Documentos de Académico
Documentos de Profesional
Documentos de Cultura
HIDROLOGÍA
Trabajo presentado a
Ing. EDISSON RAMIRO CEPEDA
En donde:
P= Probabilidad de excedencia
T= Tiempo de retorno
n= Número de años
En otras palabras, la probabilidad de que la variable aleatoria tome un valor igual o
inferior a cierto número X, está dado por la función de distribución de probabilidad
F (X).
Luego, la probabilidad de que x sea mayor que X está dada por la función
complementaria.
A partir de la ecuación:
Despejamos T y tenemos:
T = 199 años
a.
k = 1 + 3.3log (n)
k = 1 + 3.3log (360)
k = 9,436
k = 10
R = Pmmax − Pmmin
Donde Pamax es la precipitación mensual máxima (valor mayor de todos los
datos) y Pamin es la precipitación mensual mínima (valor menor de todos los
datos)
R = 568,8 − 0
R = 568,8
R = 2,8 − 0
R = 2,8
𝑅
𝐶=𝐾
568,8
𝐶=
10
C = 56,88
C = 60
2,8
𝐶=
10
C = 0,28
C = 0,3
0 + 60
𝑋𝑗 =
2
Xj = 30
0 + 0,3
𝑋𝑗 =
2
Xj = 0,15
Cálculo de la media
∑(𝑛𝑖 ∗ 𝑋𝑗)
𝑋=
𝑁
769,5
𝑋=
360
X = 2,138
Cálculo de la desviación estándar
√∑𝑛𝑖(𝑋𝑗−𝑋)2
𝑆= 𝑁
√58,534
𝑆=
360
S = 0,403
𝑛𝑖
𝑓𝑠(𝑋𝑖) =
𝑁
Entonces para la distribución normal:
62
𝑓𝑠(𝑋𝑖) =
360
fs(Xi) = 0,172
𝐹𝑠(𝑋𝑖) = ∑ 𝑓𝑠(𝑋𝑖)
𝑖=1
Fs (Xi) = 0,35
Fs (Xi) = 0,009
Se define la variable normal estándar (Se trabaja con el límite superior Ls)
𝐿𝑠 − 𝑋
𝑍𝑖 =
𝑆
Entonces para la distribución normal:
60 − 182,833
𝑍𝑖 =
256,456
Zi = − 0,479
0,3 − 2,138
𝑍𝑖 =
0,403
Zi = − 4,561
F(Xi) = B si z < 0
+ 0,019527 * (− 0,024)∣ 4) −4
B =0,491
● F(Xi) = 1 − B si z > 0
Se tiene:
B = 12 * (1 + 0,196854 * ∣ (0,479)∣ + 0,115194 * ∣ 0,479)∣ 2 + 0,000344 * ∣ (0,479)∣ 3
+ 0,019527 * (0,479)∣ 4) −4
B =0,316
F(Xi) = 1 − 0,316
F(Xi) = 0,684
+ 0,019527 * (− 4,557)∣ 4) −4
B =0,000
F(Xi) = 1 − B si z > 0
Se tiene:
+ 0,019527 * (0,651)∣ 4) −4
B =0,257
F(Xi) = 1 − 0,257
F(Xi) = 0,743
Nota: este procedimiento se hace para cada intervalo.
