Clima de Oleaje PDF

TEMA 2.
CARACTERIZACIÓN DEL
OLEAJE.
ENGINYERIA MARÍTIMA
ETSECCPB
INDICE
1.INTRODUCCIÓN ...............................................................................................................................1
2.FUENTES DE INFORMACIÓN DE OLEAJE .........................................................................1
3. OLEAJE A CORTO TÉRMINO O CARACTERIZACIÓN DEL OLEAJE
IRREGULAR.............................................................................................................................................3
3.1. Descripción geométrico-estadística ................................................................................................4
3.2. Descripción espectral.......................................................................................................................7
4. DESCRIPCIÓN DEL OLEAJE A LARGO TÉRMINO ..........................................................9
4.1. Caracterización a medio plazo .....................................................................................................10
4.1.1 Clima de oleaje .......................................................................................................................11
4.1.2 Rosas de oleaje......................................................................................................................14
4.1.3 Tablas de contingencia ........................................................................................................15
4.2. Caracterización extremal..............................................................................................................16
4.2.1 Definición del suceso extremo ..........................................................................................17
4.2.2 Funciones de distribución de probabilidad.....................................................................20
4.2.3. Métodos de Ajuste de las funciones de distribución de probabilidad....................20
4.2.4. La frecuencia de punteo ....................................................................................................21
4.2.5. La variable reducida de la función...................................................................................23
4.2.6. El Periodo de retorno y la altura de ola de diseño.......................................................29
4.2.7. Bondad de los ajustes ........................................................................................................33
4.2.8 Fuentes de incertidumbre y intervalos de confianza ..................................................33
4.2.9. El Método de los máximos anuales ..................................................................................35
4.2.10. Los coeficientes de direccionalidad..............................................................................38
TEMA 2. CARACTERIZACION DEL OLEAJE
1.INTRODUCCIÓN
El diseño de cualquier obra marítima, así como su proceso constructivo, requiere la

correcta caracterización de las acciones hidrodinámicas actuantes a menudo
expresadas en términos de altura de ola, periodo y dirección. Por ello, el resultado
final del diseño y ejecución depende en gran medida de lo precisas que sean
nuestras estimas.
De forma general, la caracterización del oleaje es entendida como una descripción

a largo término, en el que se incluye por un lado el régimen medio del oleaje y el
régimen extremal o bien, una descripción a corto término entendida también como
estudio del oleaje irregular. En la descripción del oleaje a corto término se asume
que el proceso es estacionario, aleatorio y gausiano mientras que la descripción a
largo término refleja las características climatológicas existentes.
2.FUENTES DE INFORMACIÓN DE OLEAJE
Como puede verse el estudio del oleaje (tanto a corto término como a largo plazo)
requiere de una información detallada del fenómeno. Existen distintas fuentes de
datos sobre las que poder realizar el análisis y que pueden agruparse en 3
categorías: i) datos instrumentales, ii) datos visuales y iii) datos procedentes de
simulaciones numéricas.
Los datos instrumentales son adquiridos por sensores, principalmente boyas de

oleaje (ver Figura 1), pudiendo ser de 2 tipos: i) direccionales y ii) escalares (solo
se obtiene información sobre la altura y periodo del oleaje). La ventaja de estos
sensores reside en la calidad de los datos que proporciona aunque
desgraciadamente su instalación (fondeo) en nuestras costas es relativamente
reciente.
Figura 1. Boyas de oleaje
1
El Ministerio de Fomento, a través del programa REMRO (Red Española de Medida

y Registro de Oleaje) gestiona un total de 17 boyas de oleaje a lo largo del litoral
español (ver http://cain.puertos.es/boyas/). A su vez la Generalitat de Catalunya a
través del programa XIOM (Xarxa de Instrumentació Oceanografica i
Meteorológica) gestiona 5 boyas de oleaje a lo largo del litoral catalán (ver
www.gencat.es/servmet/mar/boies.htm).
Los datos visuales provienen de observaciones realizadas por barcos en ruta a lo

largo de todas las costas del mundo (World Meteorological Office) y son obtenidos
de forma sistemática desde los años 50 de forma que un observador recoge (entre
otras) información sobre la altura de ola, periodo y dirección de dos estados de
mar, el mar de viento (SEA) y el mar de fondo (SWELL). Un estado de mar de
viento se corresponde con el oleaje formado por la acción directa y continuada del
viento existente y se caracteriza por presentar una gran irregularidad (aunque no
siempre). Por el contrario, el oleaje de tipo SWELL es aquel que ya ha abandonado
el área de generación (zona de desarrollo del mar de viento) y se propaga a través
de la superficie, el resultado es un estado de mar más homogéneo y con menor
dispersión direccional. Una de las grandes ventajas de este tipo de datos es el gran
número de observaciones existentes y la completa caracterización del suceso
oleaje (definido por altura, periodo y dirección). Sin embargo la información visual
suele ser sesgada, no quedando suficientemente bien representados los episodios
de mayor contenido energético puesto que los buques tienden a evitar la acción de
grandes temporales por el consiguiente peligro para la navegación. En el caso de la
costa española, el litoral es segmentado en cuadrantes de 1º de latitud y longitud
(ver Figura 2)
Finalmente, cuando no es posible encontrar información ni visual ni instrumental, o

bien alguna de ellas se encuentra incompleta (no existe información sobre la
direccionalidad o existen grandes lagunas entre registros), es posible reproducir el
oleaje a partir de información meteorológica mediante el uso de modelos numéricos
de predicción de oleaje. El problema de este tipo de datos es la necesidad de
calibrar los modelos utilizados y el coste computacional que suponen. Sin embargo
en la actualidad son cada vez más utilizados puesto que cubren de forma más
detallada la práctica totalidad de nuestras costas y empiezan a conformar una
base de datos de más de 3 años en algunos casos, además la información es hasta la
fecha pública por lo que su acceso es directo a través de las siguientes direcciones
http://www.gencat.es/servmet/mar/info.htm a nivel de predicción autonómica y,
http://www.puertos.es (surfeando por ahí) a nivel estatal.
2
Figura 2. Mapa de datos visuales de la costa española en sectores de 1º x 1º.
3. OLEAJE A CORTO TÉRMINO O CARACTERIZACIÓN DEL OLEAJE

IRREGULAR
Cuando observamos el oleaje en un punto determinado de la costa vemos como en la

mayoría de ocasiones se trata de un proceso irregular, es decir, las alturas de ola,
periodos y direcciones no son siempre los mismos, presentando una cierta
variabilidad. Sin embargo, cuando tratamos de caracterizar el fenómeno observado
(mediante una estima visual por ejemplo) simplificamos el proceso asumiendo un
único valor para cada una de las variables mencionadas.
Supongamos que somos capaces de determinar con una gran resolución (boyas de
oleaje) las variaciones de la superficie libre (η) durante un periodo de tiempo
3
suficientemente largo como para representar el oleaje que queremos analizar (a

menudo 20 o 30 minutos), en este caso obtendríamos un registro temporal tal como
el de la Figura 3, donde se observa como para ese periodo de tiempo existe un gran
variación en alturas y periodos.
150
superficie libre(η) en cm
100
50
-50
-100
0 40 80 120 160 200

