Cortes Sastoque Angie Saray 2016

ESTIMACIÓN DE CAUDALES MEDIANTE INTERPOLACIÓN GEOESTADÍSTICA.
CASO DE ESTUDIO: RED DE DRENAJE DE LA CUENCA ALTA DEL RIO BOGOTÁ
ANGIE SARAY CORTES SASTOQUE
UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS

FACULTAD DEL MEDIO AMBIENTE Y RECURSOS NATURALES
INGENIERIA SANITARIA
BOGOTA D.C – 2016
ESTIMACIÓN DE CAUDALES MEDIANTE INTERPOLACIÓN GEOESTADÍSTICA.
CASO DE ESTUDIO: RED DE DRENAJE DE LA CUENCA ALTA DEL RIO BOGOTÁ
ANGIE SARAY CORTES SASTOQUE
Trabajo de grado para obtener el título de Ingeniera Sanitaria
ASESOR: JORGE ALBERTO VALERO FANDIÑO

INGENIERO CIVIL, MSC.
UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS

FACULTAD DEL MEDIO AMBIENTE Y RECURSOS NATURALES
INGENIERIA SANITARIA
BOGOTA D.C – 2016
El proyecto de grado titulado:
“ESTIMACIÓN DE CAUDALES
MEDIANTE INTERPOLACIÓN
GEOESTADÍSTICA. CASO DE
ESTUDIO: RED DE DRENAJE DE
LA CUENCA ALTA DEL RIO
BOGOTÁ” presentado por Angie
Saray Cortes Sastoque, para optar al
título de Ingeniera Sanitaria, fue
aprobado el día 19 del mes de
Septiembre de 2016.
AGRADECIMIENTOS
A mí amado Padre de los cielos y al Señor Jesús, sin los cuales no tendría vida y por los cuales son
hechas todas las cosas en su Espíritu.
A mi mama por su apoyo incondicional, a mis familiares y amigos por su confianza.
Al ingeniero Jorge Valero, por su orientación y apoyo en el desarrollo del presente proyecto.
RESUMEN
El trabajo “Estimación de caudales, mediante interpolación geoestadística”, retoma los estudios de Ver
Hoef, Peterson, & Theobald (2006), los cuales fueron replicados en Colombia, por el estudio de Valero
(2008); en el cual se realizó la interpolación geoestadística del índice de calidad del agua (CCME-WQI)”,
en la red hídrica de Bogotá. Este estudio desarrolló rutinas basadas en el software de programación
MATLAB, sustentadas en planteamientos matemáticos de la metodología de interpolación geoestadística
Kriging, aplicado a redes de drenaje, utilizando la función de media móvil. En el presente trabajo de grado
se utilizaron las rutinas desarrolladas por Valero (2008), para estimar valores de caudal, a lo largo de la red
de drenaje de la cuenca alta del rio Bogotá.
Este documento, se llevó a cabo en tres fases. a) En primera instancia, se realizó la revisión bibliográfica de
la fundamentación matemática de la geoestadística en redes de drenaje. b) Como secunda fase, se recopiló
la información de caudales diarios del año 2014 reportados en las redes de monitoreo hidrométrico de la
CAR y la EAAB, realizando el respectivo análisis estadístico de los datos. c) Por último, se ajustó el modelo
guiado por la metodología Kriging, aplicado a redes de drenaje; estimando caudales a lo largo de la cuenca
alta del rio Bogotá.
Se obtuvo como resultado, los parámetros de los semivariogramas diarios para 332 días del año 2014, lo
que permite realizar predicciones independientes en cada día del año, dado que no existe tendencia a lo largo
de los cambios de θ0, θ1 y θ2 en el tiempo. Por último se realizó la interpolación de 524 puntos (separados
500 metros a lo largo de la red), para el día 18 de diciembre, en los cuales se evidencia la capacidad del
método para realizar predicciones de caudal en la red estudiada. Se resalta la importancia de este estudio,
para detectar valores atípicos en las estaciones instaladas, así como, para la ubicación de nuevas estaciones
que contribuyen a la optimización y diseño de redes de monitoreo.
Palabras clave: Interpolación, geoestadística, Kriging, red de drenaje, función media móvil
ABSTRACT
The work "Estimation of flows, by geostatistical interpolation", takes up studies Ver Hoef, Peterson, &
Theobald (2006), which were replicated in Colombia, by studying Valero (2008); in which the geostatistical
interpolation of water quality index (CCME-WQI) was performed "in the water network in Bogota. This
study developed routines based on MATLAB software programming, grounded in mathematical approaches
to geostatistical interpolation method Kriging applied to drainage networks, by using the moving average.
In this degree work routines developed by Valero (2008) were used to estimate flow values, along the
drainage network of the upper basin of the river Bogota.
This document was carried out in three phases. a) the literature review of the mathematical foundation of
geostatistics in drainage networks was made in the first instance. b) As a secondary phase information daily
flows reported in 2014 hydrometric monitoring networks of the CAR and EAAB was collected, making the
respective statistical analysis of the data. c) Finally, the methodology guided by Kriging model, applied to
drainage networks adjusted; estimating flows along the upper basin of the river Bogota.
Was obtained as a result, the parameters of the daily semivariograms for 332 days of the year 2014, which
allows independent predictions for each day of the year, since there is no trend over changes θ0, θ1 and θ2
in time . Finally interpolation was performed 524 points (500 meters apart along the network) for December
18, in which the ability of the method is demonstrated for flow predictions in the studied network. The
importance of this study is highlighted to detect outliers in the installed stations as well as to the location of
new stations that contribute to the optimization and design of monitoring networks.
Keywords: Interpolation, Geostatistics, Kriging, drainage network, moving average function
8
1. INTRODUCCION
El agua es el recurso natural renovable más importante para sostener la vida de los ecosistemas, el
bienestar de la sociedad, la competitividad y el crecimiento económico del territorio. Sin embargo,
a pesar de su importancia estratégica, el país y el mundo experimenta una crisis asociada a la
disponibilidad de este recurso en cantidad y calidad (Ministerio de Ambiente y Desarrollo
Sostenible, 2015).
Una de las causas de los conflictos asociados al agua son: Uso ineficiente del recurso hídrico por
parte de sectores económicos, condiciones naturales de la cuenca, riesgo de inundaciones en
poblaciones vulnerables, cauces intermitentes, captación ilegal y reparto inequitativo.
Con el fin de asegurar la gestión eficiente del agua, se hace indispensable fortalecer la planificación
integral del recurso hídrico, mejorando el conocimiento del mismo para garantizar su
sostenibilidad, bajo el marco de incertidumbre generado por el cambio climático (Bernis, 2009).
Las redes de monitoreo de caudales son un recurso importante como base para la caracterización
de la oferta de agua en una red de drenaje; sin embargo tienen como desventaja que el
comportamiento del cauce es impredecible en puntos intermedios, dada la inviabilidad técnica y
económica para establecer estaciones de monitoreo en mayor número (Valero, 2008).
Por tal razón, los procedimientos geoestadísticos de estimación y simulación ofrecen una solución
alternativa a este inconveniente; basándose en la geografía y en la matemática, conjuntos de datos
de la superficie terrestre conocidos, permiten predecir distribuciones de probabilidad del parámetro
estudiado (Giraldo Henao, 2015)
La cuenca del rio Bogotá es una de las más importantes, dado que allí se concentra una de las zonas
con mayor densidad poblacional del país. La entidad responsable de la cuenca a nivel regional es
la corporación autónoma regional de Cundinamarca (CAR), a nivel Distrital la empresa de
acueducto y alcantarillado de Bogotá (EAAB) y la secretaria Distrital de ambiente (SDA). La CAR
y la EAAB, cuentan en la actualidad con redes de monitoreo de caudales cuyas mediciones son los
insumos para la interpretación, el análisis y la toma de decisiones frente a la cuenca.
El objeto del presente proyecto, es estimar caudales en puntos intermedios y a lo largo de la red de
la cuenca alta del rio Bogotá, por medio de un modelo guiado por la metodología de interpolación
geoestadística “Kriging”, aplicado a redes de drenaje; basándose en el ajuste, de las rutinas
desarrolladas en el estudio de Valero, (2008); tomando como datos de entrada los valores de caudal
de 12 estaciones de las redes de monitoreo de la CAR y la EAAB.
9
2. PLANTEAMIENTO DEL PROBLEMA Y JUSTIFICACION
El monitoreo de variables físicas en cuerpos de agua para determinar su comportamiento, como la

