (5.26)
4
N = 1 + ( k )
2
(5.27)
Para dar solucin a las ecs 5.24 y 5.27, el nmero de onda k es evaluado utilizando la
frecuencia de pico espectral fp y la profundidad local h.
Continuando con el ejemplo presentado en la fig 5.1, en la fig 5.2 se presenta una
comparacin entre la funcin de densidad de probabilidad medida, normal y la
desarrollada hasta el tercer orden, ec 5.23, con una frecuencia de pico espectral
fp = 0.1 Hz y a una profundidad local h = 2 m.
86
1.60 Distribucin de seal medida
Distribucin normal
Tercer orden
1.20
0.80
p (1/m)
0.40
0.00
-1.50 -1.00 -0.50 0.00 0.50 1.00 1.50
(m)
1
{
= an cos ( n + n ) + k an cos ( n + n ) ansen ( n + n )
2
2 2
} (5.28)
Y obtuvo la siguiente relacin para la funcin de probabilidad acumulada, P():
2
1
e {erf A ( , ) + + erf A ( , ) } d
P ( ) = 2
(5.29)
2 ( )
donde
0 para >
2
a ( ) = 1/ 2 (5.30)
2 1 + 2 para <
2
k m0
= (5.31)
2
87
2 2
A ( , ) = 1 + + (5.32)
2
= 1 + k 2 m0 (5.33)
88
5.2 Distribucin de los desplazamientos mximos (crestas)
Los estudios de Rice fueron ampliados por Cartwright y Longuet-Higgins (1956), que
demostraron que la funcin de densidad de crestas, mx(t), puede ser definida a
travs de la siguiente relacin:
1 1 2 1 2 (1 2 ) 2 2 x2
1
1
P( ) = exp + (1 ) exp
2 12
e dx (5.34)
2 2 2
donde
mx
= (5.35)
m0
1 2 mx
mx
P ( mx ) = e 2 m0
para mx 0 (5.36)
m0
P ( mx ) = 0 para mx < 0 (5.37)
89
Las ecs 5.36 y 5.37 definen la distribucin de Rayleigh. Para la segunda condicin
lmite, cuando el parmetro de anchura tiende a uno, se tiene una condicin
completamente distinta:
2
1 mx
1
P( mx ) = e 2 m0 (5.38)
2m0
N O+ = N C+ NV+ (5.39)
N O = NV N C (5.40)
NV+ = N C = rN C (5.41)
negativas.
90
Por tanto,
N O+ = N C+ NV+ = (1 r ) N C rN C = N C (1 2r ) (5.42)
1 N+
r = 1 O (5.43)
2 NC
Es claro que el nmero de crestas ser siempre mayor o igual que el nmero de cruces
con pendiente positiva, por tanto los valores lmite para r sern:
NC
1 r0 ( 0 ) (5.44)
N O+
NC 1
r ( 1) (5.45)
N O+ 2
donde
2 = 4r (1 r ) (5.46)
Las ecs 5.44 y 5.45 definen los valores lmite para la anchura de la base del espectro,
y la proporcin de las crestas en un registro dado. El caso r = 0 se presenta si
N O+ = N C , es decir, cuando el nmero de cruces ascendentes por el nivel medio en el
registro, es igual al nmero total de crestas. Definido lo anterior y utilizando la ec 5.39,
se obtiene:
N O+ = N C = N C+ NV+ (5.47)
Es posible afirmar, para el caso en que no existan crestas negativas ni valles positivos
el nmero de crestas positivas y de valles negativos ser el mismo, es decir que toda
la energa est contenida en una banda de frecuencias o periodos muy estrecha. Dicha
situacin se muestra en la fig 5.3.
91
3
2
Lado (+)
1
0
-1 0 10 20 30 40 50 60 70
-2
Lado (-)
-3
92
1, 2 y 4, la distribucin de Carter (1986)
H2 H2
H H rms2 H 8 m0
p( H ) = 2 2
e = e (5.49)
H rms 4m0
Las distribuciones de las crestas y valles son de la forma de Rayleigh, ec 5.36, y por
tanto la distribucin conjunta est dada por:
2 + 22
1
p ( 1 , 2 ) = 1 2 e 2
(5.50)
93
donde 1 y 2, son las amplitudes de cresta y valle adimensionales, respectivamente,
definidas segn la ec 5.35. Si se define y como las suma de ambas amplitudes
adimensionales, y y2 como la resta, es decir,
y = 1 + 2 y y2 = 1 2 (5.51)
y + y2 y y2
1 = y 2 = (5.52)
2 2
1 1
y 2 + y2 2 y 2 + y2 2
y y2
1
( ) 1
( )
4 4
p ( y , y2 ) =
2 2
y 2 y2 e = y 2 y2 e (5.53)
2 2 4 8
y y2
y2 y y2 2
y1
1 4 1 2
( )
4
p ( y) = p ( y, y2 ) dy2 = e
2
y y 2 e
dy2 (5.54)
y1 8 y1
y2 y2 2
y1 y2
1 4
+ ( y 2) e
4 4
p ( y) = e 2 ye
2
dy2 (5.55)
4 0
y2 y2 y y2 2
y1
1 4 1 4
P ( y ) = p ( y ) dy = 1 e 2
ye 0 e dy2 (5.56)
0
2
Las ecs 5.55 y 5.56 se pueden expresar tambin en forma dimensional como:
H2
4 m
H2
4 m H2 H
1 H
p(H ) = e 0 2 e 0 + 2 Erf (5.57)
4 m0 m0
m0 2 m0
94
H 2 H2
H
H 4 m0
P ( H ) = 1 e 0 +
2m
e Erf (5.58)
2 m0 2 m0
donde u(u = y2/2) es una constante de integracin y la funcin error, Erf, est definida
como:
X
2
Erf ( X ) = e
u2
du (5.59)
0
1 12 + 22
2 1 2
p ( 1 , 2 ) = 1 22 I 0 e (5.60)
1 1
2 1 2
132 + 14 2
=2
2
(5.61)
m0
2 4 6
= + + (5.62)
16 4 16 64
donde 13 y 14 son las autocorrelaciones de las partes de la seal separada unidades.
1 y 2 + y2 2
1 y 2 y2 2 1 2 2
p ( y , y2 ) =
8 1 2
I 0 1 2 4 ( y y 2 ) e
4 1 2
(5.63)
95
y y
p ( y) = p ( y, y2 ) dy2 = 2 p ( y, y2 ) dy2
y 0
1 y2 y 1 y 2 y2 2
(5.64)
1 2
2
y y2
2
(
2
)
1 2 4 1 2
=
4
e
2 1
0
1 2
I0
1 4
2
y y2 e
dy2
P ( y ) = p ( y ) dy (5.65)
0
Las ecs 5.64 y 5.65 son anlogas a las derivadas por Tayfun (1981), mismas que se
pueden expresar tambin en forma dimensional como:
1 H2 1 H 2 u 2 1
H
1 2 m0 1 2 H 2 u 2 1 H 2 u 2 1
4 m0 1 2
p(H ) = e 0 4m0 1 2 0 4m0 1 2 e
I du (5.66)
m0
H
P ( H ) = p ( H ) dH (5.67)
0
96
D en sid a d d e p r ob a b ilid a d P r ob a b ilid a d d e e xced en cia
0.5 1
= 0
0.4 = 0.2
= 0.4 0.1
0.3 = 0.6
= 0.8
0.01
= 1.0
0.2
0.001
0.1
0 0.0001
0 2 4 6 8 10 0 2 4 6 8 10
1/2
H/m 0 H/m 01/2
2
1+ n a H 1n
H
b H 1 n
p(H ) = e
(5.68)
H H
donde
a= (5.69)
n
4 1 +
2
2a
b= (5.70)
1 n
97
a
p ( ) = b 1e
(5.71)
donde
H
= (5.72)
H rms
1
b 1+ 2 2
2
= a 1 + (5.73)
2
= (5.74)
1 n
Si el parmetro n es igual a cero, la ec 5.71 se simplifica en la distribucin de
Rayleigh, mientras que si n = 0.5,
a1 4
p ( ) = a1 e
3 4
2.055 3e
( 0.514 )
4
(5.75)
donde
( 2 )
3/ 2
a1 = 0.654 (5.76)
(
4 1 + 2 2 )
Ejemplo. En la fig 5.5 se presenta el aspecto que guarda la densidad de probabilidad y
la probabilidad de excedencia adimensional para diferentes valores de n.
0 0.001
0 1 2 3 0 1 2 3
H/Hrms H/Hrms
98
5.3.3 Distribucin de alturas limitada por rotura
Esta distribucin supone que existe una correlacin intermedia entre una cresta y el
siguiente valle, en este caso si la cresta es grande, la probabilidad de que el prximo
valle sea grande es alta, sin embargo, existe una cierta probabilidad de que el valle
pueda ser mediano o pequeo.
N u J o ( u ) du
p ( , N ) = uJ o 0 N 1/ 2 (5.77)
12
0
N
4 1 N
1/ 2
N u
p ( , N ) = 1 cos uJ o 1/ 2 J o ( u ) du N 1/ 2 (2 N )1/ 2 (5.78)
0 N
tanh(k0 h)
N = (5.79)
7 2 k 2m
0 0
donde
H
= (5.80)
H rms
2h
= k0 h tanh ( k0 h ) (5.81)
g
99
Densidad de p r obabilidad Pr obabilidad de excedencia
1 1
N=5
0.8 N=6
N=8
N = 10 0.1
0.6 N = 20
N = 100
0.4
0.01
0.2
0 0.001
0 1 2 3 0 1 2 3
H /H rm s H /H rm s
Diversos estudios han sido realizados con el fin de encontrar aquellas distribuciones
que describen de mejor manera el fenmeno del oleaje para sus diversos tipos. Green
(1994) lleg a la conclusin que para estados de mar muy desordenados (tipo sea) la
ecuacin de Carter es la que mejor representa al fenmeno. Si se tiene un estado de mar
ms ordenado (al salir del rea de generacin y propagarse el oleaje) la distribucin
de Tayfun es la que mejor se ajusta. Por ltimo, en un estado de mar muy ordenado
(tipo swell) la distribucin de Rayleigh puede utilizarse de manera adecuada.
100
A continuacin se presentan las distribuciones ms utilizadas. Cabe sealar que es
importante considerarlas en su forma dimensional y adimensional, la primera por su
utilidad para clculos prcticos y la segunda para poder hacer una comparacin
entre ellas.