tiempo en segundos
Figura 3. Registro de la variación de la superficie libre del mar obtenido por una boya
de oleaje.
3.1. Descripción geométrico-estadística
El problema que se plantea ahora es como definir de forma general el suceso altura
de ola (Hi) y periodo (Ti). En el primer caso, Hi es definida como el máximo y mínimo
existente entre dos pasos descendentes por cero, siendo el tiempo transcurrido
entre ambos episodios (paso descendente) el periodo Ti (ver Figura 4). Este
criterio permite caracterizar el registro (20 minutos) mediante un conjunto de N
alturas de ola Hi y periodos Ti sobre el que se puede realizar un análisis estadístico
de forma que el proceso quede caracterizado por un único valor. En este sentido
los parámetros representativos del oleaje más utilizados serían: i) altura de ola
significante Hs o H1/3, ii) altura de ola media cuadrática Hrms, iii) altura de ola
máxima Hmax, iv) periodo medio Tz , v) periodo significante Ts.
La altura de ola significante (Hs o H1/3) es la media aritmética del tercio de olas
más altas del conjunto de N olas del registro.
La altura de ola media cuadrática Hrms queda definida como
∑H
i =1
i
2
H rms =
N
4
La altura de ola máxima Hmax es la altura mayor del conjunto de N Hi.
El periodo medio Tz es el periodo promedio de los periodos definidos como pasos

ascendentes por cero.
El periodo significante Ts es la media aritmética de los periodos asociados al tercio

de olas más altas.
90
75
60
superficie libre(η) en cm
45
30
15 Hi
0
-15
-30
-45
-60 Ti
-75
-90
0 10 20 30 40 50
tiempo en segundos
Figura 4. Definición de altura de ola y periodo en un registro de una boya de oleaje.
Conocidas las características del fenómeno en los términos estadísticos

mencionados puede resultar interesante definir cualquier altura de ola (dentro del
conjunto de N olas) en términos de probabilidad, es decir la probabilidad existente
en que un cierto valor de H sea superado dentro del conjunto registrado (20
minutos por ejemplo). Para ello es necesario conocer el modelo de distribución de
probabilidad del suceso Hi. En este sentido Longuet-Higgins (1952) asume que el
oleaje es un proceso aleatorio y que las alturas de ola pueden ser explicadas
mediante una distribución gausiana, demostrando que una función de tipo Rayleigh
es la que mejor representa el fenómeno (originalmente definido en estados de alta
energía).
La función de tipo Rayleigh o función de densidad queda definida como
H 2
−(
2H )
p( H ) = e H rms
( H rms ) 2
siendo p(H) la probabilidad de aparición del suceso H. La integración de la función

resulta en la función de distribución de probabilidad P(H), es decir el porcentaje
5
de olas que presentan una altura de ola menor o igual a H y viene dada por la
expresión
H H 2 H 2
−( −(
2H ) )
P( H ) = ∫ 2
e H rms
dH = 1 − e H rms
o ( H rms )
Sin embargo desde un punto de vista ingenieril resulta más conveniente hablar en
términos de probabilidad de excedencia (porcentaje de olas que tienen una altura
de ola mayor que un cierto valor H) es decir
H 2
−( )
q = 1 − P( H ) = e H rms
o bien
1 1
H 1
= ln( ) 2 = ln n 2
H rms q
siendo H el valor de altura de ola con una probabilidad de excedencia q (parte

rallada de la Figura 5).
probabilidad de aparición p(H)
Hq H
Figura 5. Función de densidad de tipo Rayleigh sobre las alturas de ola.
En este caso los valores de Hq representan valores a partir de los cuales la altura
de ola es excedida con una cierta probabilidad q, y no valores promedio como
podría ser el caso de H1/3. Así, la altura de ola media de cualquier probabilidad
queda expresada por la relación
6
∫ P( H ) HdH
Hq
H1 = ∞
∫ P( H )dH
n
Hq
obteniéndose que para la altura de ola significante
H 1 = 2 H rms = 1.41H rms

3
Una de las grandes ventajas de esta aproximación al problema es el hecho de poder

determinar cualquier valor de Hq a partir de un valor conocido de Hrms. Así,
operando con las expresiones se obtienen las relaciones de la Tabla 1. Así por
ejemplo, el valor promedio del 1% de las olas más altas resulta 1.67 veces la altura
de ola significante (nótese que el valor de n=100 representa la media de la
población).
Longuet-Higgins obtiene además la siguiente expresión para la altura de ola

máxima de un registro de N olas
H max = 0.707 H 33 ln( N )
siendo H33 la altura de ola significante.
Tabla 1. Relaciones entre Hn y Hs para una distribución de tipo Rayleigh
n Hn/Hs
1 1.67
2 1.56
5 1.40
10 1.27
20 1.12
33 1.00
50 0.89
100 0.63
3.2. Descripción espectral
Hasta ahora, la descripción del oleaje a sido realizada en el dominio del tiempo
utilizando para ello una aproximación estadística al problema. El registro de las
variaciones de la superficie libre del mar puede ser tratado de una forma
7
espectral, es decir, la señal observada (oleaje irregular) puede se descompuesta en

un número de ondas sinusoidales (regulares o de frecuencia conocida) la suma de
las cuales dan la señal original (ver Figura 6). Esta descomposición de frecuencias
es realizada mediante el algoritmo de la transformada rápida de Fourier (Fast
Fourier Transform, FFT).
Figura 6. Espectro de energía del oleaje
Un espectro de energía S(ω) (ω=2π/T) representa pues la energía asociada a cada

una de las frecuencias del oleaje (irregular) estudiado, pudiéndose distinguir 2
extremos: i) espectros de oleaje de banda ancha y ii) espectros de oleaje de banda
estrecha. Un espectro de banda estrecha se caracteriza por presentar un rango de
frecuencias con contenido energético limitado y es característico de estados de
mar desarrollados (fuera de la zona de generación del oleaje) como por ejemplo el
oleaje de tipo SWELL. Por el contrario, el espectro de banda ancha presenta una
gran variedad de frecuencias y se corresponde con estados de mar más irregulares
típicos de estados de mar de tipo SEA o fetch limitado. De forma general el
espectro de energía será indicativo del estado de mar observado pudiéndose
obtener espectros bimodales indicativos de estados de mar de tipo SEA y SWELL
existentes de forma simultánea.
Una forma de calcular el ancho espectral es mediante la ecuación
2
 N 
ε = 1 −  2 olas 
 N max 
donde Nolas representa el número total de olas evaluado en el espectro y Nmax el

número de máximos.
8
Puesto que la función de densidad espectral (S(ω)) indica el reparto de energías

para distintas frecuencias, su integral en todo el dominio (momento de orden 0)
determina la energía total del oleaje observado
∞
E total = ∫ S(ω )dω = m0
0
Para el caso de un oleaje de tipo SWELL puro (espectro de banda estrecha) y,

asumiendo una función de densidad de tipo Rayleigh para la distribución de
probabilidades de altura de ola, se obtiene que la altura de ola significante viene
dada por la expresión
H s ≅ 2 H rms ≅ 2 8m0 = 4 m0 = H m 0
definiendo así una altura de ola significante espectral, solo válida para los estados
de mar descritos aunque ampliamente utilizada en cualquier tipo de espectro (a
mayor ancho espectral la relación deja de ser válida).
1
Por otro lado, el espectro muestra un pico en las frecuencias ( f = ) en el que la
T
energía es mayor (ver Figura 6) denominado periodo de pico (Tp) que indica el
periodo de los distintos oleajes asociado con mayor contenido energético.
Durante los últimos años los métodos de medida de la superficie libre han sido
mejorados pudiéndose obtener además la componente de direccionalidad (boyas de
oleaje direccionales). Esta nueva variable, la dirección (θ) pude incorporase en el
análisis espectral obteniéndose un espectro completo (S(ω,θ)).
4. DESCRIPCIÓN DEL OLEAJE A LARGO TÉRMINO
El resultado final del análisis a corto término (sobre datos de boyas de oleaje)
resulta en la caracterización del fenómeno (oleaje) en términos de altura de ola,
periodo y dirección. Al extender estos resultados en el tiempo (años) se obtiene
una serie temporal de oleaje o curva de estados de mar que no es más que el
reflejo histórico de las acciones que han tenido lugar en un punto de la costa
determinado (ver Figura 7).
9
6
5.5
5
4.5
4
3.5
Hs
3
2.5
2
1.5
1
0.5
0
5/4/84 1/29/87 10/25/89 7/21/92 4/17/95 1/11/98

