Está en la página 1de 9

Villón Bejar, Máximo.

HidroEsta, software para cálculos hidrológicos.


Tec­no­lo­gía en Mar­cha. Vol. 18 N.˚ 2 Especial.

HidroEsta, software
para cálculos hidrológicos
Máximo Villón Bejar 1

Palabras clave o molinetes, el cálculo de caudales


máximos, con métodos empíricos
Precipitación, caudales, variables
y estadísticos, cálculos de la
aleatorias, distribuciones, parámetros
evapotranspiración y cálculo del balance
estadísticos, media, varianza, hidrología.
hídrico.
En la investigación se probaron diferentes
Resumen métodos numéricos para la solución de
Este trabajo de investigación se orientó las ecuaciones, seleccionándose el más
a la elaboración de una herramienta adecuado para cada situación.
computacional bajo el título HidroEsta, El producto del trabajo proporciona al
software para cálculos hidrológicos,
ingeniero civil, agrícola, agrónomo,
utilizando Visual Basic, el cual pretende
hidrólogos y otros especialistas que
ser una aplicación que permita facilitar
trabajen en este campo, una herramienta
y simplificar los cálculos laboriosos
que permite realizar cálculos, simulaciones
que se deben realizar en los estudios
rápidas, y determinar los caudales o
hidrológicos.
precipitaciones de diseño.
El software permite el cálculo de los
parámetros estadísticos, cálculos de
regresión lineal, no lineal, simple y Introducción
múltiple, así como regresión polinomial, Los estudios hidrológicos requieren
evaluar si una serie de datos se ajustan del análisis de cuantiosa información
a una serie de distribuciones, calcular hidrometeorológica; esta información
a partir de la curva de variación puede consistir en datos de precipitación,
estacional o la curva de duración,
caudales, temperatura, evaporación, etc.
eventos de diseño con determinada
probabilidad de ocurrencia, realizar el Los datos recopilados, solo representan
análisis de una tormenta y calcular una información en bruto, pero si estos
intensidades máximas, a partir de se organizan y se analizan en forma
datos de pluviogramas, los cálculos de adecuada, proporcionan al hidrólogo una
aforos realizados con correntómetros herramienta de gran utilidad, que le

1 Ingeniero agrícola, especialista en ingeniería de recursos de aguas y suelos y computación.


Catedrático, Escuela Ingeniería Agrícola. Instituto Tecnológico de Costa Rica. Cartago, Costa Rica.
Teléfono: 550-2595. Correo electrónico: mvillon@itcr.ac.cr.

Vol. 18 N.º 2 Especial 67


permite tomar decisiones en el diseño de predecirse con certeza antes de ocurrir el
estructuras hidráulicas (5). fenómeno; es decir, ocurren al azar.
Para realizar los cálculos, los hidrólogos
Variable aleatoria discreta
tienen que afrontar una serie de
problemas, debido a que: Se dice que una variable aleatoria
X es discreta cuando sus valores se
• El procesamiento de la información
restringen a un conjunto enumerable
que se tiene que realizar es bastante
finito o infinito.
laboriosa.
Ejemplo: Número de días de lluvias
• Las ecuaciones por solucionar,
ocurridas en los meses de un año
en la mayoría de los casos, son
cualquiera.
muy complejas, y para su solución
se requiere del uso de métodos Variable aleatoria continua
numéricos.
Se dice que una variable aleatoria X
• Las simulaciones que se realizan
es continua, cuando sus valores se
manualmente consumen mucho
encuentran en un rango continuo y
tiempo, debido a los cálculos
puede ser representado por cualquier
requeridos.
número entero o decimal.
Por lo laborioso del proceso de
Ejemplo: El caudal diario registrado en
la información y de los cálculos, se
una estación de aforo.
puede incurrir en errores, en razón de
lo cual es necesario un software que Distribuciones
brinde al hidrólogo una herramienta
que le permita simplificar todos estos El comportamiento de una variable
procesos, e inclusive posibilitarle aleatoria se describe mediante su ley de
simular sus resultados, facilitando con probabilidades, que, a su vez, se puede
esto optimizar su diseño. caracterizar de varias maneras. La más
común es mediante la distribución de
Objetivo probabilidades de la variable aleatoria (4).
Elaborar un software que facilite y Notación:
simplifique los cálculos laboriosos, y
X ⇒ variable aleatoria de la función
el proceso del análisis de la abundante
información que se deben realizar en los x ⇒ valor particular que toma la
estudios hidrológicos. variable aleatoria
f(x) ⇒ función de densidad de probabilidad
(función de probabilidad,
Fundamentos teóricos
distribución de probabilidad de x)
Variables aleatorias F(x) ⇒ f unción acumulada (función de
Una variable aleatoria (1) es una función distribución acumulada)
X, definida sobre un espacio muestral
Medidas de las distribuciones
S, que asigna un valor a esta variable,
correspondiente a cada punto (o cada La media aritmética
resultado) del espacio muestral de un Dada la muestra compuesta de n datos,
experimento. x1, x2, ..., xn, la media, se define como la
A una variable aleatoria se le conoce suma algebraica de ellas, dividida entre
también como variable estocástica, sus el número de datos. Cuando se calcula
valores son números reales, que no pueden la media para una población, esta se