Cavani, Arhan y Ezraty (1976) propusieron una distribucin terica que, al igual que
la de Longuet-Higgins (1975), est basada en un modelo gaussiano de banda estrecha,
solo que sta s toma en cuenta la asimetra en la distribucin de los periodos. Esta
ecuacin presenta una buena concordancia con los datos observados, pero tiene el
defecto de utilizar el parmetro de anchura espectral, , que depende del cuarto
momento de la funcin de densidad espectral. Este momento tiene el inconveniente
de estar asociado a la cuarta potencia de la funcin de densidad espectral, por lo que
cualquier error en la distribucin resulta muy amplificado, sobre todo para altas
frecuencias.
h 2 ( )4 2 2 2 2
3h 2
8 2
( ) + 2 4
p ( h, ) = e (5.82)
4 2 (1 2 ) 4 5
donde
H
h= (5.83)
m0
T
= (5.84)
TC
2 m2
TC = (5.85)
m4
101
T
= Si 0.95 = 1 (5.86)
TC
=
1
2
(
1+ 1 2 ) (5.87)
2
=
2
(5.88)
1 2
En este punto es conveniente mencionar que esta ecuacin fue obtenida midiendo el
periodo de ola entre cresta y cresta, TC, por lo que no sera correcto aplicarla a olas
definidas por el mtodo de pasos ascendentes por cero; sin embargo, Goda (1978)
seala que aun para este caso la distribucin da buenos resultados.
Haciendo
T H
TC = T , = y h= (5.89)
T m0
2
TZ4 H 2 2 TZ2
2 + 4 2
1 T H 3 4 2 2 4
8 m0 4
TZ TZ 4
p( H , T ) = e
(5.90)
4 2 m (1 ) TZ
3/ 2 4 5
0
a) b)
2 2
H (m)
H (m)
1 1
0 0
0 4 8 12 0 4 8 12
T (s) T (s)
Fig 5.7 Distribucin de probabilidad conjunta para Hrms = 1m y T = 8s . a) = 0.9 y
b) = 0.3
102
5.4.2 Distribucin de Longuet-Higgins
Longuet-Higgins (1983) propone otra ecuacin que tiene los mismos mritos que la
de Cavani et al (1976) al tomar en cuenta la asimetra en los periodos, adems de
que posee la gran ventaja de utilizar un parmetro de ancho espectral de orden menor:
(dependiente del segundo y no del cuarto momento).
1 1
2 R R 1+ 2 1
2 2
p( R, ) = 1/ 2 2 e L( ) (5.91)
T
= (5.92)
T
H
R= (5.93)
2 2m0
1 1
1
= 1 + (1 + 2 ) 2 (5.94)
L( ) 2
m0
T = = T01 (5.95)
m1
H2 1 T
2
H T2
1+ 2 1
8 m0 T
p ( H , T ) = e
3/ 2 2
L( ) (5.96)
8 2 m0 T
103
a) b)
2 2
H (m)
H (m)
1 1
0 4 8 12 0 4 8 12
T (s) T (s)
L( ) H H
p( H ) = Erfc (5.97)
2 2m0
H2
8m0 e 8 m0
104
5.5 Distribuciones de periodos de ola
T (5.99)
2T012
p (T ) = 3/ 2
(5.100)
2 2T012 + (T T01 ) 2
p (T ) = 1 + 1 2 (5.102)
2 T 2 T
105
1.00
MEDICIN
BRETSCHNEIDER
0.80 LONGUETT-HIGGINS (1983)
CAVANIE
0.60
0.40
0.20
0.00
0.00 3.00 6.00 9.00 12.00
T (s)
106
6. MODELOS ESPECTRALES DE UN ESTADO DE MAR
A travs del anlisis de una gran cantidad de espectros de oleaje se ha encontrado que
stos presentan caractersticas similares que pueden ser relacionadas mediante el
empleo de parmetros fsicos: velocidad y duracin del viento, fetch (distancia sin
obstrucciones sobre la cual el viento sopla a travs de la superficie del agua) y
profundidad sobre la cual se propaga el oleaje.
La superficie del ocano se encuentra siempre sometida a la accin del viento, por tanto
es posible pensar que el oleaje debe aprovechar la energa de manera infinita. Si se
acepta lo anterior, parecera que el fenmeno crecera de manera indefinida. Sin
embargo, se sabe que el crecimiento de las olas bajo la influencia del viento no es
infinito, la energa proporcionada por el viento est balanceada por la disipacin de
energa y por las interacciones del oleaje, el cual transfiere energa de una frecuencia
dada a otras. En aguas profundas, la disipacin toma la forma de espuma (white caps)
de menor escala que la longitud de onda. Dicho fenmeno sucede cuando dos crestas
son superpuestas o cuando ondas ms cortas pasan sobre ondas ms largas.
107
El crecimiento del oleaje est limitado tambin por la formacin de olas capilares, las
cuales obtienen energa de las crestas de ondas primarias con gran curvatura (Phillips,
1977). Es conveniente mencionar que la capa superficial de la corriente producida por
el esfuerzo cortante del viento incrementa la rotura de las olas, produciendo una gran
reduccin de su amplitud.
el fetch
S ( f ) = g 2 f 5 (2 ) 4 (6.1)
Es importante remarcar que este modelo ha sido la piedra angular para desarrollos
posteriores en la prediccin de oleaje a travs de informacin meteorolgica.
108
6.2.1 Espectro de Neumann
Neumann desarroll un modelo espectral analtico, en 1953, que fue el primero en ser
usado para el diseo ingenieril; ste est en funcin de la velocidad del viento medida a
diez metros sobre el nivel medio del mar, U10, y queda expresado como:
f p5 f 2
S ( f ) = 1.466 H 2
exp 3 (6.2)
f p
m0
f6
1 g
fp = (6.3)
6 U 10
En 1964, Pierson y Moskowitz estudiaron los espectros de oleaje del Atlntico Norte y
crearon una expresin que representa estados de mar completamente desarrollados
generados por el viento. Es decir, su modelo no depende del fetch, sino nicamente de
la velocidad del viento.
donde U19.5 es la velocidad del viento a 19.5 metros sobre la superficie del mar.
0.0805 g
fp = (6.6)
Hs
109
Dado que normalmente la velocidad del viento se reporta sobre una altura de 10 m
sobre el nivel del mar, la siguiente relacin puede ser de mucha utilidad:
donde y es la distancia vertical sobre el nivel medio del mar (snmm) y U10 es la
velocidad a una altura de 10 m snmm.
f s4 fs
4
donde fs = 1/ Ts.
Ts = 0.946Tp (6.9)
donde Tp es el periodo pico espectral. Esta expresin iguala el modelo al propuesto por
Pierson y Moskowitz.
Este modelo ha sido derivado para un estado de mar totalmente desarrollado. Sin
embargo, parece razonable que tambin pueda ser utilizado para estados de mar
parcialmente desarrollados. Las relaciones entre la altura de ola, periodo de ola y
velocidad del viento fueron presentadas por Bretschneider (1959) empricamente. Para
un estado de mar desarrollado,
gH s
2
= 0.282 (6.10)
Uw
gTs
= 6.776 (6.11)
Uw
110
Mientras que para un estado de mar casi totalmente desarrollado,
gH s gH s
2
= 0.254 (90%) 2
= 0.226 (80%) (6.12)
Uw Uw
gTs
= 4.764 (6.13)
Uw
Solucin
Primero, se transforma la velocidad del viento a m/s (1 kt = 0.514 444 m/s), tal que
Uw = 25.722 m/s. Sustituyendo este valor en las ecs 6.10 y 6.11, para el caso de un
estado de mar totalmente desarrollado, se obtiene:
0.282* ( 25.722m/s )
2 2
0.282U w
Hs = = = 19.2 m
g 9.81m/s 2
0.254* ( 25.722m/s )
2 2
0.254U w
H s (90%) = = = 17.13m
g 9.81m/s 2
0.226* ( 25.722m/s )
2 2
0.226U w
Hs = = = 15.24 m
g 9.81m/s 2
Segundo, si ahora se utiliza la ec 6.8, pueden obtenerse los espectros de energa que se
representan en la fig 1.2.
111
700
Totalmente desarrollado
600 Parcialmente desarrollado (90%)
Parcialmente desarrollado (80%)
500
S (m 2/Hz)
400
300
200
100
0
0 0.1 0.2 0.3
f (Hz)
g2
S ( f ) = 5 F ( f , x) (6.14)
f
donde
fu*
f =
g
gx
x= 2
u*
u* = velocidad de friccin del viento (cortante)
x = fetch.
S ( f ) = u* gf 4 (6.15)
112
u* = 0 / a (6.16)
donde C10 es el coeficiente de superficie de arrastre evaluado con una velocidad del
viento a 10 m de altura (sus unidades estn dadas en m/s),
La evaluacin del viento a cualquier altura puede hacerse a travs de la siguiente relacin
z
U z = U10 + u* ln (6.19)
10
Solucin
Primero se debe de estimar el valor de u* a travs de las ecs 6.17 a 6.19. Es importante
mencionar que existen diversos mtodos que son ms eficientes numricamente; sin
embargo, para fines de este ejemplo se utilizar la tcnica de aproximaciones sucesivas,
los resultados de la misma se muestran en la tabla 6.1. Por conveniencia, se trabajar
con la velocidad de viento en metros por segundo, es decir U19.5 = 22.22 m/s.
Como se puede observar en la tabla 6.1, el resultado de u* es 1.01071 m/s. Con este
valor, ahora se est en posibilidad de evaluar el espectro de energa de oleaje, ec 6.15.
Sin embargo, como puede verse en dicha ecuacin, a medida que la frecuencia es ms
pequea la energa tiende al infinito.
113
TABLA 6.1 RESULTADO DE APLICAR LA TCNICA DE APROXIMACIONES
SUCESIVAS
Iteracin 1 2 3 4
U10 propuesto 20 21 21.5 21.546
C10 0.0021 0.002165 0.002198 0.0022
u* 0.916515139 0.977121 1.007866 1.01071
U19.5 calculado 20.61207573 21.65255 22.17308 22.22098
f
4
fs
4
En 1966, Krylov propuso un modelo espectral que tiene como base la frecuencia
media. Este modelo est definido por la siguiente expresin:
4
7
f
m0 f 4 f 0
S( f ) = e
(6.22)
f0 f0
donde
1 1
f0 = = (6.23)
T02 m0 / m2
114
6.2.7 Espectro ITTC
5
fz
4
S ( f ) = 1.272m0 f f z
4
exp 0.318 (6.24)
f
6.2.8 Espectro JONSWAP
Este espectro fue generado para estados de mar formados por el viento, con fetch
limitado y para una profundidad de agua indefinida. La expresin que representa este
espectro es
f
S J ( f ) = S P ( f ) PM J ( f , f P , , ) (6.25)
f
p
donde
115
Sustituyendo las ecs 6.1, 6.26 y 6.27, se tiene
4 ( f f )2
5 f p
2 2 f 2
P
S ( f ) = g 2 f 5 (2 ) 4 e e
4 fP
(6.29)
Los valores medios de los parmetros que se utilizan para generar el espectro
JONSWAP son los siguientes:
, conocido como el factor de forma pico del espectro, cuyo valor normalmente es
= 3.3.