tiempo (mm/dd/aa)
Figura 7.Curva de estados de mar.
Los datos visuales, por su naturaleza (estimas subjetivas tomadas cada 6 o 12

horas) no permiten una representación continua del estado de mar existente.
Sobre este registro histórico de datos puede resultar interesante conocer cual es
la distribución del oleaje en condiciones medias (año medio) o bien determinar las
características del oleaje en condiciones extremas. En el primer caso hablamos de
una caracterización del oleaje a medio plazo, régimen del oleaje o clima medio,
mientras que en el segundo hablamos de régimen de temporales o clima extremal.
En ambos casos, el estudio se realiza de una forma estadística.
4.1. Caracterización a medio plazo
El objetivo principal de este análisis es reproducir el oleaje en las condiciones

reinantes o más frecuentes puesto que su resultado va a ser imprescindible para
los estudios de dinámica litoral, explotación de puertos y planificación de obras.
Así, el transporte de sedimentos esta estrechamente relacionado con el oleaje
incidente existente en una costa. En referencia a la explotación portuaria, es
necesario conocer por ejemplo el tiempo (en término medio) que una bocana o
muelle puede estar operativa/o para las operaciones de entrada o atraque.
Finalmente, la construcción de cualquier obra marítima se realizará en aquellos
momentos del año en el que las condiciones de agitación sean las más favorables.
El estudio estadístico a medio plazo se efectúa a través de: i) regímenes medios

(escalares o direccionales), ii) rosas de oleaje (distribución direccional de alturas)
y iii) tablas de contingencia (relaciones entre alturas de ola y periodos).
10
4.1.1 Clima de oleaje
En el régimen medio del oleaje se realiza un estudio de probabilidad de que un

determinado valor de altura de ola no sea superado (no excedencia) en un periodo
de tiempo igual a un año medio. Se trata pues de buscar una función de distribución
estadística que determine el tiempo en el que en un año medio una altura de ola no
exceda un valor.
Las funciones de distribución de probabilidad de no excedencia más utilizadas son:
1 1
x
 1  ln x − A  2 
• función Lognormal: F ( x) =
B 2π ∫0 x exp− 2  B   dx
 
• función Exponencial: F ( x) = 1 − exp[− B ( x − A)]
  x − A c 
• función Weibull: F ( x) = 1 − exp −   
  B  
donde x es el valor de la variable y A, B y C los parámetros de posición, escala y

forma de la función.
El cálculo del clima de oleaje va a depender del tipo de datos disponible, aunque
evidentemente deberá ser el máximo posible para poder representar
correctamente el fenómeno.
En el caso de partir de datos de boyas de oleaje (instrumental), es decir a partir

de la información de una curva de estados de mar, el periodo mínimo deberá ser de
1 año con un nivel de valores válidos superior al 75% (274 días). A partir de estos
datos se determina el tiempo de no excedencia de las alturas a intervalos de 0.25
m o 0.5 m (ver Figura 8) de forma que la probabilidad del suceso es simplemente
P( H i < H o ) =
∑t Ho
Ttotal
donde para el caso de la Figura 8 Ho representa el umbral de 1 m.
11
6
5.5
5
4.5
4
3.5
Hs
3
2.5
2
1.5 t1 t2 t3 t4
1
0.5
0
5/4/84 5/7/84 5/10/84 5/13/84 5/16/84 5/19/84 5/22/84

tiempo (mm/dd/aa)
Figura 8. Determinación de los tiempos de no excedencia para el umbral de 1

m a partir de una curva de estados de mar.
Si por el contrario se parte de una información visual la asignación de

probabilidades debe realizarse a partir de un histograma acumulado de alturas de
ola (la representación en el tiempo del fenómeno no es una función continua) a
incrementos de 0.5 m (discretización de alturas original), es decir la probabilidad
de no excedencia resulta tal y como la Tabla 2. En este caso se recomienda que la
marca de clase escogida (semisuma de los intervalos del rango) coincida con los
valores medidos.
Tabla 2. Cálculo del clima de oleaje a partir de información visual

intervalo No. Observaciones P no excdencia
0.0 - 0.5 5000 5000/Ntotal obs
0.5 - 1.0 4500 (5000+4500)/Ntotal obs
1.0 - 1.5 2000 (5000+4500+2000)/Ntotal obs
1.5 - 2.0 1500 (5000+4500+2000+1500)/Ntotal obs
Hay que recordar que la información visual viene desglosada en 2 tipos distintos de
estados de mar: SEA y SWELL por lo que se recomienda reducir ambos tipos de
datos a un único valor (Darbyshire y Drapper, 1963) de forma que
H = max( H SEA ; H SWELL ) siθ SEA − θ SWELL < 45º

H = H SEA
2
+ H SWELL
2
en los demás casos
en caso de no disponer de forma simultánea de ambos estados de mar, faltas de

registro o fuentes de datos resumidas (es decir no se tenga la información original
12
sino que se disponga de información ya depurada), se recomienda calcular el

producto de las probabilidades de ambos, puesto que son sucesos independientes y
no excluyentes.
Una vez determinada la muestra o conjunto de datos (altura de ola y probabilidad

de no excedencia) el siguiente paso es determinar los parámetros de posición,
escala y forma de la función de distribución elegida (factores A, B y C). No existe
una norma sobre cual es la función que mejor ajuste a este tipo de datos,
debiéndose realizar el análisis para todas ellas y quedarse finalmente con la que
presente un mejor resultado. Sin embargo se conoce que no todas ellas explican de
forma óptima y por igual todo el rango de probabilidades.
La función lognormal presenta un buen ajuste en la zona media.
La función exponencial muestra (para el litoral español) un buen ajuste en la zona

medio-alta y menor en la zona baja.
La función Weibull al ser tri-paramétrica debería presentar unos mejores ajustes

aunque esto no es exactamente cierto, puesto que la función no queda definida
para valores del suceso inferiores al parámetro A (restricción) y un mejor ajuste
de A (aún en la banda de validez de la función) no representan obligatoriamente
mejoras en su parte central o alta (que es a priori la zona de interés del ajuste).
Dada esta indeterminación es muy común en este tipo de análisis convertir la
función en biparamétrica dando a A un valor igual a 0.
Existen 3 formas de determinar los parámetros A, B y C: i) método de los

momentos muestrales, en el que los valores pueden ser determinados a partir de un
determinado número de momentos de la muestra como la media, varianza o
momentos superiores, ii) método de la máxima verosimilitud en el que se pretende
encontrar valores de A, B y C de forma que la probabilidad de encontrar el valor
muestral sea máxima y iii) método gráfico en el que se pretende ajustar las
funciones (mediante el uso de variables reducidas) por mínimos cuadrados.
Indistintamente de la aproximación utilizada para su cálculo el resultado final es

uno tal y como el de la Figura 9, donde se presenta la función de distribución de
probabilidad de no excedencia para el suceso altura de ola. Supongamos que se
pretende evaluar el tiempo en el que una bocana de un determinado puerto
deportivo puede estar operativa (días al año) de forma promedio, siendo el umbral
máximo de agitación permitido de 3 m. La respuesta a esta pregunta pasa por
conocer el clima de oleaje de la zona (Figura 9) y en este caso el resultado
obtenido es de una operatividad del 98% del tiempo (358 días).
13
3
Hs (m)
0.1 0.3 0.5 0.7 0.9 0.98 0.995 0.9995 0.99995