68 Vol. 18 N.º 2 Especial


denota por µ, y cuando se trata de una La moda
muestra, por x. Es aquel valor que se repite más
Matemáticamente, la media de los datos frecuentemente en un conjunto de datos,
no agrupados se representa por: se denota por Mo.
Para datos agrupados en intervalos de
clase, la moda, una vez determinada la
clase modal, se calcula con la siguiente
ecuación:

donde:
donde: Mo = moda
= media poblacional Lm = límite inferior de la clase modal
= media muestral d1 = diferencia entre la frecuencia
de la clase modal y la
xi = valor i-ésimo de la muestra premodal (clase anterior)
n = número de datos de la muestra o d2 = diferencia entre la frecuencia
población de la clase modal y la
La mediana posmodal (clase siguiente)
Es un valor único de un conjunto de w = amplitud del intervalo de clase
datos que mide el elemento central en En general, la clase modal es aquella
los datos (5). Este único elemento de los que tiene la máxima frecuencia.
datos ordenados es el más cercano a la
mitad, o el más central en el conjunto Varianza
de números. La mitad de los elementos La varianza poblacional se define
quedan por encima de ese punto, y la como la suma de cuadrados de las
otra mitad por debajo de él. desviaciones de los datos con respecto a
la media, dividida entre el número total
Sean x1, x2, x3, ..., xn datos ordenados por
de datos, es decir:
magnitud creciente o decreciente y n el
número impar de datos, la mediana (Med)
es el dato situado en el centro, es decir:

Med = , para n impar La varianza muestral (S²) (5) se obtiene


dividiendo la suma de cuadrados de las
observaciones de los datos con respecto
si n es par, la mediana es el promedio de a la media, entre el número total de
los números centrales; es decir: datos menos uno; es decir:

, para n par

Vol. 18 N.º 2 Especial 69


Desviación estándar donde:
La desviación estándar se define como
la raíz cuadrada positiva de la varianza;
es decir:
(poblacional)

(muestral)

Coeficiente de variación
Es una medida relativa de dispersión,
que relaciona la desviación estándar y la
media; es decir: Curtosis
Para datos poblacionales, el coeficiente
de curtosis (k) se define mediante la
siguiente ecuación:

Sesgo
El sesgo es el estadístico que mide la
simetría y asimetría (2). donde:
El sesgo ( ) para datos poblacionales se
obtiene con la siguiente ecuación:

donde:

El coeficiente de curtosis para datos


muestrales (2) se define como:

El sesgo para datos muestrales, se


obtiene con: donde:

70 Vol. 18 N.º 2 Especial


• Gráfico
• Mínimos cuadrados
• Momentos
• Máxima verosimilitud

Pruebas de bondad de ajuste

Estimación de parámetros Las pruebas de bondad de ajuste


consisten en comprobar, gráfica y
Los parámetros de una distribución estadísticamente, si la frecuencia
teórica son variables que para cada empírica de la serie analizada se
conjunto de datos tiene un valor definido. ajusta a una determinada función de
Una vez que los parámetros quedan probabilidades teórica seleccionada a
definidos, también queda definida la priori, con los parámetros estimados,
distribución teórica. con base en los valores muestrales.
Por lo general, una función densidad o una Las pruebas estadísticas (4) tienen por
función de distribución acumulada, puede objeto medir la certidumbre que se
escribirse como una función de la variable obtiene al hacer una hipótesis estadística
aleatoria y, en general, como una función sobre una población; es decir, calificar
de sus parámetros; así, por ejemplo, la el hecho de suponer que una variable
función densidad de la distribución normal aleatoria se distribuya según una cierta
de variable aleatoria X, es: función de probabilidades.
Las pruebas de bondad de ajuste más
utilizadas son:
• Ajuste gráfico

{
donde: • Ajuste Chi - cuadrado
estadístico Smirnov - Kolmogorov
µ = parámetro de localización.