determinación del caudal; provee datos importantes como insumo de planes, programas y proyectos
para la gestión del recurso hídrico.
La cuenca del rio Bogotá, cuenta con redes hidrométricas a cargo de las distintas entidades
gubernamentales, que ofrecen una serie mediciones distribuidas en el espacio, según donde se
encuentra cada estación de monitoreo. Realizar dichas mediciones en la totalidad de la red, y con
mayores puntos de referencia, es inviable técnica y económicamente (Valero, 2008). Por lo cual
existen lugares intermedios que carecen de información, que permita ejercer control sobre su área.
Por esta razón, una de las alternativas de solución a este inconveniente, es realizar predicciones de
caudales, a través de interpolación geoestadística.
El presente documento, toma como caso de estudio, la cuenca alta del rio Bogotá, para utilizar
consideraciones matemáticas, que permitan predecir por el método de “Kriging” modificado e
implementado por Valero (2008); caudales en puntos no muestreados.
10
3. OBJETIVOS
3.1. OBJETIVO GENERAL
Estimar caudales mediante interpolación geoestadística por el método de Kriging aplicado a redes
de drenaje, considerando como caso de estudio la red de drenaje de la cuenca alta del rio Bogotá.
3.2. OBJETIVOS ESPECÍFICOS
- Comprender el marco matemático que soporta la realización de estimaciones

geoestadísticas de caudales.
- Recopilar, organizar y analizar las series de tiempo de caudal de las estaciones localizadas
a lo largo de la red hídrica de la cuenca alta del rio Bogotá.
- Realizar estimaciones de caudal a lo largo de la red de drenaje de la cuenca alta del rio
Bogotá.
11
4. METODOLOGIA
Figura 4-1. Cuadro Sinóptico. Metodología. Fuente (Autor)
El diseño metodológico del presente trabajo, se llevó a cabo mediante la división de tres fases
principales, de acuerdo al objetivo general y los tres objetivos específicos planteados:
I. Revisión bibliográfica de la fundamentación matemática de la geoestadística en redes de

drenaje. Esta revisión contempla conceptos como interpolación en espacios continuos,
geoestadística por el método de Kriging e interpolación en redes de drenaje.
II. Análisis de la información recolectada: Esta fase contempla actividades como: a)

Delimitación del área de estudio (cuenca y subcuencas). b) Ubicación de las estaciones de
monitoreo. c) Análisis estadístico de las series de tiempo de caudales diarios del año 2014.
III. Interpolación de caudales en la red de drenaje de la cuenca alta del rio Bogotá. La cual
contempla actividades como: a) Definición topológica de la red. b) Ajuste del modelo
guiado por la metodología Kriging al parámetro caudal. c) Estimación caudales a lo largo
de la cuenca alta del rio Bogotá
12
5. MARCO TEORICO
La matemática es una ciencia que a través de los años ha brindado al hombre herramientas que le
permiten establecer relaciones de los fenómenos naturales, para lograr su comprensión y resolución
de problemas en distintas áreas del conocimiento. A partir de estas interpretaciones se ha
desarrollado en matemática aplicada, formulaciones de modelación y simulación (ya sea
determinísticos o estocásticos) de fenómenos, como el comportamiento hidráulico a lo largo de una
red de drenaje, asociados al caudal.
Las metodologías convencionales para la determinación de caudales, conocidas como tránsitos;
tienen como dificultad, el proponer planteamientos que dependen de las características hidráulicas
de la red de drenaje. Razón por la cual se han desarrollado otros métodos, asociados a fenómenos
de la superficie terrestre, como modelos de estimación espacial, asociados al concepto de
interpolación, en la cual se obtienen estimaciones en lugares desconocidos, partiendo del
conocimiento de un conjunto discreto de puntos.
De esta manera, la interpolación espacial permite calcular el valor de una variable desconocida, en
una posición de espacio continuo, conociendo los valores de esa variable en otras posiciones del
espacio (Martínez, 2015).
El presente proyecto toma como base la geoestadística, para la determinación de caudales en una
red de drenaje.
5.1. TEORÍA DE INTERPOLACIÓN EN ESPACIOS CONTINUOS
La interpolación consiste en hacer predicciones en lugares no muestreados; los métodos más
comunes de interpolación están hechos para cuando el espacio es continuo como se muestra en la
Figura 5-1-a; para el presente trabajo de grado, es necesario utilizar un método especial, dado que
el espacio es discontinuo, y las predicciones solamente existen a lo largo de la red de drenaje, como
se observa en la Figura 5-1-b:
Figura 5-1. Espacio de interpolación a) Continuo b) No continúo. Adaptado de Valero (2008)
Existen dos vertientes definidas de métodos de interpolación espacial: los métodos determinísticos
y los métodos estocásticos.
5.1.1. Métodos Determinísticos de Interpolación
Los modelos matemáticos determinísticos estiman valores de una variable, sin contemplar el uso
de la estadística, donde las entradas producen únicas salidas. Cada uno de estos métodos tiene una
estructura de estimación definida, la cual efectúa el cálculo de la variable “tridimensional”
(Martínez, 2015).
13
A continuación, se describen algunos métodos de interpolación determinísticos que permiten
calcular valores de una variable a partir de datos conocidos:
5.1.1.1. Polígonos de Thiessen
En este método se asigna un área de influencia a los valores de datos conocidos de una variable,
(ver Figura 5-2), de la siguiente manera:
• Se trazan triángulos entre los valores conocidos hasta un área de influencia general
establecida
• Se levantan perpendiculares en la mitad de las líneas de cada triangulo
Figura 5-2. Construcción de Polígonos de Thiessen. Fuente (Autor)
Una vez trazados los polígonos se determina el peso 𝜆, de cada área A, por medio de la Ecuación
5-1:
𝐴𝑛
𝜆𝑛 = Ecuación 5-1
𝐴𝑡𝑜𝑡𝑎𝑙
Este método determina el valor promedio de la variable Z* sobre un área definida, de acuerdo a la
Ecuación 5-2:
Z ∗ = ∑(λn ∗ Zn ) Ecuación 5-2
Donde
𝑍 ∗ : Variable a predecir
𝜆𝑛 : Peso de cada punto n de variable conocida
𝑍𝑛 : Variable conocida en n
No obstante, los polígonos generan un grado de incertidumbre en la predicción de ciertas variables,

dado que a lo largo de toda la superficie, se pueden presentar variaciones bruscas ajenas al
comportamiento real de la variable (Martinez, 2015).
5.1.1.2. Método de pesos por el inverso de la distancia (IDW)
Este método supone que existe mayor similitud en las variables de aquellos puntos que se
encuentren cercanos entre sí, y que esta similitud disminuirá en cuanto la distancia d, aumente entre
ellos. En el método se miden las distancias que hay entre el punto donde la variable es desconocida
y los puntos con valores conocidos, como se muestra en la Figura 5-3:
14
Figura 5-3. Método IDW. Adaptado de Valero (2008)
Los pesos de cada variable se determinan teniendo en cuenta la Ecuación 5 3:

1
d
λn = 1 Ecuación 5-3
∑
d
De esta manera la expresión para hallar la variable en un punto dado es la Ecuación 5-2.
5.1.1.3. Triangulación
Consiste en la construcción de una red de triángulos cuyos vértices son puntos de variable conocida
a los largo de la superficie, como se muestra en la Figura 5-4:
Figura 5-4. Triangulación. Adaptado de Valero (2008)
Una vez construida la red, es posible calcular la variable en el punto que se encuentra al interior
del triángulo, a partir de la ecuación del plano, Ecuación 5-4, determinando los coeficientes (a, b y
c) del sistema de ecuaciones de la Ecuación 5-5 (Valero, 2008):
Z ∗ = ax + by + c Ecuación 5-4
E1 N1 1 a Z1
[E2 N2 1] ∗ [b] = [Z2] Ecuación 5-5
E3 N3 1 c Z3
5.1.2. Geoestadística: Método Estocástico
Son métodos que describen un conjunto de datos muestreados, cuyo comportamiento es aleatorio,
por el hecho de no poder determinar con precisión sus parámetros fundamentales; lo que
imposibilita la creación de un sistema de ecuaciones deterministas. Los métodos estocásticos son
15
desarrollos temporales que pueden ser analizados en términos de probabilidad (Hernández
Maldonado, Díaz Viera, & Erdely, 2014).
La geoestadística, es la rama de la estadística espacial que usa técnicas para recolectar, organizar
y analizar un conjunto de datos, y a partir de ellos hacer inferencias (Méndez Vanegas, Díaz Viera,
Herrera, & Valdés Manzanilla, 2013). Ésta, aborda el análisis de procesos estocásticos con
comportamientos estructurales (Valero, 2008).
El propósito principal de un estudio geoestadístico, es construir un modelo matemático de una
función aleatoria Z(x), basado en una serie de datos experimentales Zexp(xi), donde x, x+h son dos
puntos separados por la distancia h; y Z(x) y Z(x+h) son variables aleatorias asociadas (Njandjock
Nouck, y otros, 2013)
De esta manera se plantea una hipótesis de estacionaridad, donde la media y la varianza son
constantes en el espacio, independiente de su localización, como se muestra en la Figura 5-5:
Figura 5-5. Hipótesis estacionaridad. Fuente (Autor)
5.1.2.1. Semivariograma Experimental

La dependencia espacial en dos puntos (xi, xi+h), puede ser modelada mediante la covarianza
(grado de relación entre dos puntos con respecto a su separación) o un semivariograma (grado de
variación entre dos puntos con respecto a su separación), como se muestra en la Figura 5-6:
Figura 5-6. Relación variograma, covariograma. Fuente (Autor)
La covarianza es un valor que indica el grado de variación conjunta de dos variables aleatorias, se
usa para determinar si existe una dependencia entre ambas variables. Por su parte la varianza es
una medida de dispersión de una variable aleatoria expresada como el cuadrado de la distancia
16
promedio de los datos a la media, es decir si la varianza tiende a cero, los datos se encuentran
agrupados; pero si por el contrario la varianza es grande, los datos se encuentran dispersos. De esta
manera, la Ecuación 5-6 determina la varianza:
∑n ̅ 2
i=1(Xi −X)
σ2 = Ecuación 5-6
n
Basado en la Ecuación 5-6, mediante un conjunto de datos experimentales de una serie de puntos
en un espacio definido, se puede construir el variograma conocido y la semivarianza de la
diferencia (Z (x)- Z(x+h)) de un punto a otro, mediante la Ecuación 5-7 (Njandjock Nouck, y otros,
2013):
γ(x + h) = 0.5 ∗ Var[Z(X) − Z(X + h)] Ecuación 5-7
Experimentalmente, el semivariograma se calcula por medio de la Ecuación 5-8 (Valero, 2008):

np(h)
∑i=1 [Z(X)−Z(X+h)]2
γ(h) = Ecuación 5-8
2∗np
Donde,
𝛾(ℎ) = Semivariograma experimental
𝑛𝑝= Número de parejas separadas por una distancia igual a h
h= Incremento del semivariograma, separación entre las parejas
𝑍(𝑋) = Valor experimental de cada punto
𝑋= Lugar en el espacio donde se realizó la medición de la variable 𝑍(𝑋)
De esta manera el semivariograma permite analizar el comportamiento espacial de una variable
sobre un área definida, reflejando la distancia máxima y la forma en que un punto tiene influencia
sobre otro punto a diferentes distancias. La forma típica del semivariograma se representa por
medio de la Figura 5-7:
Figura 5-7. Forma típica semivariograma. Fuente (Valero, 2008)
En la Figura 5-7 se observa un comportamiento inicial (efecto pepita), en el cual γ(h) no tiende a
cero cuando h tiende a cero; esto, debido a errores de medición o de escala, lo que simboliza una
variable discontinua con ausencia de estructura espacial (Valero, 2008). Posteriormente la gráfica
muestra un rango, que describe el comportamiento regular del aumento de la varianza al aumentar
la distancia. Por último, se observa una meseta donde la gráfica tiende a estabilizarse después del
rango. Es aquí donde se alcanza un estado de no correlación entre las muestras (Valero, 2008).
17
Después de obtener el semivariograma experimental, debe ser ajustado un modelo matemático a
éste, para establecer el semivariograma teórico y poder utilizarlo como base de los diferentes
métodos de interpolación estocástica. La función del semivariograma o análisis estructural es la
parte más importante del análisis geoestadístico y su objetivo es modelar la estructura espacial de
una muestra de datos analizados, de acuerdo al grado de estacionaridad existente entre ellos
(Venegas Mendez & Diaz Viera, 2013).
A continuación se muestra un ejemplo en la construcción del semivariograma experimental de una
serie de datos de temperatura, registradas por algunos termómetros, tal como se ve en la Figura
5-8:
Figura 5-8. Ejemplo estaciones meteorológicas. Fuente (Autor)
El cálculo del semivariograma debe tener en cuenta la dirección de análisis, a la que se va a medir
la distancia, que puede ser en cualquier ángulo.
Así, cuando la dirección es 0° se calcula según la Ecuación 5-8, y se obtiene el semivariograma de
la Figura 5-9:
 Solución cuando h es 1:
𝛾(1) =
(17.9−15)2 +(15−20)2 +(20−19.4)2 +(18−16.4)2 +(16.4−19.3)2 +(19.3−20.3)2 +(18.6−15.9)2 +(15.9−20.6)2 +(20.6−18.1)2 +
[ ]
(19−16)2 +(16−19.9)2 +(19.9−20.1)2
2∗12
𝛾(1) = 4,4
[(17.9−20)2 +(15−19.4)2 +(18−19.3)2 +(16.4−20.3)2 +(18.6−20.6)2 +(15.9−18.1)2 +(19−19.9)2 +(16−20.1)2 ]
𝛾(2) = 2∗8
𝛾(2) = 4,2
[(17.9−19.4)2 +(18−20.3)2 +(18.6−18.1)2 +(19−20.1)2 ]

𝛾(3) = 2∗4
𝛾(3) = 1,12
18
6
4 4,4 4,2
𝛾(h)
Dirección: 0°
2
h γ 1,12
1 4,4 0
2 4,2 0 0,5 1 1,5 2 2,5 3 3,5
3 1,12 h (distancia)
Figura 5-9. Semivariograma, dirección 0°. Fuente (Autor)
Cuando la dirección es 90° el resultado se muestra en la Figura 5-10:
0,8
0,6 0,63
𝛾(h)
0,4
Dirección: 90° 0,31 0,34
h γ 0,2
1 0,63 0
2 0,31 0 0,5 1 1,5 2 2,5 3 3,5
3 0,34 h (distancia)
Figura 5-10. Semivariograma, dirección 90°. Fuente (Autor)
Así, cuando la dirección de análisis es 45° (Figura 5-11), el resultado se muestra en la Figura 5-12:
Figura 5-11 Tolerancia construcción semivariograma. Adaptado de Valero (2008)
6
𝛾(h)s-variograma
4 4,28
Dirección: 45° 3,74
h γ 2 2,42
1,41 3,74
0
2,82 4,28
0 2 4 6 8 10
8,46 2,42
h (distancia)
Figura 5-12 Semivariograma, dirección 45°. Fuente (Autor)
19
Si los semivariogramas resultan ser iguales en todas las direcciones se puede afirmar que el
fenómeno es Isotrópico, de lo contrario se dice que el fenómeno es anisotrópico. Para el caso de
este ejemplo se puede decir que la distribución espacial de las temperaturas es anisotrópica.
5.1.2.2. Ajuste del semivariograma experimental a un modelo matemático
Como se explicó anteriormente, después de obtener el semivariograma experimental, debe ser
ajustado un modelo matemático a éste, para establecer el semivariograma teórico que describe
cómo cambia la variable en el espacio y poder utilizarlo como base de los diferentes métodos de
interpolación estocástica.
Los modelos matemáticos más comunes son:
• Modelo Pepita Puro: (Ver Figura 5-13):
0 Sí h = 0
γ(h) = { Ecuación 5-9
C, constante Sí h > 0
Figura 5-13 Modelo pepita puro. Fuente (Valero, 2008)
• Modelo esférico (Ver Figura 5-14):