Probabilidad
Figura 9. Clima medio de oleaje.
En el ejemplo se ha asumido que el clima de oleaje queda definido a pie de obra,

este aspecto en muchas ocasiones no será cierto, estando definido el oleaje en
condiciones de aguas profundas, por lo que deberá refractarse hasta el punto de
interés. Nótese que en este caso, la determinación inicial en aguas profundas de 3
m puede no ser una elección correcta puesto que se deberán considerar los efectos
de posible mayoración de la altura que puedan existir en la propagación del oleaje
hasta pie de obra.
Hasta ahora la aproximación al cálculo ha sido meramente escalar, sin embargo el

disponer de información direccional mejora en las estimas del suceso puesto que se
incorporan en el cálculo aquellas direcciones que resulten de interés para el
problema (direcciones efectivas). En este caso la forma de operar es muy similar a
lo ya descrito aunque el análisis se realiza para cada sector, es decir
P ( H i ≤ H / sec tor )
mientras que la probabilidad absoluta del suceso Hi viene condicionada por la

aparición del sector en lo que resulta
P ( H i ≤ H ; sec tor ) = P( H i ≤ H / sec tor ) * P(sec tor )
4.1.2 Rosas de oleaje
Una forma muy interesante de presentar la información histórica de los registros

de oleaje (tanto visuales como instrumentales) es mediante el uso de rosas de
oleaje en los que se presenta la intensidad y frecuencia de aparición de la altura de
14
ola respecto a su dirección. Se debe recordar que el oleaje (al igual que el viento)
queda definido por la dirección de donde vienen.
En la Figura 10 se muestra, a modo de ejemplo, una rosa de oleaje en la que se

observan 3 direcciones de oleaje características, siendo las alturas de ola más
representadas las inferiores a 1 m.
escala de alturas (m)
0m 1m 2m 3m
escala de frecuencias (%)
0% 10 %
No. Total Observaciones = 5224
Figura 10. Ejemplo de rosa de oleaje.
En una rosa de oleaje el ancho de cada elemento indica la altura de ola, mientras
que su longitud la frecuencia con a que aparece, motivo por el cual este tipo de
gráficas deben ir acompañadas por las respectivas relaciones de escala. En cuanto
a las direcciones, lo más común es dividir el oleaje en sectores de 22.5º (16
direcciones) centrados en el norte.
La utilidad práctica de este tipo de información reside en el grado de síntesis

conseguido, obteniendo una idea rápida del tipo de oleaje existente (intensidad y
frecuencia de aparición) y las direcciones de oleaje que a priori son relevantes
(direcciones efectivas) en el estudio marítimo que nos ocupe.
4.1.3 Tablas de contingencia
Hasta ahora el oleaje ha sido caracterizado mediante su altura de ola y dirección,

sin embargo la completa determinación del fenómeno pasa inevitablemente por
conocer el periodo asociado, puesto que interviene de forma fundamental en el
proceso de la propagación del oleaje (Nota: recordar que en la mayoría de
15
ocasiones las características del oleaje están dadas en condiciones de aguas

profundas debiéndose trasladar el oleaje a pie de obra). La aproximación más
común para la definición del periodo asociado a un determinado oleaje es mediante
el uso de las tablas de altura de ola y Periodo (H/T) y que suelen ser
representadas de forma gráfica.
Las tablas cruzadas de altura de ola y periodo suelen ser de aplicación cuando se
trata de resumir (para cada sector) la información visual sin embargo al
contemplar (aunque de forma discreta) un gran número de combinaciones de
alturas de ola, periodos y direcciones no sintetizan el oleaje analizado. Por ello a
menudo se suele utilizar una altura de ola característica para cada periodo y
dirección. Una forma de realizar este análisis es mediante la altura de ola
morfológica Hmor de forma que
1
 ∑ H ip f i  p
Hmor =  
 ∑f 
 i 
siendo Hi las distintas alturas dentro de una marca de clase de periodos para una
dirección y fi su frecuencia de observación asociada y P un parámetro especificado
que según el CERC (USACE, 1984) toma un valor de 2 para aguas profundas y 2.5
para aguas someras (derivado a partir del flujo de energía del oleaje).
4.2. Caracterización extremal
En este caso el análisis se centra en la caracterización de los eventos extremos o

temporales para la zona de estudio, es decir un subconjunto de datos dentro del
total de los registros visuales o de la curva de estados de mar.
El objetivo principal del análisis es poder determinar las acciones de diseño a

soportar por una obra marítima determinada en función del riesgo asignado y su
vida útil y que hasta la fecha se encuentran definidos en la ROM 02.90. El clima
extremal también es utilizado para determinar las acciones máximas a soportar
durantes las distintas fases de ejecución de una obra y que por supuesto son
menores que las acciones de servicio de la obra. Es una practica habitual el
asegurar obras de gran valor económico durante la fase de ejecución puesto que
resulta casi inevitable que ciertos tramos queden expuestos a la acción de
temporales antes de poder ser finalizados produciéndose la destrucción del tramo
y el retraso consiguiente en la finalización de la obra.
Los métodos más utilizados en el análisis extremal del oleaje pueden clasificarse
en 2 grupos según la información que utilizan:
16
1. Método de la muestra total: propuesto por Draper (1963) revisado por Goda
(1979) y modificado por Medina y Aguilar (1986). Inicialmente definido
cuando de lo que se dispone es de pocos años de medida. El método parte de
toda la información de oleaje (altura de ola) registrada en un periodo
determinado y se apoya en la función de distribución de probabilidad de no
excedencia de un año climático medio (régimen medio). Existen distintas
aproximaciones en función del tipo de datos de partida (visual o
instriumental). Así, si de lo que se dispone es de información instrumental
se hace uso de la siguiente expresión
Φ ( Hs) = [F ( Hs)]
n ( Hs )
siendo Φ la ecuación extremal, F(hs) el régimen medio del oleaje y n(Hs) el

número de pruebas estadísticas en un año medio y definido como
Tn
n( Hs) =
t ( Hs)
donde T es la duración real del año climático considerado t(Hs) es el tiempo
total en que se supera un cierto valor de Hs y n es el número de veces que
se excede ese valor.
2. Método de los valores de pico: es el más utilizado aunque requiere un

conjunto de datos mucho mayor puesto que parte de valores máximos
registrados en un periodo de tiempo determinado, que puede ser de un año o
bien el máximo de una acción de temporal. Se diferencian por tanto dos
grandes grupos:
a. Método de los máximos anuales

b. Método de la serie de duraciones parciales o método de los valores
de pico (POT, Peak Over Threshold).
De ahora en adelante nos centraremos en estos dos últimos métodos (máximos

anuales y POT) por ser los más utilizados en la ingeniería marítima, por lo que se
requiere definir las poblaciones de temporal de partida.
4.2.1 Definición del suceso extremo
Como se ha visto el régimen extremal requiere de la definición de un suceso

extremo, o lo que es lo mismo un estado de oleaje con un cierto contenido
energético y por tanto que se caracteriza por un cierto valor de altura de ola, por
lo general altura de ola siginificante Hs. No existe un criterio universal que
identifique para cualquier mar (geográfico) lo que puede ser considerado como
temporal de olas, sin embargo se aceptan como válidos una serie de criterios para
poder definirlos:
17
1. los eventos extremos seleccionados deben ser independientes es decir la