²= parámetro de escala. Distribuciones teóricas


Para que la función f(x), quede definida, El hidrólogo generalmente tendrá
debe calcularse los parámetros µ y ². disponible un registro de datos
Como normalmente no se conocen todos hidrometeorológico (precipitación,
los valores de la variable aleatoria, la temperaturas, evapotranspiración,
estimación de los parámetros se realiza caudales, etc.), a través de su conocimiento
a partir de una muestra (4). del problema físico, escogerá un modelo
probabilístico por usar, que represente en
Métodos de estimación forma satisfactoria el comportamiento
de parámetros de la variable.

Para determinar los valores numéricos Distribución normal o gaussiana


de los parámetros de la distribución
Se dice que una variable aleatoria X
teórica, a partir de los datos muestrales,
tiene una distribución normal (2), si su
se utilizan varios métodos de estimación
función densidad, es:
(5), siendo en orden ascendente de menor
a mayor eficiencia, los siguientes:

Vol. 18 N.º 2 Especial 71


ó

Donde µ y, y, son la media y desviación


estándar de los logaritmos naturales
para - ∞ < x < ∞
de x; es decir, de lnx, y representan,
donde: respectivamente, el parámetro de
escala y el parámetro de forma de la
f(x) = función densidad normal de la
distribución.
variable x
Distribución gamma
x= variable independiente
de dos parámetros
X = parámetro de localización,
Se dice que una variable aleatoria X,
igual a la media aritmética
tiene una distribución gamma de 2
de x
parámetros (5), si su función densidad
S = parámetro de escala, igual a la de probabilidad es:
desviación estándar de x
x

EXP = función exponencial con x γ −1e β
base e, de los logaritmos f ( x) =
β γ Γ(γ )
neperianos.
Cuando la variable aleatoria X se para:
distribuye normalmente con media 0≤x<∞
y varianza ( 2 = S2), se denota
0< <∞
de la siguiente forma:
0<ß<∞
siendo:
= parámetro de forma (+)
Distribución log-normal
de 2 parámetros ß= parámetro de escala (+)
La variable aleatoria X es positiva y el = función gamma completa,
límite inferior xo no aparece. definida como:
La variable aleatoria: Y = lnX, es que converge si >0
normalmente distribuida con media µ y
y varianza y Distribución log-Pearson tipo III

Se usan estos parámetros para especificar Se dice que una variable aleatoria X tiene
que la distribución es logarítmica, puesto una distribución log-Pearson tipo II [5],
si su función densidad de probabilidad
que también puede usarse la media y la
es:
varianza de X.
Se dice que una variable aleatoria X
tiene una distribución log-normal de 2
parámetros (5), si su función densidad es:

para:
xo ≤ x < ∞
-∞ < xo < ∞
para 0 < x < ∞ 0<ß<∞

72 Vol. 18 N.º 2 Especial


0< <∞ La función de distribución acumulada de
donde: la distribución Gumbel (5) tiene la forma:

xo = parámetro de posición
ß = parámetro de escala
= parámetro de forma para: -∞ < x < ∞

Distribución Gumbel donde:

La distribución Gumbel (5) es una de 0 < α < ∞ es el parámetro de escala


las distribuciones de valor extremo, es -∞ < µ < ∞ es el parámetro de posición,
llamada también Valor Extremo Tipo I, llamado también valor central o moda
Fisher-Tippett tipo I o distribución doble
si en la ecuación, la variable x se
exponencial.
reemplaza por lnx, se obtiene la función
La función de distribución acumulada de acumulada de la distribución log-
la distribución Gumbel, tiene la forma: Gumbel, o distribución de Fréchet.
F(x) = EXP(-EXP(-(x - µ) /α))
Medición de caudales (aforos)
ó
La hidrometría es la rama de la
Hidrología que estudia la medición del
escurrimiento. Para este mismo fin, es
usual emplear otro término denominado
para: -∞ < x < ∞ aforo. Aforar una corriente significa
donde: determinar, a través de mediciones, el
caudal que pasa por una sección dada y
0 < α < ∞ es el parámetro de escala
en un momento dado (6).
-∞ < µ < ∞ es el parámetro de posición,
llamado también valor central o moda Caudales máximos
Derivando la función de distribución Para diseñar (6):
acumulada con respecto a x, se obtiene
• Las dimensiones de un cauce
la función densidad de probabilidad; es
decir: • Sistema de drenaje
- agrícola
- aeropuerto
- ciudad
- carretera
• Muros de encauzamiento para
proteger ciudades y plantaciones
ó
• Alcantarillas
• Vertedores de demasías

para: • Luz en puentes


Se debe calcular o estimar el caudal
-∞ < x < ∞
de diseño que, para esos casos, son los
Distribución log-Gumbel caudales máximos.