P(Xi) = 0,213
= 0,047
INTERVALO L.I L.S ni Xj ni*Xj ni(Xj- )^2 fs(Xi) Fs(Xi) Zi F(Xi) P(Xi)
S 119,382 1 0 60 62 30 1860 1448197,722 0,172 0,172 -1,029 0,152 0,152
182,833 2 60 120 64 90 5760 551553,778 0,178 0,350 -0,344 0,365 0,213
K 9,436 3 120 180 64 150 9600 68993,778 0,178 0,528 -0,024 0,491 0,125
R 568,8 4 180 240 67 210 14070 49447,861 0,186 0,714 0,479 0,684 0,194
C 60,283 5 240 300 48 270 12960 364705,333 0,133 0,847 0,981 0,837 0,152
N 360 6 300 360 23 330 7590 498134,639 0,064 0,911 1,484 0,931 0,095
R^2 0,995 7 360 420 14 390 5460 600852,389 0,039 0,950 1,987 0,977 0,046
8 420 480 13 450 5850 927914,361 0,036 0,986 2,489 0,993 0,017
9 480 540 3 510 1530 321114,083 0,008 0,994 2,992 0,998 0,005
10 540 600 2 570 1140 299796,056 0,006 1,000 3,494 1,000 0,001
TOTAL 360 65820 5130710,000 1,000 7,453 1,000
Media
Fs(x)
0,745
INTERVALO L,I L,S ni Xj ni*Xj ni(Xj- )^2 fs(Xi) Fs(Xi) Zi F(Xi) P(Xi)
S 0,403 1 0,0 0,3 2 0,150 0,300 7,900 0,006 0,006 -4,557 0,000 0,000
2,138 2 0,3 0,6 1 0,450 0,450 2,848 0,003 0,008 -3,813 0,000 0,000
K 9,436 3 0,6 0,9 0 0,750 0,000 0,000 0,000 0,008 -3,069 0,001 0,001
R 2,8 4 0,9 1,2 7 1,050 7,350 8,279 0,019 0,028 -2,325 0,010 0,009
C 0,293 5 1,2 1,5 14 1,350 18,900 8,682 0,039 0,067 -1,581 0,057 0,047
N 360 6 1,5 1,8 39 1,650 64,350 9,269 0,108 0,175 -0,837 0,201 0,145
R^2 0,989 7 1,8 2,1 67 1,950 130,650 2,355 0,186 0,361 -0,093 0,463 0,262
8 2,1 2,4 133 2,250 299,250 1,683 0,369 0,731 0,651 0,743 0,279
9 2,4 2,7 94 2,550 239,700 15,995 0,261 0,992 1,395 0,918 0,176
10 2,7 3,0 3 2,850 8,550 1,523 0,008 1,000 2,139 0,984 0,065
TOTAL 360 769,500 58,534 1,000 3,375 0,984
Media
Fs(x)
0,338
b.
Se define prueba de Chi cuadrado
(𝑓𝑠 − 𝑃(𝑋𝑖))2
(𝑋𝑖)2 = ∑ 𝑁 ∗
𝑃(𝑋𝑖)
(0,172 − 0,152)2
(𝑋𝑖)2 = 360 ∗
0,152
(Xi)2 = 0,970
Esta operación se realizó para cada uno de los intervalos, al final se sumaron todos los resultados y se obtuvo un valor
de D=Σ(Xi)2 = 30,284.
Tenemos
v= 10-2-1
v= 7
FUENTE: LABRAD.FISICA.EDU.UY/DOCS/TABLA_CHI_CUADRADO.PDF
(Xi)2 < D
Como este valor es menor que D, podemos concluir que la distribución normal no
se ajusta a la información con un nivel de confianza del 95%, de tal manera que el
ajuste de la distribución normal a la información de la precipitación de la estación
metereológica Bocagrande no se acepta.
2
(0,039 − 0,047)2
(𝑋𝑖) = 360 ∗
0,047
2
(Xi) = 0,475
Esta operación se realizó para cada uno de los intervalos, al final se sumaron todos
los resultados y se obtuvo un valor de D=Σ(Xi)2 = 660,717. Calculamos los grados
de libertad:
v=m-p-n
Donde
m= número de intervalos
p= parámetros
n= cte= 1 Tenemos
v= 10-2-1
v= 7
FUENTE: LABRAD.FISICA.EDU.UY/DOCS/TABLA_CHI_CUADRADO.PDF
(Xi)2 > D
Como este valor es menor que D, podemos concluir que la distribución Log normal
se ajusta a la información con un nivel de confianza del 95%, de tal manera que el
ajuste de la distribución Log normal a la información de la precipitación de la
estación metereológica Bocagrande se acepta.
∣ K − S∣ = Fs(Xi) − F(Xi)
Entonces para la distribución normal:
∣ K − S∣ = 0,172 − 0,152
∣ K − S∣ = 0,020
Nota: este procedimiento se hace para cada intervalo.
El valor máximo obtenido de esta relación para cada intervalo fue de 0,037, el cual
identificamos como Dmáx.
1,36
𝐾−𝑆 =
√𝑛
1,36
𝐾−𝑆 =
√360
K − S = 0,07168
Tenemos que el valor teórico es mayor que el valor obtenido en la práctica Dmáx,
podemos concluir que la distribución normal se ajusta a la información con un nivel
de significancia de 0,01, de tal manera que el ajuste de la distribución normal a la
información de la precipitación de la estación meteorológica Bocagrande se acepta.