, que se conoce como el factor de escala y est asociado con la energa total del
espectro. El parmetro es funcin directa del fetch y de la velocidad del viento,
como se puede observar en las siguientes expresiones:
()
0.22
= 0.076 x (6.30)
De igual forma se ha observado que la frecuencia pico del espectro est relacionada
tambin con el fetch y la velocidad del viento, tal que:
g 0.33
f P = 3.5 ( x) (6.31)
U10
donde
gx
x= (6.32)
U102
x = Fetch
U10 = Velocidad del viento a 10 metros sobre la superficie.
Goda (1988) deriv una expresin aproximada del espectro JONSWAP en trminos de la
altura de ola significante Hs y de la frecuencia de pico espectral fp,
4 ( f f )2
5 f p
2 2
2 f P
5
S ( f ) = BJ H s 2 f P 4 f e
4 fP
e (6.33)
donde
0.0624 (1.094 0.01915ln )
Bj = (6.34)
0.230 + 0.0336 0.185 (1.9 + )
1
116
Es conveniente mencionar que cuando = 1, la ec 6.33 se reduce al espectro de
Pierson-Moskowitz, ec 6.5.
En ocasiones es difcil tener una estimacin del periodo de pico espectral, Tp, ya que es
ms normal que se reporte el periodo de ola significante, Ts; por ello Goda (1988)
sugiere la siguiente relacin:
Ts
Tp (6.35)
1 0.132 ( + 0.2 )
0.559
Ts
Tp (6.38)
1 0.283(m 1.5) 0.684
117
m0
sl = (6.39)
Lp
Huang et al (1981 y 1983) obtuvieron las siguientes relaciones para estimar el valor
de m:
Aguas profundas
m=
log ( 2 sl ) (6.40)
log 2
3
2
log 2 ( sl ) coth ( k p h ) 1 +
2 2 2
2senh 2 k h
p
m= para 1 < k p h (6.41)
log 2
Mientras que
m 1
( 2 sl ) m
2 4
= m 5
(6.42)
m 1
4 4
4
0.0624 1 + 0.7458 ( m + 2 )
1.057
= (6.43)
m 5
m 1
4 4
4
118
cubre componentes de alta frecuencia. El espectro total es expresado como la
combinacin lineal de ambos componentes, los cuales se expresan en trminos de tres
parmetros cada uno, dicha combinacin lineal hace posible modelar, aparentemente, casi
todos los estados de mar que se presentan durante una tormenta y hace viable la
representacin de un doble pico espectral; por ejemplo oleaje distante (baja frecuencia),
swell, y oleaje local (alta frecuencia). El espectro de Ochi y Hubble es el siguiente:
j
4 j + 1 4
2
4
( 2 f 0 j )
H sj2 4 j + 1 f 0 j 4
S( f ) = exp (6.44)
( j ) ( 2 f ) j
4 +1
2 j =1 4 f
Para aguas poco profundas, Bows et al (1985) asumieron la validez del espectro tipo
Jonswap, expresado en funcin del nmero de onda k, e incluyeron el factor de
transformacin, k ( H), dado explcitamente por:
2kh
(H ) = tanh 2 (kh) 1 + (6.46)
senh 2kh
donde h, es la profundidad del agua y kh puede obtenerse para cada H dado, mediante
119
1
h 2
H = 2 f (6.47)
g
( 2 f )
2
= gk tanh kh (6.48)
S TMA = S J ( H ) (6.49)
Goda advierte que este tipo de espectro debe utilizarse con reservas, ya que est
formulado para oleaje en crecimiento en el rea de generacin.
Ejemplo. En la fig 6.2 se presentan los resultados de evaluar el espectro TMA, ec 6.49,
con una altura de ola significante, Hs = 1.4142 m, y un periodo de pico espectral, Tp = 10 s,
para diferentes profundidades (h = 2, 5, 10, 25 y 100 m). En el caso de h = 100 m, el
resultado es propiamente el mismo que se obtendra con el espectro JONSWAP.
4
h=2m
h=5m
h = 10 m
3
h = 25 m
h = 100 m
S (m 2/Hz)
0
0 0.1 0.2 0.3 0.4 0.5
f (Hz)
Fig 6.2 Comportamiento del espectro tipo TMA en funcin de la profundidad para
( Hs = 1.4142 m y Tp = 10 s)
120
6.3 Distribucin angular
121
frecuencia se desplaza hacia frecuencias menores o mayores, es decir, la distribucin
direccional de energa del oleaje es de banda ms estrecha alrededor de la frecuencia de
pico espectral.
s mx ( f / f p )5 : f f p
s= (6.53)
s mx ( f / f p ) 2.5 : f f p
Por otro lado, Briggs et al (1995) sugieren utilizar la funcin envolvente normal para
representar el efecto direccional. La representacin en series de Fourier se expresa como:
N
1 1 (n m )2
D(f, ) = +
2
e
n=1
-
2 cos n( - m ) (6.54)
m = 0 + 1 (f - f p ) (6.55)
m = 0 + 1 (f - f p ) (6.56)
122
Fig 6.3 Ejemplo de espectros con diferente anchura espectral y direccional y misma
energa y periodo de pico espectral
Caso Smx
a 10 1
b 75 1
c 10 10
d 75 10
123
basadas en un espectro dado, S(fn). La superficie libre, (t), como una funcin del tiempo,
es expresada por
N/2
(t ) = c n cos (2f n t + n ) 0 t < t mx (6.57)
n 1
con
C n = [ 2 S ( f n ) f ]
1/ 2
(6.58)
1
f = (6.59)
N t
En las ecuaciones anteriores, N es el numero de puntos en la serie de tiempo, t el
intervalo de muestreo, tmax la duracin de las serie de tiempo, Cn son las amplitudes
reales de Fourier, f es el ancho de la banda de frecuencias, fn = n f es la frecuencia,
y n son las fases aleatorias de los ngulos distribuidos uniformemente entre (0 y 2).
N/2
(t ) = [a n cos (2 f n t + n ) + bn sen (2 f n t + n )] 0 t < t mx (6.60)
n 1
( )
an = Cn cos
n
(6.61)
b = C sen ( ) (6.62)
n n
n
Para calcular las fases aleatorias, n, se puede utilizar cualquier tcnica de generacin de
nmeros aleatorios uniformemente distribuidos entre (0 y 2); por ejemplo, la de
Williams (1993).
124
7. MODELOS PARAMTRICOS DE PREDICCIN DE OLEAJE
En las dos ltimas dcadas se han desarrollado herramientas numricas que permiten
aproximar de mejor manera la transferencia de energa no lineal entre componentes,
los cuales a su vez permiten que el espectro de oleaje sea forzado a una forma
particular, de acuerdo con las condiciones meteorolgicas. Estas aproximaciones se han
dado a conocer como modelos de tercera generacin, los cuales comparados con los
modelos de tipo paramtrico son ms exigentes desde el punto de vista computacional.
7.1 Introduccin
En los ltimos aos son muchos los esfuerzos realizados para desarrollar un modelo
universal aplicable para la estimacin del oleaje en funcin de la informacin
125
meteorolgica. Sin embargo, casi todos los esfuerzos han llevado a la sofisticacin de
modelos, que en trminos de ingeniera no son abordables. Entre los pocos esfuerzos
que escapan de esta filosofa se encuentran los trabajos desarrollados por Leenknecht
et al (1992) y Silva et al (2002).
Con el fin de utilizar las ecuaciones que describen el desarrollo del oleaje, la
metodologa para adecuar las observaciones de velocidad del viento est basada en un
modelo idealizado de capa lmite planetaria, como se ilustra en la fig 7.1. Para
condiciones tpicas de latitud media, esta capa lmite planetaria existe solamente en
los kilmetros ms bajos de la atmsfera y contiene alrededor del diez por ciento de
la masa atmosfrica (Holton, 1979).
126
Regin geostrfica
Regin de Ekman
Regin de tensin
z constante
Fig 7.1 Capa lmite atmosfrica idealizada sobre la superficie libre del agua
(Leenknecht, 1992)
En esta teora, se considera que en los niveles ms bajos el viento acta directamente
sobre la superficie del agua, en la cual existe una regin que presenta una zona de
tensin relativamente constante entre la interfase aire-agua. Esta capa de la superficie es
designada regin de tensin constante, consideracin que se supondr como permanente
de aqu en adelante. En la parte superior de la zona de tensin constante se localiza la
regin de Ekman, donde actan fuerzas adicionales como la de Coriolis, gradiente de
presiones, tensin viscosa, etctera. Finalmente, sobre la regin de Ekman, los
vientos geostrficos son considerados como el resultado del balance entre las fuerzas
ejercidas por el gradiente de presiones y las fuerzas de Coriolis para un sistema
sinptico de escala.
Para hacer uso de las ecuaciones que describen el desarrollo del oleaje, los vientos
observados son clasificados en seis categoras, como se muestra en la tabla 7.1.
Aunque se consideren seis categoras para los diferentes tipos de observaciones de la
velocidad del viento, por conveniencia, en la metodologa que se desarrollar en lo
subsiguiente, se considerarn slo dos casos separados: observaciones en la capa de
tensin constante y observaciones en la regin geostrfica. Los ajustes necesarios a la
velocidad del viento reportados por observaciones de barcos se llevan a cabo antes de
proceder a cualquier tipo de clculo. Para los casos en que el viento sopla desde tierra
y que son medidos en la lnea costera en direccin hacia el mar, se toman como
equivalentes los vientos observados en estaciones tierra adentro. Las caractersticas
complejas del viento causadas por friccin local o topografa accidentada obviamente
no se analizan en este captulo.