3 h 1 h 3
c ∗ [ ∗ ( ) − ∗ ( ) ] Sí h ≤ a
γ(h) = { 0 a 2 a Ecuación 5-10
c, constante Sí h > a
Donde:
3 𝑐
La pendiente en el origen: 2 ∗ (𝑎)
El Rango= 𝑎 ; Alcance vertical = C
Figura 5-14 Modelo esférico. Fuente (Valero, 2008)
• Modelo Exponencial (Ver Figura 5-15):

3∗|h|
γ(h) = c ∗ [1 − e a′ ] Ecuación 5-11
20
Donde:
3∗𝑐
La pendiente en el origen = 𝑎′
Rango = 𝑎′ ; Alcance vertical = C
Figura 5-15 Modelo exponencial. Fuente (Valero, 2008)
• Modelo Gaussiano (Ver Figura 5-16)

|h| 2
−3∗( ′ )
γ(h) = c ∗ [1 − e a ] Ecuación 5-12
Donde:
Pendiente en el origen: Cero
Rango: 𝑎′
Alcance vertical: C
Figura 5-16. Modelo Gaussiano. Fuente (Valero, 2008)
• Modelo monomial (Ver Figura 5-17)

γ(h) = k ∗ |h|a ∴ 0 < a < 2 Ecuación 5-13
Donde:
∞ 𝑆í 0 < 𝑎 < 1
Pendiente en el origen = { 𝑘 𝑆í 𝑎 = 1
0 𝑆í 1 < 𝑎 < 2
Rango = ∞
Alcance vertical = ∞
Figura 5-17. Modelo monomial. Fuente (Valero, 2008)
21
• Modelo logarítmico (Ver Figura 5-18)
γ(h) = k ∗ Log(h), ∀(h > 0˄k > 0) Ecuación 5-14
Donde:
Rango = ∞
Alcance vertical = ∞
Figura 5-18 Modelo logarítmico. Fuente (Valero, 2008)
El detalle de las consideraciones matemáticas de los modelos a tener en cuenta, se puede apreciar
en el documento de Valero (2008), en el numeral 4.1.6.
5.1.3. Kriging
Una vez ajustada la función matemática, el variograma teórico sirve como base para el método de
interpolación geoestadística por Kriging. El cual utiliza el modelo matemático de dependencia
espacial, para definir el ponderador (peso, 𝜆) que se aplica a cada una de las muestras conocidas,
al momento de asignar un valor al punto desconocido Z(x0), a partir de la relación de vecindad con
Z(x1). El Kriging, permite hacer una estimación optimizada, dado que predice el valor de la variable
en diversos lugares, a través de un procedimiento analítico de la calidad de las respuestas obtenidas,
por medio de validación cruzada (la cual consiste en eliminar uno de los puntos conocidos y
calcularlo), y por medio del cálculo de indicadores de la bondad del ajuste, minimizando la varianza
del error esperado (Mendes & Ribeiro, 2010).
Existen diferentes métodos Kriging, el más común es el método “Kriging ordinario”, donde se
parte del supuesto que entre los puntos observados, existe correlación espacial; donde la variación
será menor en el entorno más cercano al punto, mientras a medida que las distancias se
incrementan, la variación será mucho mayor; al igual que en el método de inverso de la distancia
(IDW), la estimación de un valor, depende de ponderaciones a través de combinaciones lineales,
como se muestra en la Ecuación 5-15 (similar a la Ecuación 5-2):
𝑍(𝑋𝑜) = ∑𝑛𝑖=1 𝜆𝑖 ∗ 𝑍(𝑋𝑖) Ecuación 5-15
Donde el valor desconocido Z(Xo) en un punto conocido (Xo), es calculado por la sumatoria de los
pesos λi y por los valores de datos vecinos Z(Xi) (Mendes & Ribeiro, 2010)
La Ecuación 5-15, plantea una condición, donde la sumatoria de los pesos es igual a uno:
(∑𝑛𝑖=1 𝜆𝑖 = 1), la cual es requerida, con el fin de obtener un estimador insesgado (sesgo nulo entre
el valor esperado y el parámetro que se estima (Wikipedia, 2016).
Lo anterior junto con la función estructural que se obtiene a partir del semivariograma γ(h), se
procede a construir los sistemas de ecuaciones para el cálculo de los factores de ponderación
(Martínez, 2015).
22
A diferencia del método IDW, en el método Kriging, para determinar los pesos λi, se minimiza el
error de la varianza, bajo la condición del estimador insesgado, como se muestra en la Ecuación 5-
16 y Ecuación 5-17 (Mendes & Ribeiro, 2010):
𝑉𝑎𝑟 [𝑍 ∗ (𝑋𝑜) − 𝑍(𝑋𝑜) ]
σ2 e = Var [Z ∗ (Xo) − Z(Xo) ] = VarZ(Xo) + Var Z ∗ (Xo) − 2CoV[Z ∗ (Xo) , Z(Xo) ] Ecuación 5-16
Equivalente a:
σ2 e = Var [Z ∗ (Xo) − Z(Xo) ] = ∑∀i ∑∀j( λi ∗ λj ∗ Cij) − 2 ∗ ∑∀i(λi ∗ Ci, o) + σ2 Ecuación 5-17
Donde (Ver Figura 5-6):

𝐶𝑖𝑗 = 𝐶𝑜𝑉[𝑍𝑖 ; 𝑍𝑗 ]
𝐶𝑖, 0 = 𝐶𝑜𝑉[𝑍𝑖 ; 𝑍0 ]
𝜎 2 = 𝐶𝑜𝑉(0) = 𝑉𝑎𝑟 (𝑍(𝑋𝑜))
𝐶𝑖𝑗 = 𝜎 2 − 𝛾(ℎ)
𝛾(ℎ) = 𝜎 2 − 𝐶𝑖𝑗
Los valores de la covarianza son significativos, dado que se calculan a partir del principio de
autocorrelación espacial, es decir, a raíz del variograma experimental y posteriormente a partir del
variograma teórico adoptado. Una vez con la Ecuación 5-17, expresada en función de covarianzas,
se aplica la minimización de esta, mediante el método de Lagrange (procedimiento para resolver
ecuaciones de optimización) cuyo multiplicador es el descrito en la Ecuación 5-18, (Martínez,
2015):
2𝜇(∑𝑛𝑖=1 𝜆𝑖 − 1) = 0 Ecuación 5-18
Aplicando el método Lagrange se obtiene la Ecuación 5-19:

𝐿(𝜆, 𝜇) = 𝜎 2 𝑒 + 2𝜇(∑𝑛𝑖=1 𝜆𝑖 − 1) Ecuación 5-19
La expresión mínima se alcanza cuando las derivadas parciales de los pesos λi y μ son nulas. Así,
se obtiene la varianza de error mínimo, mediante la sustitución de la ecuación de Kriging en la
expresión general de la estimación de la varianza según la Ecuación 5-20 (Mendes & Ribeiro,
2010):
∑𝑛 𝜆𝑖 𝐶𝑖𝑗 + 𝜇 = 𝐶𝑖, 𝑜
{ 𝑖=1 𝑛 Ecuación 5-20
∑𝑖=1 𝜆𝑖 = 1
𝐸𝑟𝑟𝑜𝑟 2 = 𝜎 2 = 𝑉𝑎𝑟(𝑍𝑉 ) − ∑𝑛𝑖=1 𝜆𝑖 𝐶𝑖0 − 𝜇 Ecuación 5-21
Esta minimización de la varianza, conduce a un sistema de ecuaciones lineales con (n+1)

incógnitas, n pesos λi y un parámetro Lagrange μ, (Valero, 2008).
Este sistema de ecuaciones debe ser resuelto matricialmente para calcular los factores de
ponderación λi, para la estimación del valor Z (Martínez, 2015):
23
Ecuación 5-22
La Ecuación 5-23 describe el cálculo de los factores de ponderación λi:

𝐶𝑖𝑗 ∗ 𝜆 = 𝐶𝑖0
𝐶𝑖𝑗 −1 ∗ 𝐶𝑖𝑗 ∗ 𝜆 = 𝐶𝑖𝑗 −1 ∗ 𝐶𝑖0
𝐼 ∗ 𝜆 = 𝐶𝑖𝑗 −1 ∗ 𝐶𝑖0
𝜆 = 𝐶𝑖𝑗 −1 ∗ 𝐶𝑖0 Ecuación 5-23
Donde:
𝜆 = 𝑀𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝑖𝑛𝑐𝑜𝑔𝑛𝑖𝑡𝑎𝑠
𝐶𝑖𝑗 −1 = 𝑀𝑎𝑡𝑟𝑖𝑧 𝑖𝑛𝑣𝑒𝑟𝑠𝑎 𝑑𝑒 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒𝑠
𝐶𝑖0 = 𝑀𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝑡𝑒𝑟𝑚𝑖𝑛𝑜𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
De esta manera son calculados los pesos de la variable que se encuentra en el punto Xo y la calidad
de la predicción mediante la Ecuación 5-21 (Valero, 2008).
De manera abreviada, los elementos que componen las matrices son covarianzas calculadas a partir
de la construcción de variograma experimental, con el cual posteriormente se adopta el variograma
teórico elegido (Martínez, 2015), siendo finalmente calculada la inversa de la matriz de covarianzas
resultantes; la cual se pondera posteriormente con las covarianzas de la matriz de términos
independientes.
Cabe aclarar que el cálculo anteriormente descrito se desarrolla para la estimación de un único
valor de Z, es decir, para calcular los valores de Z en distintos puntos de una superficie continua se
deberá repetir el procedimiento de ecuaciones para cada punto desconocido.
A continuación se muestra un ejemplo del método Kriging ordinario: Con los siguientes datos se
calculará el valor de la temperatura en el punto amarillo, mostrado en la Figura 5-19:
Figura 5-19. Ejemplo Kriging Ordinario. Fuente (Autor)
24
Suponiendo que a partir del semivariograma experimental se adoptó el modelo teórico de la
Ecuación 5-24:
ℎ 1 ℎ3
20 + 120 ∗ [ − ∗ ] 𝑆𝑖 ℎ ≤ 3
2 2 27
𝑦(ℎ) { 140, 𝑆𝑖 ℎ > 3 Ecuación 5-24
0, 𝑆𝑖 ℎ = 0
• Construcción matriz de distancias

En esta se calculan las distancias entre todas las estaciones y el punto de predicción como se
muestra en la Tabla 5-1:
Tabla 5-1. Matriz Distancias, ejemplo Kriging
Punto
Estacion # 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Amarillo
E
Coorde
0 1 2 3 0 2 3 0 1 2 3 0 1 2 3 1
N
nadas 0 0 0 0 1 1 1 2 2 2 2 3 3 3 3 1
# E N MATRIZ DE DISTANCIAS
1 0 0 0 1 2 3 1 2,24 3,16 2 2,24 2,83 3,61 3 3,16 3,61 4,24 1,41
2 1 0 1 0 1 2 1,41 1,41 2,24 2,24 2 2,24 2,83 3,16 3 3,16 3,61 1
3 2 0 2 1 0 1 2,24 1 1,41 2,83 2,24 2 2,24 3,61 3,16 3 3,16 1,41
4 3 0 3 2 1 0 3,16 1,41 1 3,61 2,83 2,24 2 4,24 3,61 3,16 3 2,24
5 0 1 1 1,41 2,24 3,16 0 2 3 1 1,41 2,24 3,16 2 2,24 2,83 3,61 1
6 2 1 2,24 1,41 1 1,41 2 0 1 2,24 1,41 1 1,41 2,83 2,24 2 2,24 1
7 3 1 3,16 2,24 1,41 1 3 1 0 3,16 2,24 1,41 1 3,61 2,83 2,24 2 2
8 0 2 2 2,24 2,83 3,61 1 2,24 3,16 0 1 2 3 1 1,41 2,24 3,16 1,41
9 1 2 2,24 2 2,24 2,83 1,41 1,41 2,24 1 0 1 2 1,41 1 1,41 2,24 1
10 2 2 2,83 2,24 2 2,24 2,24 1 1,41 2 1 0 1 2,24 1,41 1 1,41 1,41
11 3 2 3,61 2,83 2,24 2 3,16 1,41 1 3 2 1 0 3,16 2,24 1,41 1 2,24
12 0 3 3 3,16 3,61 4,24 2 2,83 3,61 1 1,41 2,24 3,16 0 1 2 3 2,24
13 1 3 3,16 3 3,16 3,61 2,24 2,24 2,83 1,41 1 1,41 2,24 1 0 1 2 2
14 2 3 3,61 3,16 3 3,16 2,83 2 2,24 2,24 1,41 1 1,41 2 1 0 1 2,24
15 3 3 4,24 3,61 3,16 3 3,61 2,24 2 3,16 2,24 1,41 1 3 2 1 0 2,83
Fuente (Autor)
• Matriz Semivariograma
A continuación, cada elemento de la tabla anterior se introduce en la ecuación 5-24 para obtener
los resultados mostrados en la Tabla 5-2:
Tabla 5-2. Matriz Semivariograma Teórico
Punto
Coorde
E 0 1 2 3 0 2 3 0 1 2 3 0 1 2 3 1
nadas N 0 0 0 0 1 1 1 2 2 2 2 3 3 3 3 1
# E N MATRIZ SEMIVARIOGRAMA TEORICO
1 0 0 0 77,8 122,2 140 77,78 129,32 140 122,2 129,3 139,4 140 140 140 140 140 98,5674
2 1 0 77,8 0 77,78 122,2 98,57 98,567 129,32 129,3 122,2 129,3 139,4 140 140 140 140 77,78
3 2 0 122 77,8 0 77,78 129,3 77,778 98,567 139,4 129,3 122,2 129,3 140 140 140 140 98,57
4 3 0 140 122 77,78 0 140 98,567 77,778 140 139,4 129,3 122,2 140 140 140 140 129,32
5 0 1 77,8 98,6 129,3 140 0 122,22 140 77,78 98,57 129,3 140 122,2 129,3 139,4 140 77,78
6 2 1 129 98,6 77,78 98,57 122,2 0 77,778 129,3 98,57 77,78 98,57 139,4 129,3 122,2 129,3 77,78
7 3 1 140 129 98,57 77,78 140 77,778 0 140 129,3 98,57 77,78 140 139,4 129,3 122,2 122,22
8 0 2 122 129 139,4 140 77,78 129,32 140 0 77,78 122,2 140 77,78 98,57 129,3 140 98,57
9 1 2 129 122 129,3 139,4 98,57 98,567 129,32 77,78 0 77,78 122,2 98,57 77,78 98,57 129,3 77,78
10 2 2 139 129 122,2 129,3 129,3 77,778 98,567 122,2 77,78 0 77,78 129,3 98,57 77,78 98,57 98,57
11 3 2 140 139 129,3 122,2 140 98,567 77,778 140 122,2 77,78 0 140 129,3 98,57 77,78 129,32
12 0 3 140 140 140 140 122,2 139,42 140 77,78 98,57 129,3 140 0 77,78 122,2 140 129,32
13 1 3 140 140 140 140 129,3 129,32 139,42 98,57 77,78 98,57 129,3 77,78 0 77,78 122,2 122,22
14 2 3 140 140 140 140 139,4 122,22 129,32 129,3 98,57 77,78 98,57 122,2 77,78 0 77,78 129,32
15 3 3 140 140 140 140 140 129,32 122,22 140 129,3 98,57 77,78 140 122,2 77,78 0 139,42
Fuente (Autor)
25
• Matriz Covarianza
El siguiente paso consiste en transformar las semivarianzas antes calculadas en covarianzas, para
obtener los resultados mostrados en la Tabla 5-3, teniendo en cuenta las siguientes expresiones,
(Ver Figura 5-6):
𝜎 2 𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 = 𝐶𝑜𝑉(0) = 𝑀𝑒𝑠𝑒𝑡𝑎 = 140
𝛾(ℎ) = 𝜎 2 − 𝐶𝑜𝑉(ℎ)
𝐶𝑜𝑉(ℎ) = 𝜎 2 − 𝛾(ℎ)
Tabla 5-3. Matriz Covarianza, ejemplo Kriging