población de temporales no deben pertenecer a un mismo evento (ver Figura
11). Ello pasa por determinar la duración de un temporal de forma genérica
para la zona de estudio. A menudo un temporal de la costa catalana tiene
una duración de unas 12 a 18 horas.
700 720 740 760 780 800
4 5
3.5 4.5
evento 2
4
3 evento 1
3.5
evento 3
2.5 3
Hs (m)
2 evento 4 2.5
1.5 2
1.5
1
1
0.5 0.5
0 0
700 720 740 760 780 800

horas
Figura 11. Caracterización de temporales a partir de una CEM.
2. Todos los eventos extremos deben corresponder a situaciones

climatológicas similares. Por ejemplo no deberían mezclarse episodios de
temporal producidos por un maremoto con aquellos generados por la acción
continuada de un viento intenso (lo más común).
3. Debe cumplirse la condición de estacionalidad, es decir, el clima de oleaje

observado de la zona no se encuentra afectado por tendencias (positivas o
negativas) producidas por cambios climáticos (efecto invernadero que
modifica los regímenes de viento). En la actualidad parece demostrado que
esta condición no se cumple cuando nos encontramos en escalas de tiempo
grandes, aunque sin embargo las variaciones observadas en las tendencias o
bien cubren periodos de tiempo relativamente cortos (en el mar del Norte
se ha observado un aumento de los valores medios de altura de ola en los
últimos 20 años) o bien no representan cambios significativos.
Una vez atendidas estas dos grandes premisas la definición de el suceso altura de
ola como temporal de oleaje puede seguir 2 grandes aproximaciones:
1. Máximo anual: Se determina el valor máximo de altura de ola para intervalos

de 1 año.
18
2. Se define un valor mínimo o umbral (threshold) a partir del cual y siguiendo

con las recomendaciones antes mencionadas se construye un subconjunto de
datos de temporales. En este sentido la ROM 03.91 define para los
distintos sectores de la costa española los valores mínimos a considerar
como situaciones de temporal (ver Figura 12 ).
Figura 12. Valores mínimos de temporal según la ROM 03.91.
19
4.2.2 Funciones de distribución de probabilidad
Una vez definido el conjunto de datos de lo que se trata es de ajustar una función
de distribución de probabilidad de no excedencia sobre el conjunto de datos
seleccionados.
No existe una única función por lo que el análisis debe ser realizado sobre un
conjunto de ellas quedándose el ingeniero con aquella que mejor represente los
datos. De entre la gran variedad de funciones disponibles las más utilizadas son las
que se muestran en la Figura 13.
Campo de definición
Distribución Función de Distribución Función de densidad
x A B
Lognormal 1
x
1  1  ln x − A 2  1  1  ln x − A  2  >0 - >0
B 2π ∫ x exp − 2  B  
 dx
xB 2π
exp  − 
 2  B  
 
0 
Exponencial 1 − exp [ − B( x − A) ] B exp [ − B ( x − A) ] ≥A - >0
  x − A C  >Xmi
Weibull 1 − exp  − 
C  x−A
C −1
  x − A C  ≥A >A
    exp  −    n
  B − A   B − A B − A   B − A  
   x − A   1   x− A   x − A  
exp  − exp  −    exp  −   − exp  −   
Gumbel(A. I)    B   B   B    B   - - >0
  x C  C B
C +1
  B C 
exp  −      exp  −   
Frechet(A. II)   B   B x   x   ≥0 - >0
Figura 13. Funciones de distribución de probabilidad para el análisis extremal.
donde X representa el evento altura de ola ( Hs, H1/10 o Hmax, según los datos de
origen), x representa el valor del suceso y por tanto F equivale a la función de
probabilidad de no excedencia, siendo A, B y k los parámetros de posición, escala y
forma (a ajustar) y φ la distribución típica normal de la función.
Liu y Burchart (1999) proponen el uso de las funciones Gumbell (Asintoya I) y

Weibull como aquellas que presentan los mejores ajustes. Como ya se ha
mencionado en el apartado de régimen medio, la función Weibull resulta en lla
determinación de 3 parámetros, en aquel caso este inconveniente se resolvía
convirtiendo la función en biparámetrica (A=0), en el caso que nos ocupa, el
problema se resuelve dando valores al parámetro C y que usualmente se
corresponden con C=0.75, C=1.0, C=1.4 y C=2.0.
4.2.3. Métodos de Ajuste de las funciones de distribución de probabilidad
20
Al igual que en el régimen medio del oleaje la determinación de los valores de las
funciones puede realizarse según tres aproximaciones:
1. método de los momentos muestrales, en el que los valores pueden ser

determinados a partir de un determinado número de momentos de la
muestra como la media, varianza o momentos superiores
2. método de la máxima verosimilitud en el que se pretende encontrar valores

de A, B y C de forma que la probabilidad de encontrar el valor muestral sea
máxima.
3. método gráfico en el que se pretende ajustar las funciones (mediante el uso

de variables reducidas) por mínimos cuadrados.
Nosotros nos centraremos en esta última aproximación, es decir, el método de los

mínimos cuadrados, lo que obliga a asignar un valor de probabilidad de no
excedencia o posición de dibujo (en un gráfico F(Hs) vs Hs).
4.2.4. La frecuencia de punteo
Existen 3 grandes métodos para determinar la probabilidad de no excedencia del

suceso extremo (Burchart, 1994):
1. basados en la frecuencia de muestreo.
2. basados en la distribución de frecuencias.
3. basados en momentos estadísticos de la muestra.
Probabilidad de no excedencia basada en la frecuencia de la muestra

También llamada posición de punteo de California se basa exclusivamente en la
frecuencia acumulada de la muestra y definiendo la probabilidad de no excedenia
como
i
F ( Hs) = 1 − ; i = 1,2,....,n
N
donde F(Hs) es la probabilidad de no excedencia de un suceso dado es decir
F ( Hs ) = P ( Hs ≤ Hsi )
i representa el orden en el que se encuentra el suceso Hs ordenados de forma

descendiente y N el tamaño de la muestra.
21
Ilustremos esto con un ejemplo: supongamos que partimos de una curva de estaos
de mar (CEM) a partir de la cual y siguiendo las premisas expuestas hasta ahora
hemos sido capaces de identificar una serie de temporales (aplicando la definición
de suceso extremo) tal y como se expresa en la Figura 11, es decir, evento 1 =3.5m,
evento 2 =4m, evento 3 =3m y evento 4 =2m y por lo tanto nuestro tamaño de la
muestra (N) es igual a 4 (Nótese lo absurdo del ejemplo puesto que el mínimo
requerido para tener un cierto grado de representatividad estadística debería ser
superior a 20 temporales, pero como ejemplo vale). La forma de operar sería:
1. Ordenar de mayor a menor los eventos registrados (descendiente).
2. Asignar un número de orden (i) de forma creciente a cada uno de ellos.
3. Determinar la posición de dibujo tal y como se ha visto.
por lo que el resultado final sería como el de la Tabla 3. Como puede apreciarse
esta forma de asignación de probabilidades deriva en la pérdida del último suceso
extremo al que se la asigna una probabilidad nula por lo que no es muy utilizada.
Tabla 3. Posición de dibujo según la frecuencia de muestreo

Hs (m) i F(Hs)
4 1 0.75
3.5 2 0.5
3 3 0.25
2 4 0
Probabilidad de no excedencia basada en la distribución de frecuencias

Partiendo de que Hs es una variable aleatoria con función de distribución de
probabilidad F(Hs), se asume que el valor Hsi, que ocupa la posición i en una
muestra de N datos, es también una variable aleatoria. En consecuencia, su función
de distribución o probabilidad de no excedencia PH es también una variable
i
aleatoria. La filosofía de este método consiste en determinar la frecuencia de

muestreo correspondiente a Hi a través de la media, mediana o moda de la variable
aleatoria PH . Esta frecuencia de punteo es independiente de la función de
i
distribución elegida.
Weibull (1939) determina la frecuencia de punteo (probabilidad de no excedencia)

a partir de la media de F(Hs) como
i
F ( Hs) == 1 − ; i = 1,2,....,n
N +1
siendo la aproximación más utilizada en el método de los máximos anuales.
22
Aunque no existe una forma explicita para la aproximación de la mediana, Bernard