127
TABLA 7.1 CARACTERSTICA Y TIPO DE ACCIN PARA VIENTOS
OBSERVADOS (LEENKNECHT, 1992)
Por lo general, las observaciones de la velocidad del viento sobre el mar son la
condicin ideal de todas las diferentes fuentes para predecir el oleaje. Con frecuencia,
los marinos, en sus rutas de navegacin registran una serie de datos de forma muy
cualitativa, por lo que Cardone (1969), revisando los registros basados en observaciones
de barcos, sugiri el siguiente ajuste:
U = 1.86 U obs
7/9
(m/s) (7.1)
donde
Para los casos en que las observaciones de velocidades de vientos sean predomi-
nantemente sobre superficies en tierra, algunas veces se utilizan modelos similares al
de capa lmite para otros propsitos de prediccin. En este captulo, las siguientes
estimaciones son realizadas para estimar los vientos geostrficos, Vg, (unidades en el
sistema centmetros-gramos-segundos):
U*
Vg = (7.2)
CD _ tierra
128
donde la velocidad friccionante, U*, se evala como:
U obs
U* = (7.3)
z
ln obs
z0
C D _ tierra 0.00255 ( z 0 )
0.1639
(7.4)
La velocidad del viento se ajusta para que la tensin de friccin horizontal sea
casi independiente de la altura
U* z z
Uz= ln (7.5)
z0 L '
129
con
0.019
C1 = 0.1525; C2 = ; C3 = 0.00371 (7.7)
980
donde L es la longitud de estabilidad de Obukov, T el gradiente de temperatura
aireagua y es la funcin universal de similaridad (Keyps, 1964),
U *2 z z
L ' = 1.79 ln (7.8)
T z0 L '
=0 | T = 0
z z
=C | >0 (7.9)
L' L'
1 + u 1 + u2 z
= 1 u 3ln u + 2 ln + 2 tan 1
u + ln | 0
2 2 2 L'
1
u = (7.10)
1 18Ri1/ 4
z
(1 18Ri )
1/ 4
Ri = (7.11)
L'
Sherlock (1996) sugiere un valor para la constante C = - 1.5, cuando se resuelva sobre
la condicin de regin de tensin constante. Para dar solucin a las ecuaciones
anteriores se debe de utilizar un mtodo iterativo, que normalmente converge muy
rpidamente. El criterio de convergencia () para U* y L est dado por
U 0.1(cm/s)
*
y L ' 1(cm) (7.12)
Las ecuaciones que describen la evolucin del oleaje, las cuales se presentan en los
siguientes apartados, requieren la velocidad del viento equivalente a una elevacin de
10 m sobre condiciones de estabilidad neutra (T = 0). Una vez resueltas las
ecuaciones en la regin de tensin constante para U*, la velocidad del viento
equivalente, Ue, se puede calcular fcilmente por medio de la ec 7.5, usando (U*,
z = 10 m, T = 0):
U * 1000
U e1000 = ln 0 (7.13)
z0
130
7.2.1.3 Modelo de capa lmite planetaria
Para los casos en que los vientos geostrficos son conocidos o han sido estimados, se
deben resolver las ecuaciones de similitud que describen la capa lmite planetaria.
Adems de las relaciones descritas anteriormente para la regin de tensin constante,
se consideran vlidas las siguientes relaciones que describen el modelo desde el nivel
superficial del mar hasta la zona geostrfica:
uur uur
Vg U ( ) V
2
g
ln = A ln uur* + 2
B2 (7.14)
fz0 Vg U *
BU *
sen = uur (7.15)
Vg
uur
donde Vg es el viento geostrfico, f la aceleracin de Coriolis, A y B funciones
adimensionales de estabilidad, que se pueden evaluar a travs de:
A = A0 + ( 7 A0 ) 1 e(
0.015 )
0 (7.16)
B = B0 B1 1 e( )
0.03
A = A0 0.96 + ln( + 1)
>0 (7.17)
B = B0 + 0.7
Las ecs de la 7.14 a la 7.18 se resuelven simultneamente con las ecs 7.5 a 7.11, hasta
que se tiene una convergencia adecuada para U*, L y A. En la ec 7.7 se da un valor
de C2 = 0.0144/980 y de C = -7.0 en la ec 7.9. El criterio de convergencia usado para el
sistema iterativo en las ecuaciones antes mencionadas es como se indica a continuacin:
U 0.1(cm/s)
*
y L ' 1(cm) y A 0.1 (7.19)
131
El procedimiento de solucin converge muy rpidamente. Como se mencion
anteriormente, se utiliza la ec 7.13 para determinar la velocidad neutra del viento a
una elevacin de diez metros, considerando (U*, z = 10 m, T = 0).
Se hace un ajuste adicional para los casos en que la longitud del fetch sea
relativamente pequea, antes de la aplicacin de las ecuaciones que evalan el
desarrollo del oleaje. Para longitudes de fetch inferiores de 16 km, se aplica la
siguiente reduccin:
U e = 0.9U e (7.20)
Finalmente, es necesario evaluar los efectos del viento con duracin variable, ti, sobre
el crecimiento del oleaje. Para ajustar la velocidad del viento a una duracin de
inters se emplean las siguientes ecuaciones:
Ui 45
= 1.277 + 0.296 tanh 0.9 ln | 1 < ti < 3600s (7.21)
U 3600 ti
Ui
= 0.15ln ti + 1.5334 | 3600 < ti < 36000s (7.22)
U 3600
En primer lugar, se determina la velocidad de viento en una hora, U3600, (usando ti = tobs).
Luego, se estima la velocidad del viento (Ui) con la duracin requerida, seleccionando
la duracin deseada (ti) y usando la ecuacin apropiada.
Una vez estimada la velocidad del viento sobre la superficie de agua para la duracin
de inters, el objetivo se centra en hacer una estimacin del desarrollo del oleaje
causado por la accin del viento. Las ecuaciones simplificadas que describen el
crecimiento del oleaje ayudan a evaluar rpida y eficientemente el oleaje, tanto en
aguas profundas como en aguas someras. Las expresiones para mar abierto
corresponden a las presentadas en el Shore Protection Manual (1984) y en Vincent
(1984). Las expresiones para longitudes de fetch restringido en aguas profundas, se
132
encuentran en Smith (1991). Se debe hacer notar que la ley de arrastre (Garratt, 1977)
aqu empleada difiere de la presentada en el Shore Protection Manual. Las suposiciones
ms importantes al realizar cualquier clculo de las caractersticas del oleaje, contemplan
lo siguiente:
La velocidad del viento se mide a diez metros sobre el nivel del mar (z = 10 m)
Vincent (1984) sugiri que la velocidad del viento debe ser ajustada de forma que se
consideren los efectos no lineales que ejerce el esfuerzo cortante del viento, que son
los que generan el oleaje, por lo que se aplica la ley de arrastre presentada por Garratt
(1977):
= a CDU 2 (7.23)
CD
Ua = Ue (7.25)
0.001
133
7.2.2.1 Consideraciones sobre la longitud del fetch
Las expresiones que describen el crecimiento del oleaje se dividen en cuatro categoras:
aguas profundas y aguas someras, para ambas formas con longitud de fetch en mar
abierto o longitudes de fetch limitadas por una geometra en particular (tambin
designado fetch restringido). A continuacin se presenta una breve explicacin al respecto.
En mar abierto, la generacin del oleaje est limitada por las dimensiones del evento
meteorolgico y el ancho del fetch es del mismo orden de magnitud que sus longitudes.
Las estimaciones simplificadas para el crecimiento del oleaje en mar abierto tienen una
relacin directa con la longitud del fetch, pero no con el ancho o forma. Se supone que
el crecimiento del oleaje ocurre a lo largo del fetch en la misma direccin del viento.
En la fig 7.3 se representa la convencin para especificar tanto la direccin del viento
cuanto la geometra del fetch. La direccin del viento , as como el ngulo radial del
fetch, 1, y , se deben especificar en el sentido de las manecillas del reloj, a partir
del norte del punto de inters, donde la prediccin del oleaje es requerida. De los
datos especificados de las distancias radiales del fetch, los valores intermedios
pueden ser interpolados en los 360o.
134
Norte
Punto de inters
Fetches radiales
Viento
Norte
1
Punto de inters
Fetch1
Fetch2
Viento
Fetchi
Oleaje Fetchn
135
La direccin de desarrollo del oleaje , se resuelve por medio de la maximizacin de
la siguiente expresin:
Las ecuaciones que describen el crecimiento del oleaje en aguas profundas consideran
los efectos del fetch y la duracin del evento. Las frmulas para el crecimiento del
oleaje en aguas profundas con un fetch y duracin limitados son tomadas de Vincent
(1984) y estn basadas en los resultados proporcionados por Hasselmann et al (1973
y 1976). Las ecuaciones para un fetch limitado y con forma totalmente desarrollada
en aguas profundas estn basadas en Smith (1991). En todos los casos, la estimacin
del crecimiento del oleaje est condicionada por las expresiones para un espectro en
equilibrio totalmente desarrollado. El procedimiento se describe a continuacin:
Mar abierto
F 2/3
t fetch = 68.8 (7.27)
g 1/ 3U a1/ 3
Fetch restringido
F 0.72
t fetch = 5. (7.28)
g 0.28U 0.44
a
136
Determinacin del tipo de crecimiento (duracin limitada o fetch limitado):
Mar abierto
5/ 7
U 2 gt
H = 0.0000851 a i (7.29)
g Ua
0.411
U gt
T = 0.0702 a i (7.30)
g U a
Fetch restringido
0.69
U 2 gt
H = 0.000103 a i (7.31)
g Ua
0.39
U gt
T = 0.082 a i (7.32)
g U a
Mar abierto
1/ 2
U a2 gF
H = 0.0016 2 (7.33)
g Ua
1/ 3
U gF
T = 0.2857 a 2 (7.34)
g Ua
Fetch restringido
1/ 2
U 2 gF
H = 0.0015 a 2 (7.35)
g Ua
0.28
U gF
T = 0.3704 a 2 (7.36)
g Ua
137
4. Determinacin de la condicin de oleaje totalmente desarrollado:
Mar abierto
U 2
H fd = 0.2433 e (7.37)
g
U
T fd = 8.134 e (7.38)
g
Fetch restringido
U e2
H fd = 0.2433 (7.39)
g
U
T fd = 8.134 e (7.40)
g
H m0 = mn (H , H fd ) (7.41)
T p = mn (T , T fd ) (7.42)
donde
g aceleracin de la gravedad
ti duracin del viento en las expresiones de duracin limitada
a = Ua cos () componente del fetch paralelo a Ua para la aproximacin de fetch
restringido
e = Ue cos () componente del fetch paralelo a Ue para la aproximacin de fetch
restringido
H altura de ola determinada por medio de las expresiones de duracin
limitada o fetch limitado
T periodo de ola determinado por medio de las expresiones de
duracin limitada o fetch limitado
Hfd altura de ola significante limitada por el criterio de espectro
totalmente desarrollado
138
Tfd periodo de ola limitado por el criterio de espectro totalmente
desarrollado
Hm0 altura de ola final determinada con base en mtodos espectrales
Tp periodo de pico final determinado por mtodos espectrales.
Las expresiones para estimar el crecimiento del oleaje en aguas someras tambin
consideran el caso de fetch limitado, pero modificado para poder incluir los efectos de
friccin del fondo y percolacin (Bretschneider, 1954). Se supone que la profundidad
es constante sobre la regin en que el fetch ejerce su influencia. Los efectos de
duracin limitada no se incluyen en estas expresiones. Para el caso de mar abierto se
usan las expresiones descritas en el Shore Protection Manual (1984).