∣ K − S∣ = 0,006 − 0,000
∣ K − S∣ = 0,006
Nota: este procedimiento se hace para cada intervalo.
El valor máximo obtenido de esta relación para cada intervalo fue de 0,102, el cual
identificamos como Dmáx.
A partir del número de datos (n=360) y el nivel de significancia (0,01), calculamos
el valor teórico de K-S a partir de la siguiente fórmula:
1,36
𝐾−𝑆 =
√𝑛
1,36
𝐾−𝑆 =
√360
K − S = 0,07168
Tenemos que el valor teórico es menor que el valor obtenido en la práctica Dmáx,
podemos concluir que la distribución Log normal no se ajusta a la información con
un nivel de significancia de 0,01, de tal manera que el ajuste de la distribución Log
normal a la información de la precipitación de la estación meteorológica
Bocagrande no se acepta.
Punto 2. B) pruebas de bondad de ajuste - Punto 2. B) pruebas de bondad de ajuste - Distribución Log normal:
Distribución Log normal: Chi cuadrado y K-S Gráficamente
(Fs(x)-Media
INTERVALO Xc^2 |K-S| (Fs(x)-F(x))^2 Fs(x))^2 Xj D ordenados m Pexc T (años) Pacum
1 0,970 0,020 0,000 0,328 30,000 570,000 1 0,002 576 0,998
2 2,144 0,015 0,000 0,156 90,000 510,000 2 0,005 222 0,995
3 7,943 0,037 0,001 0,047 150,000 450,000 3 0,007 137 0,993
4 0,104 0,030 0,001 0,001 210,000 390,000 4 0,010 99 0,990
5 0,858 0,011 0,000 0,010 270,000 330,000 5 0,013 78 0,987
6 3,582 0,020 0,000 0,028 330,000 270,000 6 0,016 64 0,984
7 0,350 0,027 0,001 0,042 390,000 210,000 7 0,018 54 0,982
8 8,037 0,007 0,000 0,058 450,000 150,000 8 0,021 47 0,979
9 0,861 0,004 0,000 0,062 510,000 90,000 9 0,024 42 0,976
10 5,435 0,000 0,000 0,065 570,000 30,000 10 0,027 37 0,973
TOTAL 30,284 0,004 0,798
Dmáx
0,037
Punto 2. B) pruebas de bondad de ajuste - Punto 2. B) pruebas de bondad de ajuste - Distribución Log normal:
Distribución Log normal: Chi cuadrado y K-S Gráficamente
(Fs(x)-Media
INTERVALO Xc^2 |K-S| (Fs(x)-F(x))^2 Fs(x))^2 Xj D ordenados m Pexc T (años) Pacum
1 581,829 0,006 0,000 0,111 0,150 2,850 1 0,002 576 0,998
2 18,912 0,008 0,000 0,109 0,450 2,550 2 0,005 222 0,995
3 0,412 0,007 0,000 0,109 0,750 2,250 3 0,007 137 0,993
4 4,689 0,018 0,000 0,096 1,050 1,950 4 0,010 99 0,990
5 0,475 0,010 0,000 0,074 1,350 1,650 5 0,013 78 0,987
6 3,274 0,026 0,001 0,027 1,650 1,350 6 0,016 64 0,984
7 7,876 0,102 0,010 0,001 1,950 1,050 7 0,018 54 0,982
8 10,441 0,012 0,000 0,154 2,250 0,750 8 0,021 47 0,979
9 14,876 0,073 0,005 0,427 2,550 0,450 9 0,024 42 0,976
10 17,933 0,016 0,000 0,438 2,850 0,150 10 0,027 37 0,973
TOTAL 660,717 0,017 1,544
Dmáx
0,102
FUENTE: AUTORES
Se calcula el coeficiente de determinación para determinar si el ajuste es bueno (se ajusta a la distribución normal) o
malo (no se ajusta):
R2 =0,995
En vista del resultado analítico podemos afirmar que el ajuste del modelo es bueno, ya que el valor de R2 = 0,995 es
cercano a la unidad. En concreto el 99,5% de la variabilidad de la variable precipitación a su promedio es explicado
por el modelo de regresión ajustado. Podemos concluir que el modelo lineal es adecuado para describir la relación
existente entre estas variables.