Punto
Coorde
E 0 1 2 3 0 2 3 0 1 2 3 0 1 2 3 1
nadas N 0 0 0 0 1 1 1 2 2 2 2 3 3 3 3 1
# E N MATRIZ COVARIANZA
1 0 0 140 62,2 17,78 0 62,22 10,681 0 17,78 10,68 0,578 0 0 0 0 0 41,4326
2 1 0 62,2 140 62,22 17,78 41,43 41,433 10,681 10,68 17,78 10,68 0,578 0 0 0 0 62,2222
3 2 0 17,8 62,2 140 62,22 10,68 62,222 41,433 0,578 10,68 17,78 10,68 0 0 0 0 41,4326
4 3 0 0 17,8 62,22 140 0 41,433 62,222 0 0,578 10,68 17,78 0 0 0 0 10,6811
5 0 1 62,2 41,4 10,68 0 140 17,778 0 62,22 41,43 10,68 0 17,78 10,68 0,578 0 62,2222
6 2 1 10,7 41,4 62,22 41,43 17,78 140 62,222 10,68 41,43 62,22 41,43 0,578 10,68 17,78 10,68 62,2222
7 3 1 0 10,7 41,43 62,22 0 62,222 140 0 10,68 41,43 62,22 0 0,578 10,68 17,78 17,7778
8 0 2 17,8 10,7 0,578 0 62,22 10,681 0 140 62,22 17,78 0 62,22 41,43 10,68 0 41,4326
9 1 2 10,7 17,8 10,68 0,578 41,43 41,433 10,681 62,22 140 62,22 17,78 41,43 62,22 41,43 10,68 62,2222
10 2 2 0,58 10,7 17,78 10,68 10,68 62,222 41,433 17,78 62,22 140 62,22 10,68 41,43 62,22 41,43 41,4326
11 3 2 0 0,58 10,68 17,78 0 41,433 62,222 0 17,78 62,22 140 0 10,68 41,43 62,22 10,6811
12 0 3 0 0 0 0 17,78 0,5775 0 62,22 41,43 10,68 0 140 62,22 17,78 0 10,6811
13 1 3 0 0 0 0 10,68 10,681 0,5775 41,43 62,22 41,43 10,68 62,22 140 62,22 17,78 17,7778
14 2 3 0 0 0 0 0,578 17,778 10,681 10,68 41,43 62,22 41,43 17,78 62,22 140 62,22 10,6811
15 3 3 0 0 0 0 0 10,681 17,778 0 10,68 41,43 62,22 0 17,78 62,22 140 0,57752
Fuente (Autor)
• Sistema de ecuaciones
Posteriormente se soluciones el sistema de ecuaciones teniendo en cuenta la forma matricial de la
Ecuación 5-22; el cálculo de los pesos λ para cada estación, se realiza teniendo en cuenta la
Ecuación 5-23; los resultados son mostrados en la Tabla 5-5 y Tabla 5-4, respectivamente:
Tabla 5-4. Solución sistema de ecuaciones, ejemplo Kriging
Punto
Estacion 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Amarillo
# FORMA MATRICIAL
1 140 62,2 17,78 0 62,22 10,681 0 17,78 10,68 0,578 0 0 0 0 0 1 λ 41,4326
2 62,2 140 62,22 17,78 41,43 41,433 10,681 10,68 17,78 10,68 0,578 0 0 0 0 1 λ 62,2222
3 17,8 62,2 140 62,22 10,68 62,222 41,433 0,578 10,68 17,78 10,68 0 0 0 0 1 λ 41,4326
4 0 17,8 62,22 140 0 41,433 62,222 0 0,578 10,68 17,78 0 0 0 0 1 λ 10,6811
5 62,2 41,4 10,68 0 140 17,778 0 62,22 41,43 10,68 0 17,78 10,68 0,578 0 1 λ 62,2222
6 10,7 41,4 62,22 41,43 17,78 140 62,222 10,68 41,43 62,22 41,43 0,578 10,68 17,78 10,68 1 λ 62,2222
7 0 10,7 41,43 62,22 0 62,222 140 0 10,68 41,43 62,22 0 0,578 10,68 17,78 1 λ 17,7778
8 17,8 10,7 0,578 0 62,22 10,681 0 140 62,22 17,78 0 62,22 41,43 10,68 0 1 λ 41,4326
9 10,7 17,8 10,68 0,578 41,43 41,433 10,681 62,22 140 62,22 17,78 41,43 62,22 41,43 10,68 1 λ 62,2222
10 0,58 10,7 17,78 10,68 10,68 62,222 41,433 17,78 62,22 140 62,22 10,68 41,43 62,22 41,43 1 λ 41,4326
11 0 0,58 10,68 17,78 0 41,433 62,222 0 17,78 62,22 140 0 10,68 41,43 62,22 1 λ 10,6811
12 0 0 0 0 17,78 0,5775 0 62,22 41,43 10,68 0 140 62,22 17,78 0 1 λ 10,6811
13 0 0 0 0 10,68 10,681 0,5775 41,43 62,22 41,43 10,68 62,22 140 62,22 17,78 1 λ 17,7778
14 0 0 0 0 0,578 17,778 10,681 10,68 41,43 62,22 41,43 17,78 62,22 140 62,22 1 λ 10,6811
15 0 0 0 0 0 10,681 17,778 0 10,68 41,43 62,22 0 17,78 62,22 140 1 λ 0,57752
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 μ 1
Fuente (Autor)
26
Tabla 5-5. Matriz Covarianza Inversa
Punto
Estacion 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Amarillo
# MATRIZ COVARIANZA INVERSA
1 λ 0,0099 -0,0042 0,0001 -0,0003 -0,0042 0,0004 -0,0004 0,0001 0,0004 0,0002 -0,0005 -0,0003 -0,0004 -0,0005 -0,0004 0,1192 41,4326
2 λ -0,0042 0,0114 -0,0044 0,0003 -0,0013 -0,0017 0,0005 0,0003 -0,0005 0,0002 0,0003 -0,0003 0,0001 -0,0001 -0,0005 0,0624 62,2222
3 λ 0,0001 -0,0044 0,0120 -0,0040 0,0003 -0,0033 -0,0006 0,0001 0,0002 0,0002 0,0005 -0,0005 -0,0002 0,0000 -0,0004 0,0605 41,4326
4 λ -0,0003 0,0003 -0,0040 0,0099 -0,0003 -0,0005 -0,0041 -0,0005 0,0004 0,0007 0,0001 -0,0004 -0,0006 -0,0004 -0,0003 0,1182 10,6811
5 λ -0,0042 -0,0013 0,0003 -0,0003 0,0114 -0,0005 0,0001 -0,0044 -0,0017 0,0002 -0,0001 0,0003 0,0005 0,0003 -0,0005 0,0624 62,2222
6 λ 0,0004 -0,0017 -0,0033 -0,0005 -0,0005 0,0128 -0,0030 0,0002 -0,0020 -0,0036 -0,0008 0,0004 0,0005 0,0003 0,0007 0,0147 62,2222
7 λ -0,0004 0,0005 -0,0006 -0,0041 0,0001 -0,0030 0,0121 -0,0002 0,0005 -0,0009 -0,0042 -0,0006 0,0002 0,0005 0,0001 0,0595 17,7778
8 λ 0,0001 0,0003 0,0001 -0,0005 -0,0044 0,0002 -0,0002 0,0120 -0,0033 0,0002 0,0000 -0,0040 -0,0006 0,0005 -0,0004 0,0605 41,4326
9 λ 0,0004 -0,0005 0,0002 0,0004 -0,0017 -0,0020 0,0005 -0,0033 0,0128 -0,0036 0,0003 -0,0005 -0,0030 -0,0008 0,0007 0,0147 62,2222
10 λ 0,0002 0,0002 0,0002 0,0007 0,0002 -0,0036 -0,0009 0,0002 -0,0036 0,0135 -0,0030 0,0007 -0,0009 -0,0030 -0,0006 0,0128 41,4326
11 λ -0,0005 0,0003 0,0005 0,0001 -0,0001 -0,0008 -0,0042 0,0000 0,0003 -0,0030 0,0120 -0,0004 0,0005 -0,0007 -0,0041 0,0594 10,6811
12 λ -0,0003 -0,0003 -0,0005 -0,0004 0,0003 0,0004 -0,0006 -0,0040 -0,0005 0,0007 -0,0004 0,0099 -0,0041 0,0001 -0,0003 0,1182 10,6811
13 λ -0,0004 0,0001 -0,0002 -0,0006 0,0005 0,0005 0,0002 -0,0006 -0,0030 -0,0009 0,0005 -0,0041 0,0121 -0,0042 0,0001 0,0595 17,7778
14 λ -0,0005 -0,0001 0,0000 -0,0004 0,0003 0,0003 0,0005 0,0005 -0,0008 -0,0030 -0,0007 0,0001 -0,0042 0,0120 -0,0041 0,0594 10,6811
15 λ -0,0004 -0,0005 -0,0004 -0,0003 -0,0005 0,0007 0,0001 -0,0004 0,0007 -0,0006 -0,0041 -0,0003 0,0001 -0,0041 0,0100 0,1185 0,57752
μ 0,1192 0,0624 0,0605 0,1182 0,0624 0,0147 0,0595 0,0605 0,0147 0,0128 0,0594 0,1182 0,0595 0,0594 0,1185 -26,9350 1
Fuente (Autor)
• Predicción
La multiplicación de las matrices, da como resultado el peso de cada estación, cuya sumatoria es
igual a 1. Finalmente, con los valores de temperatura (Z) conocidos de cada estación, se predice el
punto estudiado, mediante la Ecuación 5-15 y Ecuación 5-21, como se muestra en la Tabla 5-6:
Tabla 5-6. Resultado, Ejemplo Kriging
# T° λ*T°
1 λ 0,047 17,9 0,85 Prediccion 17,31
2 λ 0,225 15 3,38 Error2 73,66
3 λ 0,068 20 1,36 Error 8,58
4 λ -0,044 19,4 -0,86
5 λ 0,225 18 4,05
6 λ 0,244 19,3 4,71
7 λ -0,018 20,3 -0,36
8 λ 0,068 18,6 1,27
9 λ 0,244 15,9 3,88
10 λ 0,084 20,6 1,74
11 λ -0,032 18,1 -0,57
12 λ -0,044 19 -0,84
13 λ -0,018 16 -0,28
14 λ -0,032 19,9 -0,63
15 λ -0,019 20,1 -0,39
μ -0,871 Ʃ 17,31
Fuente (Autor)
Según el método de interpolación por Kriging, la temperatura del punto amarillo, es de 17.31°C,
calculo que tiene un error de 8.58°C.
5.2. INTERPOLACIÓN EN REDES DE DRENAJE
5.2.1. Función Media Móvil