Mar abierto:
0.5
0.0016 gF
gd
0.75
U a2 0.283 U a2
H m0 = 0.283 tanh 0.530 2 tanh 0.75
(7.43)
g U a gd
tanh 0.530 U 2
a
0.333
0.2857 gF
0.375
2
U 2
gd 7.54 U a
Tp = a 7.54 tanh 0.833 2 tanh 0.375
(7.44)
gd
g U a
tanh 0.833 2
U a
0.5
0.0016 gF
0.75
2
U 2
gd 0.283 U a
H m0 = a 0.283 tanh 0.530 2 tanh 0.75
(7.45)
g U a gd
tanh 0.530 2
U a
139
0.28
0.3704 gF
0.375
2
U 2
gd 7.54 Ua
Tp = a 7.54 tanh 0.833 2 tanh 0.375
(7.46)
gd
g U a
tanh 0.833 2
U a
Pr = P0 + ( PN P0 ) e R / r (7.47)
El mximo gradiente de vientos UR (en km h-1), para un cicln estacionario puede ser
evaluado a travs de la siguiente relacin:
La velocidad del viento evaluada a diez metros sobre el nivel del mar, en km.h-1, para
un cicln en movimiento y para una distancia r medida desde el centro del cicln,
est dada por:
140
W = 0.886 ( FvU R + 0.5VF cos ( + ) ) (7.49)
y = aX + bX 2 + cX 3 + dX 4 (7.50)
Para evaluar la altura de ola significante Hs, para un cicln no estacionario, se aplica
la siguiente ecuacin:
V cos ( + )
2
6.69 N C
H s = 0.2887 FH 1 2
R ( PN P0 ) 1 + F (7.51)
1 + 10.3 N C - 3.25 N C 2U R FV
141
donde FH puede ser aproximado de manera similar a Fv, a travs de la siguiente
relacin:
y1 = aX + bX 2 + cX 3 (7.52)
El periodo de ola asociado a la altura de ola significante puede ser estimado a travs
de la siguiente ecuacin:
Ts = 12.1 H s g (7.53)
142
donde P0 es la presin central del huracn en milibares (mb) y Vv es la velocidad
mxima del viento promedio en un minuto, en km.h-1. sta es la velocidad que
normalmente se reporta en los boletines meteorolgicos.
Es importante hacer notar que las relaciones anteriores slo son vlidas para presiones
centrales superiores a 888 milibares.
143
8. ANLISIS A LARGO PLAZO
Es importante sealar que estado lmite se define como aquel estado de la estructura
en el cual se presenta un modo de fallo. Dentro de los estados lmite se distinguen dos
tipos: los relacionados con la seguridad estructural (estados lmite ltimos y de
servicio) y los relacionados con la explotacin de la obra (estados lmite operativos).
Los estados lmite ltimos son aquellos que ocasionan la destruccin total de la obra
o de una parte de ella y se pueden clasificar en: prdida del equilibrio esttico,
agotamiento resistente o rotura, deformacin, inestabilidad, fatiga y colapso
progresivo. Los estados lmite de servicio son aquellos que ocasionan la prdida de
funcionalidad de la obra o de una parte de ella, se clasifican en: prdida de
durabilidad, alteraciones geomtricas acumuladas, vibraciones excesivas, fisuracin
145
excesiva, deformaciones excesivas y estados lmites estticos, ambientales y legales.
Los estados lmite operativos son todos aquellos que ocasionan que se suspendan
temporalmente las actividades para las que sirve la obra, sin que exista dao
estructural.
El xito en el diseo de una obra, cualquiera que sta sea, radica en la adecuada
modelacin de los agentes externos a los que estar sometida. El objetivo es erradicar
en lo posible las incertidumbres inherentes a la modelacin de los fenmenos
naturales; cuanto mayor grado de certidumbre se tenga en los datos que servirn para
el diseo, menor ser el riesgo de obtener obras sobrestimadas, que absorben ms
recursos de los necesarios, u obras subestimadas, que pueden fallar en cualquier
momento.
Normalmente, los estados lmites ltimos son estudiados a travs del concepto de
anlisis de rgimen extremal, mientras que los operativos se estudian mediante el
anlisis del comportamiento del rgimen medio. Ambos conceptos son abordados en
el presente captulo.
146
Ambos componentes son variables aleatorias, cuyas funciones de distribucin pueden
ser establecidas nicamente por un anlisis sistemtico de la historia disponible y de
las condiciones a las cuales han estado sometidos elementos similares. Afortunadamente
no existe dependencia estadstica de dichas variables aleatorias y sus funciones de
distribucin pueden ser examinadas por separado. La naturaleza aleatoria de los
parmetros fundamentales de diseo se toma en cuenta a travs del llamado factor o
coeficiente de seguridad, el cual resume, de una forma simple, el carcter aleatorio de
dichos parmetros. Consecuentemente las capacidades disminuyen y las condiciones
de operacin aumentan; esto significa que bajo las tcnicas clsicas de diseo la
ec 8.1 es remplazada por
Cap
Cop FSo (8.2)
FSc
Dado que la seguridad proporcionada con los factores de seguridad es tan simple que
normalmente no es insuficiente, particularmente para aquellos problemas cuya
solucin es slo posible mediante el empleo de teoras probabilsticas y mtodos
estadsticos. Para lograr un diseo adecuado, a lo largo de la vida til del elemento se
debe satisfacer que la condicin descrita por la ec 8.1 se cumpla, ya que es posible
que ciertas condiciones de operacin y capacidad ocurran en un determinado tiempo.
Por ello, la condicin que hay que estudiar ser:
Mx (C op C ap ) 0 (8.3)
o
Mx (C op ) < Mn (C ap ) (8.4)
147
de que estos valores son los nicos que afectan directamente la falla de cualquier
sistema dado.
8.2 Excedencias
En muchas situaciones, se est interesado en los eventos asociados con las excedencias
de ciertos valores de la variable en estudio. Por ejemplo, si una ola destruye un
rompeolas, no importa si mide 10 o 20 m, ya que los daos causados no estn en
funcin de su magnitud sino del hecho de que excede el estado lmite de falla.
Generalmente se conoce cules son los valores crticos de una altura de ola y su nico
inters es conocer la frecuencia con la que ocurren las excedencias de dichos lmites.
Al concepto de excedencia va siempre asociado al de umbral, ya que la primera nunca
se presentar si el valor de la variable en estudio no rebasa el umbral definido, es
decir un lmite de falla.
y varianza
Nm(n m + 1)( N + n + 1)
2 (n, m, N ) = (8.6)
(n + 1) 2 (n + 2)
Ejemplo. La velocidad mxima del viento registrado en alguna localidad durante los
ltimos 50 aos ha sido 42 m/s. Determinar el valor medio y la varianza del nmero
de excedencias de 42 m/s del mximo anual durante los prximos 25 aos.
148
Solucin: De las ecs 8.5 y 8.6, se obtiene
r (n = 50, m = 1, N = 25) =
( 25)(1) = 0.4902
50 + 1
2 (n = 50, m = 1, N = 25) =
( 25)(1)( 50 1 + 1)( 25 + 50 + 1) = 0.7024
( 50 + 1) ( 50 + 2 )
2
Ejemplo. Las alturas de ola mximas registradas en una cierta localidad en los ltimos
50 aos estn dadas en la tabla 8.1. Elegir la altura de diseo para que se tenga una
media de dos excedencias en los prximos 25 aos.
25m
r (50, m, 25) = 2m=4
51
lo que muestra que debe elegirse el valor que ocupa el cuarto lugar, empezando por el
extremo derecho, es decir, 10.38 m.
149
tiempo (normalmente un ao) es p y que las ocasiones de que dicho suceso ocurra en
periodos diferentes no superpuestos son independientes. Entonces, al paso del tiempo
se tiene una sucesin de experimentos Bernoulli idnticos (solo dos resultados: ocurre
o no ocurre el suceso). Por ello, el tiempo que transcurre hasta la primera vez que
ocurre es una variable geomtrica Ge( p), con media 1/p. Esto motiva la siguiente
definicin (Castillo, 1987): Sea A un suceso y T el tiempo aleatorio que transcurre
entre ocurrencias sucesivas de ese evento. Al valor medio, , de la variable T se
llama periodo de retorno A, es decir que es el tiempo medio que tarda en retornar ese
suceso. Ntese que una obra falla si y slo si ocurre el suceso A, entonces su vida
media coincide con el periodo de retorno A.
Si F(x) es una funcin de distribucin del mximo anual de una variable aleatoria X,
el periodo de retorno del suceso (X > x) es 1/(1-F(x)) aos. Similarmente, si F(x) es la
funcin de distribucin del mnimo anual de una variable aleatoria, X, el periodo de
retorno del suceso (X < <} es 1/F(x) aos. Adems, la probabilidad de que el suceso
ocurra antes del periodo de retorno es
F ( ) = 1 (1 p ) = 1 (1 p )1/ p (8.7)
x 75
F ( x) = exp exp
20
Solucin: Los periodos de retorno de vientos mximos anuales de valores 50, 100 y
150 km/h, son en aos
1 1 1
50 = = 1.03; 100 = = 4.01 y 150 = = 43.02
1 F (50) 1 F (100) 1 F (150)
150
Esto significa que los vientos mximos anuales de 50, 100 y 150 km/h ocurren en
media cada 1.03, 4.01 y 43.02 aos, respectivamente.
Ejemplo 2. Si un dique se disea para resistir una media de 50 aos y si se sabe por la
experiencia pasada que la altura de ola mxima anual (en metros) sigue una
distribucin del tipo:
H 7.5
F ( H ) = exp exp
3.5
1 49
= 50 ; F (H ) = = 0.98
1 F (H ) 50
1
H = 7.5 3.5ln ln = 21.16m
0.98
1
( x) = (8.8)
1 F ( x)
En este caso, el valor esperado del nmero de sucesos A(x) en n periodos es (media de
la variable bimodal)
Un inters especial tiene el nivel x que conduce a una media de valor unitario. Este
valor es el llamado valor caracterstico de ese periodo, que se define de la siguiente
forma: Se dice que un valor un es el valor caracterstico para mximos de un periodo
de duracin n si el valor medio del nmero de excedencias de ese valor en dicho
periodo es unitario. Ntese que este valor verifica la ecuacin
1
n[1 F (un )] = 1 F (un ) = 1 (8.10)
n
151
De forma similar se define el valor caracterstico para mnimos, vn:
1
n[1 F (vn )] = 1 F (vn ) = (8.11)
n
H 7.5
F ( H ) = exp exp
3.5
Solucin: Por tanto, segn la ec 8.10, el valor caracterstico para mximos de la altura
de ola mxima anual en una dcada es la solucin de la ecuacin
1
F (u10 ) = 1 = 0.9
10
1
H = 7.5 3.5ln ln = 15.38m
0.9
152
El estadstico de orden proporciona, como su nombre lo indica, un orden a la muestra,
el cual para casos de valores extremos debe ser ascendente; donde el ltimo valor es
el mximo y el primero el mnimo. Estos valores quedan expresados respectivamente
como: el mximo Xn:n = Mx(X1, X2,,Xn) y el mnimo X1:n = Mn(X1, X2,,Xn) que
son los que pertenecen a los extremos y juegan un papel preponderante en las
aplicaciones.