Vol. 18 N.º 2 Especial 73


Algunos métodos para el cálculo del • algoritmo de Newton Raphson
caudal máximo, son: • método de la secante
• Método directo • integración gráfica
• Métodos empíricos • interpolación de Lagrange
• Método del número de curva • algoritmo de Romberg
• Métodos estadísticos Para el cálculo de las distribuciones
• Métodos hidrológicos acumuladas teóricas como la Normal,
Log-Normal, Gamma, y el cálculo de sus
Evapotranspiración valores inversos, se utiliza el desarrollo
de series.
Son las pérdidas totales: evaporación
de la superficie evaporante (del suelo y Muchas soluciones de las ecuaciones se
agua) + transpiración de las plantas. realizan mediante nomogramas y tablas.
Para un proceso computacional, estas se
El término evapotranspiración potencial deben transformar a ecuaciones, por lo
(6) fue introducido por Thornthwaite y que se investigarán las ecuaciones más
se define como la pérdida total del agua adecuadas, utilizando:
que ocurriría si en ningún momento
existiera deficiencia de agua en el suelo • correlaciones lineales simples
para el uso de la vegetación. • correlaciones no lineales, simples
Se define como el uso consuntivo la • correlaciones lineales múltiples
suma de la evapotranspiración y el agua • correlaciones no lineales múltiples
utilizada directamente para construir
los tejidos de las plantas.
Como el agua para construir los tejidos Resultados
comparada con la evapotranspiración es El producto de este trabajo es HidroEsta.
despreciable, se puede tomar: Una de sus pantallas, correspondiente
Uso consuntivo ≈ evapotranspiración al cálculo de la distribución normal,
se muestra en la figura de la siguiente
En los proyectos de irrigación página.
interesa hacer cálculos previos de las
necesidades de agua de los cultivos.
Estas necesidades de agua, que van a Discusión
ser satisfechas mediante el riego, viene
a constituir la evapotranspiración o el Los resultados computacionales
uso consuntivo. obtenidos con la aplicación son, en
todos los casos, más aproximados que
Para el cálculo de estas cantidades de los obtenidos con los nomogramas.
agua, se han desarrollado métodos
basados en datos meteorológicos, de HidroEsta representa una contribución
los cuales los más conocidos son el para simplificar los estudios hidrológicos.
Thornthwaite y el de Blaney –Clidde. Es importante porque:
• Proporciona una herramienta
Materiales y métodos novedosa y fácil de utilizar para el
Para el desarrollo del software, se utilizó ingeniero civil, ingeniero agrícola,
Visual Basic, versión 6.0, la cual permite ingeniero agrónomo y otros
crear aplicaciones de 32 bits. especialistas que trabajen en el
campo de los estudios hidrológicos.
Para la solución de las ecuaciones, se
utilizarán los métodos numéricos, tales • Permite, simplificar el proceso de
como: la abundante información y los

74 Vol. 18 N.º 2 Especial


cálculos laboriosos. in hydrology. Water Resources
Publications, Michigan, U.S.A. 1977.
• Permite a partir de la información
proporcionada, simular los 3 Maidment, David. Handbook of hydrology.
Editorial McGraw-Hill. New Cork –
parámetros de diseño de las USA. 1993.
estructuras por construir.
4 Villón, Máximo. Diseño de capacidad de
• Reduce enormemente el tiempo de embalses por el método experimental-
cálculo. teoría de range. Tesis para optar
por el grado de Magíster Scientiae
• Permite obtener un diseño óptimo y en Ingeniería de Recursos de Agua y
económico. Tierra. Universidad Nacional Agraria
“La Molina”. Lima – Perú, 1983.
5 Villón, Máximo. Hidrología estadística. Taller
Agradecimiento de Publicaciones. Instituto Tecnológico
Un especial agradecimiento a la de Costa Rica. Cartago - Costa Rica.
2001.
Vicerrectoría de Investigación y
Extensión del Instituto Tecnológico de 6 Villón, Máximo. Hidrología. Taller de
Publicaciones. Instituto Tecnológico
Costa Rica, que facilitaron el tiempo y
de Costa Rica. Cartago – Costa Rica.
el material para realizar este trabajo. 2002.

Referencias bibliográficas
1 Haan, Ch. Statistical methods in hydrology.
Iowa State University Press, U.S.A.,
1977.
2 Kite, G.W. Frequency and risk analyses

Vol. 18 N.º 2 Especial 75