La interpolación por medio de la metodología Kriging en una red de drenaje, no solo se basa en la
utilización de geoestadística; sino también en la incorporación del concepto de media móvil (MA),
a redes de ríos como espacios no continuos (Ver Hoef, Peterson, & Theobald, 2006).
Las funciones de media móvil se utilizan en el análisis de series de tiempo, donde se supone que
en una ventana de tiempo definido q, los valores de una variable dependen de los valores
precedentes (Valero, 2008).
27
De esta manera, un fenómeno que tiene un comportamiento aleatorio, conocido como “ruido
blanco”, puede ser operado de tal manera que se obtenga su componente estructural y a partir de
este facilitar las predicciones de la variable analizada, mediante la Ecuación 5-25 (Valero, 2008):
𝑍𝑡 = 𝑎𝑡 + 𝜃1 ∗ 𝑎𝑡−1 + 𝜃2 ∗ 𝑎𝑡−2 + ⋯ + 𝜃𝑞 ∗ 𝑎𝑡−𝑞 Ecuación 5-25
Donde:
𝑎𝑡 : Secuencia de números aleatorios, ruido blanco.
𝜃𝑞 : i-ésimo coeficiente del filtro lineal, valor de media móvil.
Lo anterior se puede representar mediante la Figura 5-20:
Figura 5-20. Operación del ruido blanco. Fuente (Valero, 2008)
A continuación, el ejemplo de la Tabla 5-7 muestra la implementación de una función media móvil
de orden 5 (ventana a analizar, q), para operar una serie de datos correspondientes a caudales
medios diarios tomados de la estación limnimétrica Villapinzón (CAR Cundinamarca, 2014) con
el fin de realizar la predicción de la variable analizada mediante la metodología descrita en la Figura
5-20 y la Ecuación 5-25:
Tabla 5-7. Ejemplo predicción media móvil de orden 5
Fecha Villapinzón
1/01/2014 0,149
2/01/2014 0,149 Estructura MA Ruido
3/01/2014 0,149 0,1446 0,0044
4/01/2014 0,14 0,1402 -0,0002 Estructura MA Ruido PREDICCION
5/01/2014 0,136 0,135 0,001 -0,0002 0,0012 0,136
6/01/2014 0,127 0,1298 -0,0028 -0,00068 -0,00212 0,127
7/01/2014 0,123 0,1264 -0,0034 0,00048 -0,00388 0,123
8/01/2014 0,123 0,121 0,002 -0,00084 0,00284 0,123
9/01/2014 0,123 0,1174 0,0056 -0,00084 0,00644 0,123
10/01/2014 0,109 0,1146 -0,0056 8E-05 -0,00568 0,109
11/01/2014 0,109 0,1118 -0,0028 0,00028 -0,00308 0,109
12/01/2014 0,109 0,1078 0,0012 -0,00108 0,00228 0,109
13/01/2014 0,109 0,106 0,003 -0,00044 0,00344 0,109
14/01/2014 0,103 0,1042 -0,0012 -2,8E-18 -0,0012 0,103
15/01/2014 0,1 0,1024 -0,0024 -0,00024 -0,00216 0,1
16/01/2014 0,1 0,1006 -0,0006 -0,00084 0,00024 0,1
17/01/2014 0,1 0,1 0 -0,0006 0,0006 0,1
18/01/2014 0,1 0,1 0 -0,00012 0,00012 0,1
19/01/2014 0,1 0,1 0 0 0 0,1
20/01/2014 0,1 0,1 0 0 0 0,1
Fuente (Autor)
La última columna de la Tabla 5-7, muestra la predicción realizada mediante la operación del filtro
lineal (media móvil) sobre el ruido para crear una serie de tiempo, cuantas veces sea necesario.
Esta predicción corresponde a los datos experimentales en la serie de tiempo de la estación
Villapinzón de la segunda columna.
28
A partir del modelo de media móvil se puede obtener una función de autocovarianza y
autocorrelación, necesarias para aplicar la metodología de interpolación por Kriging, cambiando el
tiempo por el espacio (el detalle de las consideraciones matemáticas a tener en cuenta, se puede
apreciar en el documento de Valero (2008), en el numeral 4.2.1.
5.2.2. Kriging en redes de drenaje
Teniendo en cuenta que las interpolaciones de caudales en redes de drenaje, se realizan en un
espacio no continuo, la implementación de la metodología Kriging, inicia con el cálculo de
distancias únicamente a lo largo de la trayectoria de la corriente, primero en un segmento de drenaje
y luego a través de varios segmentos que representan una red. Estos segmentos se encuentran
divididos en nodos (puntos de predicción, sitios muestreados, puntos de calibración y puntos de
validación) y líneas numeradas de aguas abajo hacia aguas arriba; es decir la numeración de cada
nodo y línea precedente aguas arriba es mayor que la anterior (otras condiciones topológicas de la
red, son descritas en el documento de Ver Hoef, et al. (2006).
Para resolver el sistema de ecuaciones de Kriging, se debe obtener la matriz de varianza covarianza
válida Ʃ (mencionada en el numeral 5.1.3), construida a partir de las distancias de drenaje (Valero,
2008). La adaptación de la matriz varianza covarianza del Kriging ordinario para espacios
continuos, se basa en la incorporación de la función de autocovarianza y autocorrelación obtenida
a partir del modelo de media móvil, en donde se procede a cambiar el tiempo que es unilineal, por
un espacio que se abre en cada ramal de la red.
Según el planteamiento de Ver Hoef, et al. (2006), se puede asemejar el comportamiento de un
segmento de drenaje, al comportamiento de una serie de tiempo; donde se supone que una variable
en el tiempo, depende de su valor en instantes anteriores, así mismo se asume que una variable en
una ubicación espacial dada, depende de su valor en puntos precedentes aguas arriba; de modo que