Como se mencion, el diseo de estructuras martimas est gobernado por los valores
extremos. En el pasado se han utilizado muchos mtodos para determinar las
condiciones de diseo; sin embargo, no existe un mtodo universal que sea aceptado
por todos. Algunos de estos mtodos son los siguientes:
El mtodo basado en los mximos de las series anuales, que utiliza los valores
mximos de cada ao
El mtodo basado en los picos, que utiliza los picos de los temporales
El mtodo basado en las series completas, que emplea todos los valores
registrados durante el periodo de observacin
El mtodo basado en las excedencias, que emplea todos los valores que excedan
un cierto umbral.
Desde un punto de vista prctico, los puntos lmite de una funcin de distribucin
acumulativa son los valores mnimos y mximos que estn asociados a la variable
aleatoria en estudio. Si la variable aleatoria no est delimitada en alguno o ambos de
sus extremos stos se transforman en y +, respectivamente.
La funcin de distribucin del mximo, Zn, y del mnimo, Wn, de una muestra de
tamao n procedente de una poblacin con funcin de distribucin F(x) son:
H n ( x) = P [ Z n x ] = F n ( x) (8.13)
y
Ln ( x) = P [Wn x ] = 1 [1 F ( x) ]
n
(8.14)
153
La estructura de estas dos funciones muestra que los percentiles de mximos y
mnimos se mueven hacia la derecha y hacia la izquierda, respectivamente, si se
incrementa n. Aproximando los lmites superior e inferior a infinito, se tiene:
1 si F ( x) = 1
lim H n ( x) = lim F n ( x) = (8.15)
n n
0 si F ( x) < 1
0 si F ( x) = 0
lim Ln ( x) = lim1 [1 Fn ( x) ] =
n
(8.16)
n n
1 si F ( x) 1
Se dice que una distribucin F(x), pertenece al dominio de atraccin para mximos de
una distribucin dada H(x), cuando satisface la ec 8.17 para algunas sucesiones an y
bn > 0. De la misma forma, cuando F(x) satisface la ec 8.18 se dice que pertenece al
dominio de atraccin para mnimos de L(x). El problema de las distribuciones
asintticas de extremos puede plantearse como sigue:
Encontrar condiciones bajo las cuales se verifican las ecs 8.17 y 8.18.
Los nicos tres tipos de distribuciones para mximos y mnimos no degeneradas, H(x)
y L(x), que satisfacen a las ecs 8.17 y 8.18, respectivamente, son Frechet, Weibull y
Gumbel.
154
Frechet
H ( x; , , ) = exp ; x (8.19)
x
L( x; , , ) = 1 exp ; x (8.20)
x
Weibull
x
H ( x; , , ) = exp ; x (8.21)
x
L( x; , , ) = 1 exp ; x (8.22)
Gumbel
x
H ( x; , ) = exp exp ; < x < ; > 0 (8.23)
x
L( x; , ) = 1 exp exp ; < x < ; > 0 (8.24)
Las tres distribuciones lmites (ecs 8.19, 8.21 y 8.23, y 5.28 a 5.30) pueden incluirse
simultneamente en la siguiente expresin analtica:
x
1/ c
x
H c ( x; , ) = exp 1 + c ; 1+ c 0 (8.25)
( x )
H 0 ( x; , ) = exp exp ; < x < (8.26)
155
Similarmente, las tres distribuciones lmites (ecs 8.20, 8.22 y 8.24) pueden ser
incluidas en la forma de Von-Mises:
x
1/ c
x
Lc ( x; , ) = 1 exp 1 + c ; 1+ c 0 (8.27)
donde para c > 0, c < 0 y c = 0 se obtienen las familias de Frechet, Weibull y Gumbel,
respectivamente. Para c = 0 se tiene:
( x )
L0 ( x; , ) = 1 exp exp ; < x < (8.28)
Castillo (1987) presenta de manera resumida los dominios de atraccin para mximos
y mnimos de las distribuciones ms comunes, en la tabla 8.2.
156
probabilidad P, de tal manera que al representar grficamente X contra cualquier
funcin de distribucin acumulativa F(x), perteneciente a esa familia, tenga la
apariencia de una lnea recta. Esto implica que el dibujo de cualquier funcin de
distribucin acumulativa en este papel permite decidir si pertenece o no a esa familia,
y si la respuesta es afirmativa, estimar sus parmetros.
= g ( x)
(8.29)
= h( y )
F ( x; ) (8.30)
la cual, al ser transformada por la ec 8.29, se convierte en una familia de lneas rectas.
En particular, si F ( x; ) , se puede escribir como
y = F ( x; ) = h 1 ( ag ( x) + b ) h( y ) = ag ( x) + b (8.31)
= a + b (8.32)
157
Si se representa en papel de Gumbel para mximos la familia de Von-Mises (ec 8.25),
se obtiene
c( )
1 ln 1 +
c( ) c ; c ( )
= ln ln exp 1 + = 1 + 0
c
(8.33)
1
'= (8.34)
c( )
1 +
c
'' = 2
(8.35)
c( )
1 +
2
Ntese que cuando c < 0, tiende a infinito, y si c > 0, a cero. Este hecho es muy
til en la identificacin de los dominios de atraccin de Weibull y Frechet, pues
muestran pendientes verticales y horizontales en el extremo de inters, respectivamente.
Ntese, tambin, que puede tender a cero o infinito para distribuciones tipo
Gumbel, si 0 o , respectivamente. Tambin se tiene
= 0, si y slo si c = 0
Si se tratara del extremo izquierdo, los smbolos > y < deben ser intercambiados. En
consecuencia, el papel de Gumbel para mximos (mnimos) y en el extremo de
inters, las distribuciones de tipo Weibull aparecen como curvas cncavas
(convexas), las de tipo Frechet como convexas (cncavas) y las de tipo Gumbel como
rectas.
158
8.8.1 Tcnicas de punteo en papeles probabilsticos
La importancia del problema de punteo fue sealada por Kimball (1960), quien indic
que radicaba en el hecho de tener en mente el objetivo del papel probabilstico, el
cual se encuentra generalmente incluido en alguno de los que se presentan a
continuacin:
159
8.8.2 Estimacin de parmetros y dibujo en papel probabilstico de Gumbel
x
y = H ( x; , ) = exp exp (8.36)
Al tomar logaritmos dos veces de 1/y y en comparacin con las ecs 8.29 y 8.31, se
tiene
= g ( x) = x
1 (8.37)
= h ( y ) = ln ln = ln ln ( y )
y
tal que
= a + b = (8.38)
donde
1
a= y b= (8.39)
0 = = (8.40)
1= = + (8.41)
Cuando se trabaja con toda la muestra completa, una posibilidad para estimar los
parmetros de la distribucin de Gumbel es realizarla a partir de la media y la
desviacin estndar de la muestra, respectivamente:
= x + 0.5772 (8.42)
sx 6
= (8.43)
160
Sin embargo, en ocasiones, cuando interesa trabajar slo con parte de los datos, otra
alternativa es encontrar los parmetros a y b a travs de un ajuste por mnimos
cuadrados, tal que
N N N
N Datos xk k xk k
a= k =1 k =1 k =1
2
(8.44)
N
N
N Datos xk xk
2
k =1 k =1
N N
a xk + k
b= k =1 k =1
(8.45)
N Datos
donde NDatos son el nmero de datos con el cual se ajustan los valores de a y b.
En las ecs 8.44 y 8.45, los valores de xk corresponden a la funcin discreta que se
quiere ajustar y k es su probabilidad asociada calculada con cualquiera de las
ecuaciones que aparecen en la tabla 8.3.
x
L( x; , ) = 1 exp exp (8.46)
= g ( x) = x
(8.47)
= h ( y ) = ln ln (1 y )
tal que
= a + b = (8.48)
1
a= y b= (8.49)
La estimacin de los parmetros y puede ser realizada notando que para = 0 y
= 1:
0 = = (8.50)
1= = + (8.51)
161
Por tanto, las ecs 8.44 y 8.45 pueden tambin ser usadas para el caso de mnimos,
siempre y cuando se respete la transformacin realizada.
Ejemplo. Siguiendo el ejemplo de los datos presentados en la tabla 8.1, ajustar con la
distribucin de probabilidad para mximos de Gumbel.
Si se sustituyen estos valores en las ecs 8.44 y 8.45, se obtiene: a = 0.63 m-1, b = -4.79,
y en la ec 8.39, = 1.58 m y = 7.59 m. La fig 8.1 presenta grficamente el resultado.
H k xk H k xk H k xk
0.009 -1.55 4.84 0.336 -0.09 7.50 0.664 0.89 8.94
0.027 -1.28 5.29 0.355 -0.04 7.60 0.682 0.96 9.01
0.045 -1.13 5.89 0.373 0.01 7.64 0.700 1.03 9.12
0.064 -1.01 5.90 0.391 0.06 7.71 0.718 1.11 9.20
0.082 -0.92 6.06 0.409 0.11 7.78 0.736 1.18 9.66
0.100 -0.83 6.32 0.427 0.16 7.85 0.755 1.27 9.75
0.118 -0.76 6.58 0.445 0.21 7.89 0.773 1.36 9.86
0.136 -0.69 6.61 0.464 0.26 8.06 0.791 1.45 10.03
0.155 -0.62 6.73 0.482 0.31 8.07 0.809 1.55 10.09
0.173 -0.56 7.03 0.500 0.37 8.10 0.827 1.66 10.15
0.191 -0.50 7.05 0.518 0.42 8.14 0.845 1.78 10.38
0.209 -0.45 7.12 0.536 0.47 8.21 0.864 1.92 10.51
0.227 -0.39 7.18 0.555 0.53 8.21 0.882 2.07 10.59
0.245 -0.34 7.19 0.573 0.58 8.31 0.900 2.25 10.80
0.264 -0.29 7.21 0.591 0.64 8.52 0.918 2.46 11.57
0.282 -0.24 7.30 0.609 0.70 8.56 0.936 2.72 12.02
0.300 -0.19 7.30 0.627 0.76 8.58 0.955 3.07 12.19
0.318 -0.14 7.43 0.645 0.83 8.77 0.973 3.59 13.55
0.991 4.70 15.14
162
0.995
5
0.99
0.98 4
Pr obabilidad
0.95 3
0.9
2
0.8
0.7 1
0.6
0.5
0.4
0.3
0
0.2
0.1
0.05 -1
0.02
0.01
0.001
4 6 8 10 12 14 16
Altur a de ola (m)
Ejemplo. En los ltimos 53 aos por una localidad dada en el Caribe mexicano se han
registrado diez huracanes con la presin mnima que presenta la tabla 8.5. Evaluar la
distribucin de Gumbel para mnimos de estos datos.