R2 =0,989
En vista del resultado analítico podemos afirmar que el ajuste del modelo es bueno,
ya que el valor de R2 = 0,989 es cercano a la unidad. En concreto el 98,9% de la
variabilidad de la variable precipitación a su promedio es explicado por el modelo
de regresión ajustado. Podemos concluir que el modelo lineal es adecuado para
describir la relación existente entre estas variables
1
𝑇=
0,002
T = 578 años
Pacum = 1 − P
Pacum = 1 − 0,002
Pacum = 0,998
FUENTE: AUTORES
FUENTE: AUTORES
Serie de duración completa (anual): En esta serie se deben tomar todos los
datos. Para la conformación de esta serie para la estación meteorológica
Bocagrande, se consideraron las precipitaciones anuales del año 1976 a 2005.
El gráfico de la representación se encuentra a continuación.
FUENTE: AUTORES
Por medio de la serie de duración completa anual se puede hacer una idea parcial
del comportamiento hidrológico en la zona, a partir de los datos de precipitación
anual. Para la serie de 30 años registrada se evidencia que el año 1983 fue el año
con mayor precipitación con un dato de 2965.4 mm, por lo que probablemente se
haya presentado una elevación en las crecientes registradas; y el año 1986 registró
la precipitación más baja con un dato de 1099.3 mm, la cual representa una
precipitación muy baja comparada con toda la serie, en donde probablemente se
haya determinado un déficit hídrico.
FUENTE: AUTORES
FUENTE: AUTORES
Los años que registraron una precipitación con un valor máximo a comparación de
la serie de 30 años fueron el año 1982 con 568,8 mm y el año 1983 con una
precipitación de 550,3 mm.
● Serie anual mínima: En la serie anual máxima, se toman los valores de precipitación
más bajos registrados por año, de tal manera que se puede determinar el periodo de
retorno para estos eventos.
FUENTE: AUTORES
FUENTE: AUTORES
Nota: Los siguientes ejemplos de cálculo se realizará para un periodo de retorno
de 25 años.
Distribución normal
Calculamos la probabilidad:
P = 0,040
1 1
𝑊 = (ln ( ))2
𝑃2
1
1
𝑊 = (ln (0,0402 ))2
W = 2,537
Calculamos z=Kt
z = 1,751
Xt = + Kt * s
Xt = 407.768 + 1,751 * 86.195
Xt = 558,702 mm
Distribución Log-Normal
𝑌𝑡 = 𝐿𝑜𝑔 𝑋𝑡 = 𝑌̅ + + 𝐾𝑡 ∗ 𝑆𝑦
Yt = Log Xt = 2.600 + 1,751 * 0,097
Yt = Log Xt = 2,770
La magnitud Xt:
Xt = Antilog(Yt)
𝑋𝑡 = 102,770
Xt = 588,526 mm
T (años) 25 50 100
P (%) 0.040 0.020 0.010
W 2.537 2.797 3.035
Kt 1.751 2.054 2.327
Z 1.751 2.054 2.327
Log Xt 2.770 2.799 2.825
Xt (mm) 588.526 629.632 669.045
FUENTE: AUTORES
EVI I (Gumbel)
Kt = 2,393
Xt = + Kt * s
Xt = 407.768 + 2,393 * 86.195
Xt = 614,033 mm
Kt = 1,680
Xt = + Kt * s
Xt = 407.768 + 1,680 * 86.195
Xt = 552,576 mm
Donde
Entonces:
Kt = 1,533
Reemplazando tenemos:
𝑌𝑡 = 𝐿𝑜𝑔 𝑋𝑡 = 𝑌̅ + + 𝐾𝑡 ∗ 𝑆𝑦
Yt = Log Xt = 2.600 + 1533 * 0,097
Yt = Log Xt = 2,749
La magnitud Xt:
Xt = Antilog(Yt)
𝑋𝑡 = 102,770
Xt = 560,654 mm
e. Determinar los límites de confianza del 95% para los valores de precipitación
total mensual correspondientes a un período de retorno de 100 años y una
distribución Normal.