(1943) demostró que una buena aproximación era
i − 0.3
F ( Hs) ≈ 1 − ; i = 1,2,....,n
N + 0.4
Probabilidad de no excedencia basada en momentos estadísticos

En este caso se determina la probabilidad de no excedencia del suceso Hsi a partir
de la media, mediana y moda de la variable Hs y por tanto pasa por considerar a
esta como una variable aleatoria. Sin embargo, en este caso las frecuencias de
punteo si son dependientes de la función escogida y no presentan una ecuación
explicita.
Las mejores aproximaciones conocidas a partir de la media son:
3
i−
Blom F ( Hs) = 1 − 8 Normal
1
N+
4
i − 0.44
Gringorten F ( Hs) = 1 − Gumbel
N + 0.12
0.18
i − 0.3 −
Petrauskas F ( Hs) = 1 − c Weibull
0.32
N + 0.21 +
c
0.27
i − 0.2 −
Goda F ( Hs) = 1 − c Weibull
0.23
N + 0.20 +
c
y que suelen ser utilizadas cuando el régimen extremal se realiza a partir del
método POT (series parciales).
4.2.5. La variable reducida de la función
Una vez determinada la población de temporales y asignada su probabilidad de no

excedencia (posición de dibujo) el siguiente paso es determinar los coeficientes de
la función de distribución de probabilidad de no excedencia escogida (A, B, C,
posición, escala y forma). Puesto que no existe una única función el análisis debe
23
realizarse sobre un grupo de ellas (ver Figura 13) y quedarse con la que presente
un mejor ajuste.
Por tanto de lo que se trata ahora es de realizar mínimos cuadrados sobre cada una
de las función de probabilidad. La forma más simple de abordar el problema es
trabajar sobre la variable reducida de la función deforma que lo que se ajusta en
realidad es una recta de la forma
y = ax + b
Recordar que la función Weibull depende de tres parámetros A, B y C por lo que o

bien se resuelve la función en su forma completa o bien (lo más usual) se resuelve
la función fijándola constante C como C=0.75, C=1.0, C=1.4 y C=2.0.
La función de distribución lognormal

La función presenta la siguiente forma
2
x 1  ln x − A 
1 1 − 2  
F ( x) = ∫0 x e
B 
dx
B 2π
se define la variable reducida como
ln x − A
y=
B
haciendo el cambio
t = ln x
y substituyendo en la ecuación anterior obtenemos
t−A
y=
B
por lo que la probabilidad asociada queda como
2
x 1 y 
1 −  
F ( x) = ∫e
2 2 
dy
2π −∞
es decir la función de distribución se convierte en una recta con el sistema

cartesiano de la Figura 14.
24
y (variable reducida)
Figura 14. Sistema cartesiano para la función lognormal
La función de distribución exponencial

F ( x) = 1 − e − B ( x − A )
tomando la variable reducida correspondiente
y = B( x − A)
por lo que la función de distribución queda como
F ( x) = 1 − e − y
y convirtiéndolo a una recta
y = − ln(1 − F ( x))

25
y=-ln[1-F(x)]
Figura 15 Sistema cartesiano para la función exponencial
La función de distribución Weibull

C
 x− A 
 
 B− A 
F ( x) = 1 − e x≥ A
C
 x−A
y= 
 B − A
haciendo el cambio
x' = x − A
y substituyendo en la ecuación anterior obtenemos
C
 x' 
y= 
 B − A
tomando logaritmos
ln y = C ln x − C ln (B − A)
haciendo los cambios
z = ln y
t = ln x'
26
se llega a la expresión
z = Ct − C ln (B − A)
puesto que
y = ez
entonces la función de distribución
F ( x) = 1 − e − y
y por tanto
z = ln y = ln[− ln (1 − F ( x) )]

y=ln[-ln(1-F(x))]
Figura 16 Sistema cartesiano para la función Weibull.
La función de distribución Gumbell

 x− A 
 
−e B 
F ( x) = e
27
 x − A
y= 
 B 
la probabilidad asociada a la variable reducida es
−y
F ( x) = e − e
y por tanto
y = − ln[− ln (F ( x) )]

y=-ln[-ln(F(x))]
Figura 17 Sistema cartesiano para la función Gumbell
La función de distribución Fréchet (Asintota II)

C
B
 
−ex
F ( x) = e
C
B
y= 
x
tomando logaritmos tenemos
28
ln y = C ln B − C ln x
y realizando el cambio de variable
ln y = − z
ln x = t
z = Ct − C ln B
por lo que la función toma la siguiente expresión
y = e− z
−y
F ( x) = e
y por tanto
z = − ln[− ln (F ( x) )]

y=-ln[-ln(F(x))]
Figura 18 Sistema cartesiano para la función Frechet.
4.2.6. El Periodo de retorno y la altura de ola de diseño
Se define el periodo de retorno de un suceso extremo como el tiempo promedio en

años que debe ocurrir entre dos temporales cuya intensidad excede un
determinado valor de altura de ola.
29
Puesto que el régimen extremal proporciona la distribución de probabilidades de

excedencia de los sucesos extremos ambos (periodo de retorno y función de
distribución) se encuentran relacionados, siendo muy común representar el régimen
extremal no sólo con respecto la variable reducida o la probabilidad de no
excedencia sino también con respecto al periodo de retorno del suceso.
La relación entre periodo de retorno Tr y probabilidad de no excedencia F(Hs)

viene dada por la siguiente ecuación
1
Tr =
(1 − F ( Hs) )λ
donde λ es el número de temporales medio al año y por tanto definido como
Nt
λ=
N
siendo Nt el número de temporales y N el número de años que cubre la muestra.

Nótese que para el caso de partir de un régimen extremal de máximos anuales λ
toma un valor de 1.
El uso más directo del concepto de periodo de retorno lo encontramos al tener que
elegir una acción de diseño (oleaje) al que debe ser resistente una determinada
estructura marítima. Una primera aproximación al problema de seleccionar este
valor de Tr sería hacerlo equivalente a la vida útil (L) que tiene asociada la obra
(definida en la ROM 02.90), sin embargo, si determinamos la probabilidad de no
excedencia de un determinado valor de Hs en los Nt temporales registrados en los
N años
Nt
 1 1
[F ( Hsi )]
Nt
= 1 −  ≈ = 36.89%
 Nt  e
observamos que existe una probabilidad muy elevada de que el suceso ocurra con el
consecuente riesgo que ello supone para la obra. Borgman (1963) propone el uso del
concepto de riesgo para determinar las acciones de cálculo definido como la
probabilidad de que por lo menos una vez exista un temporal mayor durante los L
años de vida útil del proyecto
E = 1 − F ( Hs) L
substituyendo valores tenemos que
L
 1 
E = 1 − 1 − 
 Tr 
30
Este es el criterio escogida en la ROM 02.90 (ver Figura 19, Figura 20 y Figura 21),
donde definidos unos valores de riesgo admisible y vida útil de la obra se obtiene la
acción de oleaje de temporal que tiene asociada un determinado periodo de
retorno.
Figura 19. Riesgos admisibles para obras de ingeniería marítima según ROM 02.90.
31
Figura 20 Vida útil admisible para obras de ingeniería marítima según ROM 02.90.
Figura 21 Riesgos admisibles en fase de construcción para obras de ingeniería

marítima según ROM 02.90
32
Al seguir la metodología propuesta hasta ahora (y que se contempla en la ROM