163
0.999
1.80
1.60
0.99
Pr obabilidad
1.40
0.975
1.20
0.95
1.00
0.9
0.80
0.88
0.86
0.84 0.60
0.82
0.8
x
k = 44
k = 9348 ;
k = 44
k = 9.206 ; x
k = 44
k k = 8569.13 ; x
k = 44
k
2
= 8739968
Si se sustituyen estos valores en las ecs 8.44 y 8.45, se obtiene: a = -0.0248 mbs-1,
b = 24.138, y en la ec 8.49, = 40.262 mbs y = 971.864 mbs. La fig 8.2 ilustra el
resultado obtenido.
x
y = F ( x; , , ) = exp ; < x (8.52)
164
Al aplicar logaritmos dos veces, se obtiene:
x
log log ( y ) = log = log ( x ) + log (8.53)
= g ( x ) = log ( x )
(8.54)
= h ( y ) = log log ( y )
a=
(8.55)
b = log
= a + b = ( + log ) (8.56)
Para determinar a y b, se pueden utilizar las siguientes ecuaciones, las cuales han sido
deducidas mediante la tcnica de mnimos cuadrados:
N N N
N Datos k k k k
a= k =1 k =1 k =1
2
(8.57)
N
N
N Datos k k
2
k =1 k =1
N N
a k + k
b= k =1 k =1
(8.58)
N Datos
Se debe notar que la escala () coincide con la del papel probabilstico de Gumbel;
sin embargo, la gradacin ( ) se encuentra en este caso en escala logartmica en lugar
de aritmtica. Se puede observar que la distribucin de Weibull depende de tres
parmetros, uno ms que la distribucin de Gumbel, ste es el parmetro umbral ,
que es desconocido y el cual normalmente no se puede inferir a travs de fenmenos
fsicos. Para la estimacin de , se recomienda representar grficamente los datos con
un parmetro umbral propuesto que satisfaga la condicin dada por la ec 8.52 y
165
observar el ajuste de la recta a los valores de probabilidad dados. Este procedimiento
se repite iterativamente hasta que se est conforme con el ajuste realizado con la recta
descrita por la ec 8.56. Dicho punteo de datos debe hacerse para distintos valores del
parmetro umbral, hasta que la tendencia lineal que se busca sea obtenida para el
intervalo de inters.
Con el valor del parmetro umbral propuesto, se procede a estimar los parmetros
restantes y , lo que se puede realizar notando que para = 0 y = 1, se tiene
1
1 = ( + log ) = log (8.60)
x
y = L( x; , , ) = 1 exp ; x (8.61)
= g ( x ) = log ( x )
(8.62)
= h ( y ) = log log (1 y )
Solucin: De evaluar las ecs 8.52 a 8.58, se obtienen los siguientes resultados (parte
del proceso aparece en la tabla 8.6):
166
TABLA 8.6 DATOS Y DETALLES DEL PROCESO DE CLCULO
= 20 m = 40 m = 100 m
# H P 2 2 2
16 10.0 0.62 0.74 -2.30 -1.70 5.30 -3.40 -2.51 11.57 -4.50 -3.32 20.25
17 10.2 0.66 0.88 -2.28 -2.00 5.21 -3.39 -2.98 11.52 -4.50 -3.95 20.23
18 10.5 0.70 1.03 -2.25 -2.32 5.07 -3.38 -3.49 11.45 -4.49 -4.63 20.20
19 10.9 0.74 1.20 -2.21 -2.65 4.88 -3.37 -4.05 11.36 -4.49 -5.39 20.16
20 11.2 0.78 1.39 -2.17 -3.03 4.73 -3.36 -4.68 11.29 -4.49 -6.25 20.13
21 11.6 0.82 1.62 -2.13 -3.44 4.53 -3.35 -5.41 11.20 -4.48 -7.25 20.09
22 12.2 0.86 1.89 -2.05 -3.89 4.22 -3.33 -6.29 11.06 -4.48 -8.47 20.03
23 12.9 0.90 2.25 -1.96 -4.41 3.84 -3.30 -7.43 10.89 -4.47 -10.05 19.95
24 13.9 0.94 2.78 -1.81 -5.03 3.27 -3.26 -9.08 10.64 -4.46 -12.40 19.85
25 16.0 0.98 3.90 -1.39 -5.41 1.92 -3.18 -12.40 10.10 -4.43 -17.29 19.63
17.68 -20.56 -33.88 42.97 -33.32 -58.31 111.08 -44.78 -78.99 200.51
0.990 4.5
0.985
= 20 4
0.975 3.5
Probabilidad
0.950 3
2.5
0.900
2
0.800 1.5
0.700 1
0.600
9.3 10.3 11.6 13.2 14.5 15.5 16.1 16.5
H (m)
Los resultados correspondientes se presentan en las figs 8.3, 8.4 y 8.5, respectivamente.
Para evaluar las distribuciones Frechet para mximos y mnimos, se sigue un proceso
anlogo al presentado aqu para la distribucin de Weibull.
167
0.990 4.5
0.985 4
= 40
0.975 3.5
Probabilidad
0.950 3
2.5
0.900
2
0.800 1.5
0.700 1
0.600
9.7 10.5 11.5 12.9 14.3 15.5 16.4 17.1
H (m)
0.990 4.5
0.985 4
= 100
0.975 3.5
Probabilidad
0.950 3
2.5
0.900
2
0.800 1.5
0.700 1
0.600
9.8 10.5 11.4 12.9 14.3 15.6 16.5 17.3
H (m)
168
10
6 Di+1
Hs (m)
4
Di
2
En este caso particular, se define a la duracin (D) como el intervalo de tiempo que
dura una excedencia de un valor determinado de un parmetro de estado de mar (por
ejemplo, Hs) en un sector direccional determinado () (fig 8.6). El objetivo es obtener
el espacio muestral de la variable aleatoria bidimensional (Hs, D) para cada sector
direccional , para poder ajustar un modelo matemtico y obtener la distribucin de la
variable aleatoria, f (Hs,D).
169
9. REFERENCIAS
Airy, G B (1845), Tides and waves, Encycl Metrop, Art 192, 241-396
Aristteles (1996), Acerca del cielo; Meteorolgicos, Gredos, Madrid, 430 pp
Battjes, J A (1971), Run-up distributions of waves breaking on slopes, Jour Wat, Port,
Coast and Oce Eng, 97, 91-114
Bendat, J S P, y Piersol, A G (1986), Random data, John Wiley & Sons, Nueva York, 556 pp
Benoit, M (1992), Practical comparative performance survey of methods used for
estimating directional wave spectra from heave-pitch-roll data, Proc 23rd Int Conf on
Coastal Eng, ASCE, Venecia, Italia
Bitner, E M (1980), Nonlinear effects of the statistical model of shallow-water wind
waves, Appl Ocean Res, 2(2), 63-73
Blom, G (1962), Nearly best linear estimates of locations and scale parameters, S G,
34-46
Bouws, E, Gnther, H, Rosenthal, W, y Vincent, C L (1985), Similarity of the wind wave
spectrum in finite depth water 1 spectral form, Jour Geoph Res, 90(C1), 975-986
Bretschneider, C L (1959), Wave variability and wave spectra for wind-generated gravity
waves, Beach Erosion Board, US Army Corps of Engineers, Washington, DC
Bretschneider, C L (1990), Tropical cyclones, Handbook of coastal and ocean
engineering, Gulf Publishing Co, 249-370
Bretschneider, C L R (1954), Modification of wave height due to bottom friction,
percolation and refraction, The Agricultural and Mechanical College of Texas, Texas
Brigg, M, Thompson, E, y Vincent, Ch (1995), Wave diffraction around breakwater,
J Wtrway, Port, Coast and Ocean Engng, 121(1), 23-35
Capon, J, Greenfield, R J, y Kolker R J (1967), Multidimensional maximum-likelihood
processing of a large aperture seismic array, Proc IEEE
171
Cardone, V J (1969), Specification of the wind distribution in the marine boundary layer
for wave forecasting, Geophysical Sciences Laboratory, Department of Meteorology
and Oceanography, School of Engineering and Science, New York University,
Nueva York
Carter, D J T, Challenor, P G, y Srokosz: M A (1986), Estimating wave parameters for
engineering applications, Dept of Energy, Londres, 92 pp
Cartwright, DE, y Longuet-Higgings, M S (1956), The statistical distribution of the
maxima of a random function, Proc of the Royal Society of London, Series A
(Mathematics and Physical Science), 237, 212-232
Castillo, E (1987), Extreme value theory in engineering, Statistical modeling and
decision science, Academic Press, San Diego, California, 389 pp
Cavani, A, Arhan, M, y Ezraty, R (1976), A statistical relationship between individual
height and periods of storm waves, Int Conf on Behavior of Offshore Structures,
Trondheim, BOSS'76
Davidian, I N, Lopatukhin, L I, y Rozhkov, W A (1985), Vetzovoye Volneniye kak
Veroyatnostnyy Gidrodinamicheskiy Process (Wind waves as Stochastical
Hydrodinamics Process, consultado en Massel (1996)) Gidrometeoizdat, Leningrado,
226 pp
Donelan, M A (1980), Similarity theory applied to the forecasting of wave heights,
periods and directions, Canadian Coastal Conference, Canada
Doob, J L (1953), Stochastic Processes, John Wiley & Sons, Nueva York
Frigaard, P, y Brorsen, M (1997), Notes for PhD course in experimental and numerical
wave generation and analysis, Hydraulics and Coastal Engineering Laboratory,
Department of Civil Engineering, Aalborg University, Aalborg
Funke, ERM, y Mansard, E P D (1979), Synthesis of realistic sea states in a laboratory
flume, National Research Council of Canada, Ottawa, 54 pp
Garratt, JR, Jr (1977), Review of drag coefficients over oceans and continents, Monthly
Weather Review, 115, 915-929
Glukhovskiy, BH, y Terray, E A (1966), Issledovaniye morskogo vetrovogo (Study of
sea waves) Gidrometeoizdat, Leningrado (consultado en Massel, 1996), 284 pp
Goda, Y (1970), Numerical experiments on wave statistics with spectral simulations,
Port and Harbour Res Inst, 3-57
Goda, Y (1978), The observed joint distribution of the periods and heights of sea waves,
16th Int Conference on Costal Engineering, Hamburgo
172
Goda, Y (1985), Random seas and design of maritime structures, University of Tokyo
Press, 323 pp
Goda, Y (1988), Statistical variability of sea state parameters as a function of a wave
spectrum, Coastal Engineering in Japan, 31(1), 39-52
Goda, Y (2000), Random seas and design of maritime structures, 2nd ed, Advances
Series on Ocean Engineering, Singapur, World Scientific, 15, 443 pp
Goda, Y, y Suzuki, Y (1975), Computation of refraction and difraction of sea waves with
Mitsuyasu's directional spectrum, Tech, Note of Port and Harbour Res Inst, 45 pp
Green, M O (1994), Wave-height distribution in storm sea effect of wave breaking,