Cálculo de la media
X = 184,53
Entonces tenemos:
S
S = 117,73
P = 0,01
w = 3,035
z = 2,327
Como α=0,95, β=0,025, Zα=0,025, Pacum=0,975, Pexc=0,025
Para estimar la magnitud del evento con un periodo de retorno T, el límite superior
Lr,a y el límite inferior Ur,a pueden especificarse ajustando la ecuación del factor
de frecuencia:
en las cuales:
a = 0,995
b = 5,403
K
K
K
K
El intervalo de confianza es, en este caso, bastante amplio debido a que el tamaño
de la muestra es pequeño. A medida que el tamaño de la muestra aumenta, el
ancho del intervalo de confianza alrededor de la magnitud de creciente estimada
será menor.
5 0 0 (---) 1187
Para este método se utilizó las coordenadas de las estaciones, que muestra la
distancia a partir de la estación que no tiene datos de precipitación para esto se
halló un valor de relación de las coordenadas que se tienen en X y las de Y, donde
se divide a 1 en este valor para cada estación y así lograr predecir el valor faltante
de la estación en un periodo de tormenta fuerte.
TABLA 14. MÉTODO INVERSO DE LA DISTANCIA
Inverso de la
D2 WI
distancia
70,30451045 4037364 2,47686E-07
53789425 1,8591E-08
1048488 9,53754E-07
2465861 4,05538E-07
0
1785442 5,60085E-07
FUENTE: AUTORES
Entonces se tiene:
150,2
𝑃=
19
𝑃 = 7,905
#
Estaciones Área Pdiaria Ponarea PrePonder
1 30,6707 15,7 0,05838525 0,91664842
2 63,08192 4,1 0,12008378 0,49234351
3 13,83424 1,2 0,02633509 0,0316021
4 28,32689 3 0,05392353 0,1617706
5 52,93815 16,7 0,10077393 1,6829247
6 25,0131 0,5 0,04761535 0,02380767
7 33,53514 12,1 0,06383804 0,77244034
8 23,56246 2,2 0,04485389 0,09867855
9 66,80133 8 0,12716411 1,0173129
10 19,89219 4,2 0,0378671 0,15904182
11 16,76985 17,2 0,03192336 0,54908184
12 15,83188 6,8 0,03013783 0,20493723
13 40,68152 0 0,07744201 0
14 14,2375 23,2 0,02710274 0,62878356
15 11,44203 9,2 0,02178124 0,20038738
16 10,78271 11,3 0,02052614 0,23194543
17 13,34744 0 0,02540841 0
18 44,56685 7,3 0,08483819 0,61931879
TOTAL 525,3159 1 7,17170606
FUENTE: AUTORES
Pero una pieza plana de papel no va a capturar con precisión un paisaje que
contiene un valle. Sin embargo, si se le permite doblar la hoja de papel una
vez, obtendrá un ajuste mucho mejor. La adición de un término para describir
la fórmula matemática produce un resultado similar, una curva en el plano.
Una superficie plana (sin curva en el pedazo de papel) es un polinomio de
primer orden (lineal). Teniendo en cuenta una curva es un polinomio de
segundo orden (cuadrática), dos curvas tercera orden (cúbico), y así
sucesivamente; hasta 10 están permitidos en Geostatistical Analyst.
FUENTE: AUTORES
400
350 Tr=2
300 Tr=5
250
200 Tr=10
150 Tr=25
100
Tr=100
50
0 Tr=500
0 0.5 1 1.5 2 2.5
Duración( fracción en hora)
FUENTE: AUTORES
Además se espera que para un tiempo de retorno de 500 años, de estos eventos de
precipitación máxima la intensidad de la precipitación sea mayor es decir 467,262
mm/h. En dos años para la intensidad máxima probablemente registrada será de
163,6635 mm/h. Es decir que entre mayor sea el periodo de retorno en años mayor
será la precipitación esperada.
INFOGRAFÍA
● http://julianrojo.weebly.com/uploads/1/2/0/0/12008328/analisis_de_frecuencia.p df
● http://eias.utalca.cl/Docs/pdf/Publicaciones/manuales/a_modulo_leyes.pdf
● http://datateca.unad.edu.co/contenidos/30172/MODULO%20HIDROLOGIA/lecc
in_27_mtodo_de_promedio_aritmtico.html
● http://www.aguaysig.com/2011/07/poligonos-de-thiessen-en-arcgis.html
● http://www.aguaysig.com/2011/01/operaciones-con-el-modulo-de-spatial.html
● https://es.scribd.com/doc/249526743/Vargas-Diaz-Granados-CurvasIDF-1998