Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Criterios hidrológicos
El principal criterio para el diseño hidrológico corresponde a la
de definición de los períodos de retorno, para los cuales no existe
una normatividad suficientemente explícita, aunque en ocasiones las
entidades proponen unos valores de acuerdo a su experiencia. En el
caso de proyectos viales se propone realizar los cálculos para varios
periodos de retorno, usualmente se emplean de 10, 25, 50, 100 y 200
años, a partir de los cuales se estiman los caudales máximos, así
como las zonas de inundación asociadas a cada uno de estos
períodos de retorno.
Con este conjunto de datos es posible tomar una decisión sobre
el período de retorno para cada obra. Para el diseño hidrológico de
obras mayores se propone emplear el período de retorno de 200 años,
ya que cuando el costo de las obras es elevado se requiere
una protección adecuada ante las posibles eventualidades máximas.
Para las obras menores se proponen períodos de retorno de 25años y
para aquellas obras que no sean típicas se les asigna un período de
retorno acorde al costo y vida útil de la misma.
Al tener las precipitaciones máximas anuales a 24 horas
proporcionadas por el SENAMHI, ANA u otros, después de haber
evaluado los datos, se procede a ajustar una distribución de
frecuencia que represente comportamiento probabilístico de cada
estación climática.
Precipitación: promedio, máximo, mínimo (medias mensuales,
anuales), p75%, p90%, etc
Caudales: promedio, máximo, mínimo (medias mensuales),
q75%, etc.
3. Riesgo
En el diseño de obras hidráulicas, el riesgo de fallo (R), es decir,
la probabilidad de que se produzca alguna vez un suceso de periodo
de retorno T a lo largo de un periodo de n años (vida útil), está dado
por la expresión.
n
1
R=1− 1− ( ) T
Cuál es el riesgo (falla) en el año 1
R = 1-(1-1/50)^1= 2%
R=1-(1-1/50)^10= 18.29%
R=1-(1-1/50)^50=63.58%
R=0.10
Donde:
b. Prueba Kolmogorov-Smirnov
La prueba de ajuste de Smirnov-Kolmogorov, consiste en
comparar las diferencias existentes entre la probabilidad empírica
de datos de la muestra y la probabilidad teórica, tomando el valor
máximo del valor absoluto, de la diferencia entre el valor
observado y el valor de la recta teórica del modelo, es decir:
Esta prueba consiste en comparar el máximo valor absoluto de la
diferencia D entre la función de distribución de probabilidad
observada F(Z) y la estimada P(x):
D=Max .|P( x)−F(Z)|
Con un valor crítico d que depende del número de datos y el nivel
de significancia seleccionado (Tabla S-K). Si D<d, se acepta la
hipótesis nula.
Esta prueba tiene la ventaja sobre la prueba de χ 2 de que compara
los datos con el modelo estadístico sin necesidad de agruparlos.
Tabla 3. Tabla de d Kolmogorov-Smirnov (d).
5. Modelos de distribución
El análisis de frecuencias tiene la finalidad de estimar
precipitaciones, intensidades o caudales máximos, según sea el caso,
para diferentes períodos de retorno, mediante la aplicación de
modelos probabilísticos, los cuales pueden ser discretos o continuos.
En la estadística existen diversas funciones de distribución de
probabilidad teóricas; recomendándose utilizar las siguientes
funciones (distribuciones):
a. Distribución Normal
La distribución normal es una distribución simétrica en forma
de campana, también conocida como Campana de Gauss.
Aunque muchas veces no se ajusta a los datos hidrológicos
tiene amplia aplicación por ejemplo a los datos transformados
que siguen la distribución normal.
Función de densidad:
La función de densidad está dada por
Factor de frecuencia:
1. Si se trabaja con los X sin transformar el K se calcula
como
Límites de confianza:
b. Distribución Log-Normal 2P
En probabilidades y estadísticas, la distribución log-normal es
una distribución de probabilidad de una variable aleatoria
cuyo logaritmo está normalmente distribuido. Es decir, si X es
una variable aleatoria con una distribución normal, entonces
exp(X) tiene una distribución log-normal.
La base de una función logarítmica no es importante, ya que
loga X está distribuida normalmente si y sólo si logb X está
distribuida normalmente, sólo se diferencian en un factor
constante.
Log-normal también se escribe log normal o lognormal.
Una variable puede ser modelada como log-normal si puede
ser considerada como un producto multiplicativo de muchos
pequeños factores independientes. Un ejemplo típico es un
retorno a largo plazo de una inversión: puede considerarse
como un producto de muchos retornos diarios.
La distribución log-normal tiende a la función densidad de
probabilidad
y la varianza es
KT es el factor de frecuencia y t(1-a) es la variable normal
estandarizada para una probabilidad de no excedencia de 1-a.