J Wtrway, Port, Coast and Ocean Engng, 120(3), 283-301
Gringorten, I I (1963), A plotting rule for extreme probability paper, Jour Geoph Res,
815-826
Hasselmann, K, Barnett, T P, Bonws, E, Carlson, H, Cartwright, D C, Enke, K, Ewing,
J, Gienapp, H, Hasselmann, D E, Kruseman, P, Meerburg, A, Muller, P, Olbers, D J,
Richter, K, Sell, W, y Walden, H (1973), Measurements of wind-wave growth and
swell decay during the joint north sea wave project (JONSWAP), Deutches
Hydrographisches Institut, Hamburgo, 95 pp
Hasselmann, K, Ross, D B, Muller, P, y Sell, W (1976), A parametric prediction model,
Journal of Physical Oceanography, 6, 220-228
Hazen, A (1930), Flood flows, a study of frequencies and magnitudes, John Wiley &
Sons, Inc, Nueva York
Holland, G L (1980), An analytical model of wind and pressure profiles in hurricanes,
Monthly Weather Review, 108, 1212-1218
Holton, J R (1979), A introduction to dynamic meteorology, Academic Press, Inc,
Nueva York, 102-108
Huang, N E, Long, S R, Tung, G G, y Yuan, Y (1983), A non-Gaussian statistical model
for surface elevation of nonlinear random waves, J Geoph Res, 88(C12), 7597-7606
Huang, N E, Long, S R, Tung, G G, Yuen, Y, y Bliven, L F (1981), A unified two
parameter wave spectral model for a general sea state, J Fluid Mechanics, 112, 203-
224
IAHR, W G (1989), List of sea-state parameters, Jour Wat, Port, Coast and Oce Eng,
115(6), 793-808
Isobe, M K, y Kondo, K (1984), Estimation of directional spectrum expressed in
standard form, Proc 19th Int Conf on Coastal Eng
173
ISSC (1964), Proceeding of the Second International Ship Structures Congress, Delf,
Holanda
ITTC (1966), Recommendations of the 11th International Towing Tank Conference,
Proccedings 11th ITTC, Tokio
ITTC (1972), Technical decisions and recommendations of the sea keeping committee,
Proceedings 12th and 13th ITTC, Rome (1969) and Berlin (1972)
Johnson, R, Mansard, E y Ploeg, J (1978), Effects of wave grouping on breakwater
stability, Int Conference on Coastal Enginiering, ASCE, Hamburgo
Khintchine, A (1934), Korrelations theorie de stationaren stochastischen prozesse,
Math Ann, 109 pp
Kimball, B F (1960), On the choice of plotting positions on probability paper, J Amer
Statist Assc, 55, 546-560
Kinsman, B (1965), Wind waves, Printice-Hall, Englewood Cliffs, Nueva Jersey
Kitaigorodskii, S A (1961), Application of the theory of similarity to the analysis of
wind-generated wave motion as a stochastic process (traducido del ruso 73-80), Bull
Akad, Nauk SSSR, Ser, Geophys, 105-117
Koopmans, L H (1974), The spectral analysis of time series, Academic Press, Nueva York
Krogstad, H E (1988), Maximum likelihood estimation of ocean wave spectra from
maximum entropy principle, Identification and Control, 81-97
Krylov, Y M (1966), Spektralnyye Metody Issledovaniya i Razcheta Vetrovykh Voln
(Sepectral methods of studying and predicting of wind waves, Consultado en Massel,
1996), Leningrad, Gidrometeoizdat, 256 pp
Leenknecht, D A, Szuwalski, A, y Sherlock, A R (1992), Automated Coastal
Engineering System, Department of the Army, Waterways Experiment Station, Corps
of Engineers, Vicksburg
Longuet-Higgins, M S (1952), On the statistical distribution of the heights of sea waves,
J Marine Research, 11, 245-266
Longuet-Higgins, M S (1963), The effect of nonlinearities on statistical distributions in
the theory of sea waves, Jour of Fluid Mechanics, 17, 459-480
Longuet-Higgins, M S (1975), On the join distribution of the period and amplitudes of
sea waves, J Geophys Res, 80(18), 2088-2094
Longuet-Higgins, M S (1983), On the join distribution of wave periods and amplitudes
in a random wave field, Proc Roy Soc, 389, 241-258
174
Losada, M A y Jimnez-Curto, L A (1978), Anlisis estadstico y espectral de
regmenes, Curso de Puertos, Universidad de Santander, Escuela Tcnica Superior
de Ingenieros de Caminos, Canales y Puertos, Santander, Espaa, 56 pp
Lumley, J L, y Panofsky, H A (1964), The structure of atmospheric turbulence, Wiley,
Nueva York
Massel, S R (1996), Ocean surface waves; their physics and prediction, Advances series
on coastal engineering, World Scientific, 11, Singapur, 491 pp
Mathews, S T (1972), A critical review of the 12th ITTC Wave Spectrum
Recommendations, Review of Seakeeping Committee, Appendix 9, Proceedings of
13th ITTC, Berln
Mitsuyasu, H, Suhaya, T, Mizuno, S, Okhuso, M, Honda, T, y Rikiishi, K (1975),
Observation of the directional spectrum of ocean waves using a cloverleaf buoy, J
Physical Oceanogr, 5, 750-760
Newland, E D (1984), An introduction to random vibrations and spectral analysis, John
Wiley & Sons, Inc, Nueva York, 377 pp
Ochi, M K (1998), Ocean waves: The stochastic approach, Cambridge Ocean
Technology, Cambridge University Press, Cambridge, 6, 319 pp
Ochi, M K, y Hubble, E N (1976), Six parameter wave spectra, Proceedings of the 15th
International Conference on Coastal Engineering, ASCE, Honolulu, Hawai
Ochi, M K, y W, W C (1984), Non-Gaussian characteristics of coastal waves, Proc 19th
International Conference on Coastal Engineering, Houston, ASCE
Oltman-Shay, J, y Guza, R T (1984), A data-adaptative ocean wave directional-spectrum
estimator for pitch-roll type measurements, J Phys Oceanogr, 14, 1800-1810
Pawka, S (1983), Island shadows in wave directional spectra, J Phys Res, 88, 2579-2591
Phillips, O M (1958), The equilibrium range in the spectrum of wind-generated waves,
Journal of Fluid Mechanics, 4, 426-434
Phillips, O M (1977), The dynamics of the upper ocean, Cambridge Univ Press, 336 pp
Pierson, W J, Neumann, G, y James, R W (1958), Practical methods for observing and
forecasting ocean waves by means of wave spectra and statistics, U S, Navy
Hydrogr, Washington, D C
Pierson, W J, y Moskowitz, L A (1964), A proposed spectral form for fully developed
wind seas based on the similarity theory of S A Kitaigorodskii, J Geoph Res, 69(24),
5181-5203
175
Pierson, W J, y Marks, W (1952), The power spectrum analysis of ocean wave records,
Trans Amer Geophys, Union, 33, 834-44
Press, W H, Flannery, B P, Teukolsky, S A, y Vetterling, W T (1993), Numerical recipes:
the art of scientific computing, Cambridge University Press, Inglaterra
Rice, S O (1944), The mathematical analysis of random noise, Bell System Technical
Journal, 23, 282-332
Rice, S O (1945), The mathematical analysis of random noise, Bell System Technical
Journal, 24, 46-156
Sanchez, C, Silva, R, Govaere, G, y Contreras, A (1998), Comparison of 4 wave
prediction models, 5th International Workshop on Wave Hindcasting and
Forecasting, Merburne, Florida
Silva, R, Daz, G, Contreras, A, Bautista, G, y Snchez, C (2000), Determination of
oceanographic risks from hurricanes on the Mexican coast, 6th International
workshop on wave hindcasting and forecasting, Monterey, California
Silva, R, Govaere, G, Salles, P, Bautista, G, y Daz, G (2002), Oceanographic
vulnerability to hurricanes on the Mexican coast, International Conference on
Coastal Engineering, ASCE, Cardiff, Wales
Smith, J M (1991), Wind-wave generation on restricted fetches, US Army Engineer
Waterways Experiment Station, M S, Vicksburg
SPM (1984), Shore Protection Manual, US Army, Engineer Waterways Experiment
Station, Coastal Engineering Research Center, US Government Printing Office,
Washington, 24-66
Stokes, G G (1847), On the oscillatory waves, Transactions Cambridge Phil Soc,
8(441), 157-229
Sverdrup, H U, y Munk, W H (1947), Wind, sea and swell: theory of relation for forecasting,
U S, Navy Hydrographic Office Publication, 44 pp
Tayfun, M A (1980), Narrow-band nonlinear sea waves, J Geoph Res, 85(C3),
1548-1552
Tayfun, M A (1981), Breaking limited wave heights, J Wtrway, Port, Coast and Ocean
Engng, 107(WW2), 59-69
Tayfun, M A (1981), Distribution of crest-to-trough wave height, J Wat, Port, Coast
and Oce Eng, 107, 149-158
Toba, Y (1973), Local balance in the air-sea boundary process III; On the spectrum of
wind waves, J Oceanogr Soc, 29, 209-220
176
Vincent, C L (1984), Deepwater wind wave growth with fetch and duration, US Army
Engineer Waterways Experiment Station, MS, Vicksburg
Wu, J (1969), Wind stress and surface roughness at air-sea interface, J Geoph Res,
74(2), 444-455
Wu, J (1980), Wind-stress coefficients over sea surface near natural conditions - A
revisit, J Phys Oceanorg, 10(5), 727-740
Wu, J (1982), Wind stress coefficients over sea surface from breeze to hurricane, J
Geoph Res, 87(C12), 9704-9706.
177
10. RECONOCIMIENTO
La fuente de inspiracin de este trabajo fueron unas copias del documento titulado
Anlisis estadstico y espectral de regmenes, editado por Miguel ngel Losada y Luis
Alberto Gimnez-Curto (1978), que fue mi primer acercamiento al estudio estadstico y
probabilstico del oleaje al iniciar mis estudios de posgrado en la Universidad de
Cantabria.
179