02.90 y 03.91) nos damos cuenta que el valor de temporal escogido se corresponde
con el de la función que mejor ajusta a nuestros datos. Sin embargo esto nos
plantea varias incógnitas. En primer lugar debemos determinar la bondad del ajuste
obtenido y segundo, a menudo nos encontramos en la parte alta de la distribución y
en muchos de casos en condiciones de no-excedencia (altos periodos de retorno)
elevados por lo que nos vemos obligados a extrapolar nuestros resultados. En este
sentido una buena regla práctica sobre la fiabilidad de nuestra predicción extremal
es que solo son fiables aquellos sucesos de altura de ola cuyo periodo de retorno
asociado es del orden de 3 veces (como máximo) el tiempo cubierto por la población
muestral de partida. Por ejemplo, si partimos de una serie de eventos extremos
que cubren un periodo de 10 años en principio nuestras estimas serán fiables
siempre que los periodos de retorno asociados a los sucesos no superen los 30
años.
Como puede verse resulta necesario definir los criterios de bondad de los ajustes
así como las fuentes de incertidumbre e intervalos de confianza de las funciones
ajustadas.
4.2.7. Bondad de los ajustes
Como ya se ha mencionado del grupo de funciones candidatas debe escogerse la

que mejor ajuste. Es muy común utilizar el coeficiente de correlación lineal (r de
Pearson)
Cov( x, y )
ρ=
Var ( x)Var ( y )
sin embargo ρ es definido en el domino lineal (y,x) donde la variable reducida y es

dependiente de la función de distribución por lo que la interpretación de este
criterio es menos evidente.
Otra forma de evaluar la bondad del ajuste es mediante la estima del error E,
obtenido por la función, es decir, las diferencias entre los valore medidos de altura
y valores estimados por la función, en cualquiera de sus modalidades.
Obviamente en este apartado pueden incluirse además todo tipo de pruebas

estadísticas utilizadas para determinar la bondad de las funciones (una revisión
puede verse en Goda et al. 1990).
4.2.8 Fuentes de incertidumbre y intervalos de confianza
La definición de una altura de ola de diseño lleva asociada una serie de

incertidumbres básicamente debidas a:
33
1. Variabilidad de la muestra debido a una serie reducida de datos de partida.

2. Errores en la medida debidos al tipo de datos de origen (visuales o de
predicción).
3. Elección de una función de distribución como representativa de un
comportamiento a largo plazo desconocido.
4. Variabilidad de los algoritmos de cálculo. Elección del umbral de partida o
tipo de ajuste realizado a la función.
5. Cambios climatológicos que invalidan las condiciones iniciales de definición
del suceso extremo.
Según la ROM 02.90 el proyectista deberá determinar la acción de diseño a la

banda de confianza del 90% salvo justificación.
Existen distintas formas de determinar las bandas de confianza de una función,

pero una de las más usadas (por simplicidad) es la propuesta por Goda (1988). Para
ello es necesario definir la desviación típica normalizada como
[ ]
1
1
σ nor = 1.0 + a ( yr − c + ε lnυ )
2 2
N
donde σnor es la desviación típica de una altura de ola con un periodo de retorno r,
N es el número de datos de altura de ola, y a resulta
− ln υ
a = a1e a 2 N −1.3+ k
donde a1, a2, C, k y ε son coeficientes empíricos (ver Tabla 4) y ν es el parámetro

censor definido como
N
υ=
Nt
siendo Nt el número de temporales sobre el umbral inicial, siendo yr la variable

reducida definida para las funciones Fisher-Tippet tipo – I y Weibull como
  1 
yr = −lm − ln1 −  FT − I
  λTr 
1
yr = [ln λTr ]k Weibull
donde Tr es el periodo de retorno (en años), K la longitud del registro (en años) y λ
es el número de temporales medio al año.
34
Finalmente, el valor absoluto de la desviación típica para un suceso queda definido

como
σ r = σ norσ H s
siendo σHs la desviación típica de las alturas de ola etremales.
Tabla 4 Coeficientes empíricos a1, a2, C, k y ε para el cálculo de los intervalos

de confianza según Goda (1988).
Los intervalos de confianza son calculados asumiendo que la altura de ola

significante de cualquier periodo de retorno se encuentra nomalmente distriubuida
sobre la función de distribución de probabilidad escogida (ver Tabla 5).
Tabla 5. Bandas de confianza para alturas de ola extremales.
4.2.9. El Método de los máximos anuales
Este apartado pretende ser una recopilación de todo lo visto hasta ahora por lo
que debe ser entendido como guía para elaborar un régimen extremal de oleaje
mediante los máximos anuales y aplicando mínimos cuadrados para determinar los
coeficientes de las funciones a ajustar. Por ello nada mejor que un ejemplo.
35
Supongamos que partimos de un conjunto de observaciones visuales (previamente

reducidas a un único valor de Hs) que cubre un periodo de 20 años tal y como el de
la Tabla 6.
Tabla 6. Alturas de ola máximas para el periodo de 1980 a 1999.
año Hs (m)
1980 6.90
1981 6.30
1982 6.00
1983 6.60
1984 7.00
1985 7.05
1986 7.40
1987 7.70
1988 9.20
1989 7.26
1990 6.85
1991 6.80
1992 8.60
1993 7.20
1994 8.15
1995 7.80
1996 8.30
1997 8.00
1998 7.50
1999 7.90
Los pasos a seguir para determinar el cálculo son:
1. Ordenar por orden decreciente (de mayor a menor) los registros de Hs

asignándoles un número de orden i de forma creciente.
2. Determinar la probabilidad de no excedencia del suceso Hs según el orden

que ocupen mediante la ecuación
i
F ( Hs) == 1 − ; i = 1,2,....,n
N +1
donde i es el número de orden que ocupa el suceso y N equivale al número de

años registrados que en nuestro caso es igual a 20 (ver Tabla 7).
Tabla 7. Probabilidades de no excedencia máximos anuales.
36
año Hs (m) i F(Hs)

1988 9.20 1 0.952381
1992 8.60 2 0.904762
1996 8.30 3 0.857143
1994 8.15 4 0.809524
1997 8.00 5 0.761905
1999 7.90 6 0.714286
1995 7.80 7 0.666667
1987 7.70 8 0.619048
1998 7.50 9 0.571429
1986 7.40 10 0.523810
1989 7.26 11 0.476190
1993 7.20 12 0.428571
1985 7.05 13 0.380952
1984 7.00 14 0.333333
1980 6.90 15 0.285714
1990 6.85 16 0.238095
1991 6.80 17 0.190476
1983 6.60 18 0.142857
1981 6.30 19 0.095238
1982 6.00 20 0.047619
3. Ajustar a las distintas funciones de probabilidad. En ejemplo escogemos la

función Gumbell.
4. Para el caso de la función Gumbel tenemos que
 x− A 
 
B 
−e
F ( Hs) = e
x− A
t=
B
−t
F ( Hs) = e −e
t = − ln[− ln (F ( Hs) )]
y = B(− ln[− ln (F ( Hs) )]) + A
siendo el eje de ordenadas la variable Hs. Por tanto, la recta a minimizar

resulta sobre la de datos de la Tabla 8 y los resultados del ajuste de la
función pueden verse en la Figura 22. En los que el parámetro A=7.04 y
B=0.723 siendo R2=0.98.
37
Tabla 8. Variable reducida de la función Gumbell.

año Hs (m) i F(Hs) y (reducida)
1988 9.20 1 0.952381 3.020227
1992 8.60 2 0.904762 2.301751
1996 8.30 3 0.857143 1.869825
1994 8.15 4 0.809524 1.554433
1997 8.00 5 0.761905 1.302197
1999 7.90 6 0.714286 1.089240
1995 7.80 7 0.666667 0.902720
1987 7.70 8 0.619048 0.734859
1998 7.50 9 0.571429 0.580505
1986 7.40 10 0.523810 0.435985
1989 7.26 11 0.476190 0.298490
1993 7.20 12 0.428571 0.165703
1985 7.05 13 0.380952 0.035543
1984 7.00 14 0.333333 -0.094048
1980 6.90 15 0.285714 -0.225351
1990 6.85 16 0.238095 -0.361224
1991 6.80 17 0.190476 -0.505750
1983 6.60 18 0.142857 -0.665730
1981 6.30 19 0.095238 -0.855000
1982 6.00 20 0.047619 -1.113344
10
9.5
9
8.5
8
7.5
7
6.5
6
Hs (m)
5.5 Fit Results

5
4.5 Fit 1: Linear
4 Equation Y = 0.7233816802 * X + 7.046772379
3.5 Number of data points used = 20
3 Residual sum of squares = 0.15222
2.5 Regression sum of squares = 11.8219
2 Coef of determination, R-squared = 0.987288
1.5 Residual mean square, sigma-hat-sq'd = 0.00845668
1
0.5
0
-2 -1 0 1 2 3 4
variable reducida
Figura 22. Ajuste a una función Gumbell
4.2.10. Los coeficientes de direccionalidad
38
Como ya se ha mencionado anteriormente, el oleaje queda definido por una altura

de ola, periodo y dirección. Las aproximaciones vistas hasta ahora han tratado el
oleaje en su forma escalar. La inclusión de la dirección en el análisis extremal
puede abordarse de muy distintas maneras según sea el tipo de información de
partida.
En caso de disponer de la información completa del suceso extremo, la

aproximación más común es determinar las distribuciones de probabilidad
condicionadas a cada una de las direcciones (divididas en sectores) observadas y
luego determinar la probabilidad absoluta de un suceso determinado (altura y
dirección) como simple producto entre la probabilidad escalar dentro de esa
dirección y la probabilidad de aparición del sector (al igual que en el clima medio),
es decir
P ( H i ≤ H ; sec tor ) = P( H i ≤ H / sec tor ) * P(sec tor )
a menudo, este tipo de aproximación no es posible puesto que la población de datos

sobre la que realizar el análisis queda drásticamente reducida.
Una solución a este problema es determinar la direccionalidad del suceso a partir

de las distribuciones de probabilidad obtenidas en el clima medio. La forma más
aceptada de determinar los coeficientes de direccionalidad (Kα) es la propuesta
por la ROM 03.91 y que se detalla a continuación
1. Determinar el clima medio direccional.
2. Para cada una de las direcciones efectivas encontradas en el apartado

anterior obtener la altura de ola de ola con una probabilidad de no
excdencia de P=0.99 y P=0.999 (Hp=0.99 y HP=0.999).
3. Realizar el promedio de las alturas de ola encontradas. Hdirección = (Hp=0.99

+HP=0.999)0.5.
4. Definir el coeficiente de direccionalidad Kαpara cada dirección como el

valor promedio encontrado para cada dirección con respecto al valor máximo
encontrado Kα= (Hdirección)/ (Hdirección)max.
39

Clima de Oleaje PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clima de Oleaje PDF

Cargado por

Copyright:

Formatos disponibles

TEMA 2.

El diseño de cualquier obra marítima, así como su proceso constructivo, requiere la

De forma general, la caracterización del oleaje es entendida como una descripción

2.FUENTES DE INFORMACIÓN DE OLEAJE

Los datos instrumentales son adquiridos por sensores, principalmente boyas de

Figura 1. Boyas de oleaje

El Ministerio de Fomento, a través del programa REMRO (Red Española de Medida

Los datos visuales provienen de observaciones realizadas por barcos en ruta a lo

Finalmente, cuando no es posible encontrar información ni visual ni instrumental, o

Figura 2. Mapa de datos visuales de la costa española en sectores de 1º x 1º.

3. OLEAJE A CORTO TÉRMINO O CARACTERIZACIÓN DEL OLEAJE

Cuando observamos el oleaje en un punto determinado de la costa vemos como en la

suficientemente largo como para representar el oleaje que queremos analizar (a

0 40 80 120 160 200

3.1. Descripción geométrico-estadística

La altura de ola media cuadrática Hrms queda definida como

La altura de ola máxima Hmax es la altura mayor del conjunto de N Hi.

El periodo medio Tz es el periodo promedio de los periodos definidos como pasos

El periodo significante Ts es la media aritmética de los periodos asociados al tercio

Conocidas las características del fenómeno en los términos estadísticos

La función de tipo Rayleigh o función de densidad queda definida como

siendo p(H) la probabilidad de aparición del suceso H. La integración de la función

siendo H el valor de altura de ola con una probabilidad de excedencia q (parte

Figura 5. Función de densidad de tipo Rayleigh sobre las alturas de ola.

obteniéndose que para la altura de ola significante

H 1 = 2 H rms = 1.41H rms

Una de las grandes ventajas de esta aproximación al problema es el hecho de poder

Longuet-Higgins obtiene además la siguiente expresión para la altura de ola

H max = 0.707 H 33 ln( N )

siendo H33 la altura de ola significante.

Tabla 1. Relaciones entre Hn y Hs para una distribución de tipo Rayleigh

3.2. Descripción espectral

espectral, es decir, la señal observada (oleaje irregular) puede se descompuesta en

Figura 6. Espectro de energía del oleaje

Un espectro de energía S(ω) (ω=2π/T) representa pues la energía asociada a cada

Una forma de calcular el ancho espectral es mediante la ecuación

donde Nolas representa el número total de olas evaluado en el espectro y Nmax el

Puesto que la función de densidad espectral (S(ω)) indica el reparto de energías

Para el caso de un oleaje de tipo SWELL puro (espectro de banda estrecha) y,

4. DESCRIPCIÓN DEL OLEAJE A LARGO TÉRMINO

5/4/84 1/29/87 10/25/89 7/21/92 4/17/95 1/11/98

Figura 7.Curva de estados de mar.

Los datos visuales, por su naturaleza (estimas subjetivas tomadas cada 6 o 12

4.1. Caracterización a medio plazo

El objetivo principal de este análisis es reproducir el oleaje en las condiciones

El estudio estadístico a medio plazo se efectúa a través de: i) regímenes medios

4.1.1 Clima de oleaje

En el régimen medio del oleaje se realiza un estudio de probabilidad de que un

Las funciones de distribución de probabilidad de no excedencia más utilizadas son:

• función Exponencial: F ( x) = 1 − exp[− B ( x − A)]

donde x es el valor de la variable y A, B y C los parámetros de posición, escala y

En el caso de partir de datos de boyas de oleaje (instrumental), es decir a partir

donde para el caso de la Figura 8 Ho representa el umbral de 1 m.

5/4/84 5/7/84 5/10/84 5/13/84 5/16/84 5/19/84 5/22/84

Figura 8. Determinación de los tiempos de no excedencia para el umbral de 1

Si por el contrario se parte de una información visual la asignación de

Tabla 2. Cálculo del clima de oleaje a partir de información visual

H = max( H SEA ; H SWELL ) siθ SEA − θ SWELL < 45º

en caso de no disponer de forma simultánea de ambos estados de mar, faltas de

sino que se disponga de información ya depurada), se recomienda calcular el

Una vez determinada la muestra o conjunto de datos (altura de ola y probabilidad

La función lognormal presenta un buen ajuste en la zona media.

La función exponencial muestra (para el litoral español) un buen ajuste en la zona