la variable construida, resulta a partir de la combinación de una función de media móvil y ruido
blanco según lo expresado en la Ecuación 5-26 y Ecuación 5-27 (Valero, 2008).
𝑞
𝑍(𝑠) = ∑𝑥−0[𝑔(𝑥) ∗ 𝑎(𝑥 − 𝑠)] Ecuación 5-26
𝑞
𝜎 2 ∗ ∑𝑥−ℎ[𝑔(𝑥−ℎ) ∗ 𝑔(𝑥) ] 𝑠𝑖 ℎ = 1, 2 … , 𝑞
𝐶𝑞.ℎ ={ 𝑎 Ecuación 5-27
0 𝑠𝑖 ℎ > 𝑞
Donde
𝑔(𝑥) : Función ventana
𝑥: Posición en un espacio discreto
𝐶𝑞.ℎ : Función de autocovarianza
𝑎: Ruido blanco
σ2: Varianza
ℎ: Distancia
En el caso de redes de drenaje al existir ramales, se debe dividir la media móvil en cada una de sus
derivaciones, como se muestra en la Figura 5-21:
29
Figura 5-21 Media móvil. a) Para una línea de drenaje y b) Para una red. Fuente (Valero, 2008)
Por esta razón para preservar el área bajo la función de media móvil, se debe ponderar la
contribución de cada ramal, suponiendo el cumplimiento del principio físico de conservación de
masa, ligado al propio procedimiento estadístico (Valero, 2008). Esta contribución o peso de cada
ramal puede realizarse a partir de la definición de las áreas de las subcuencas a partir de los nodos
aguas bajo de cada tramo.
Esta delimitación de las áreas de las subcuencas, permite construir una matriz de pesos acoplados
A; junto con una matriz de varianza covarianza B, que considera los parámetros θ0, θ1 y θ2 (efecto
pepita, meseta y rango, respectivamente); que permite determinar la matriz varianza covarianza
válida Ʃ (Cij de la Ecuación 5-23); a partir del producto Hadamard entre A y B.
Para implementar la metodología Kriging, se usa la versión aumentada de la matriz Ʃ insertando
unos (1) y cero (0) (como se muestra en la Ecuación 5-22).
El vector de covarianza valido Ω (Ci0 de la Ecuación 5-23), se obtiene a partir del producto
Hadamard entre el vector de pesos acoplados C y el vector covarianza D, los cuales se determinan
a partir de la matriz A y B con respecto al punto a predecir; el detalle de las consideraciones
matemáticas a tener en cuenta en la construcción de dichas matrices, se puede apreciar en el
documento de Valero (2008), en el numeral 5.2 y 5.3.
Una vez se cuenta con el vector Ω, se obtiene su versión aumentada insertando un uno, en la parte
inferior. La determinación de los pesos de las observaciones se plantea en la Ecuación 5-23, la cual
es equivalente a la ecuación 5-28:
Ʃ𝑎𝑢𝑚𝑒𝑛𝑡𝑎𝑑𝑜 ∗ 𝜆 = Ω𝑎𝑢𝑚𝑒𝑛𝑡𝑎𝑑𝑜 Ecuación 5-28
El sistema de ecuaciones lineales se resuelve como se planteó en el numeral 5.1.3 para calcular el
valor de la variable del punto de a predecir.
30
6. INTERPOLACION GEOESTADISTICA: CASO DE ESTUDIO. RED DE
DRENAJE DE LA CUENCA ALTA DEL RIO BOGOTÁ
La mayor parte de la población colombiana se concentra al interior del país, debido al desarrollo
industrial y económico que se da en la capital y sus alrededores, lo cual demanda la intensificación
de medidas de monitoreo, diagnostico, prevención y mitigación de una serie de problemáticas
ambientales relacionadas al uso del suelo, actividades económicas, aprovechamiento de los
recursos naturales, uso eficiente y ahorro de agua.
La cuenca del río Bogotá se encuentra localizada en el departamento de Cundinamarca, junto con
los ríos Sumapáz, Magdalena, Negro, Minero, Suárez, Blanco, Gacheta y Machetá. Tiene una
superficie total de 589143 hectáreas que corresponden al 32% del total de la superficie
departamental, (CAR Cundinamarca, 2006). La Figura 6-1, muestra la ubicación y extensión de la
cuenca del rio Bogotá (color verde claro):
Figura 6-1. Cuencas Hidrográficas Cundinamarca. Fuente (CAR Cundinamarca. 2006)
La cuenca del Rio Bogotá se encuentra dividida teóricamente, según sus características
ambientales, ecológicas, climatológicas, orográficas y poblacionales en tres segmentos:
• Cuenca alta
Tiene altitudes entre los 3300 msnm a 2600 msnm aproximadamente, se extiende unos 145 km
desde Villa Pinzón, al sector llamado Puente la Virgen en Cota y tiene aproximadamente 142000
hectáreas que representan el 25% de la totalidad de la cuenca. Esta se caracteriza por presentar un
relieve ondulado inclinado a fuertemente ondulado, con pendientes del 12 al 25%. Se registran
precipitaciones entre los 400 y 2200 milímetros anuales a lo largo de la totalidad de las cuenca,
destacándose zonas de mayor precipitación en los extremos orientales (Embalse Tominé y río
Teusacá); por su lado, la cuenca alta presenta precipitaciones anuales entre 800 y 1000 mm (CAR
Cundinamarca, 2006).
31
Según los datos proporcionados por la CAR Cundinamarca para el año 2014, los caudales medios
diarios aportados por la cuenca alta, registra valores entre 0,1 m3/s a 15 m3/s aproximadamente.
Este sector cuenta con actividades económicas que inician con el proceso de contaminación del rio
Bogotá. Dada esta situación y un índice de escasez alto (relación oferta, demanda), la calidad del
rio se deteriora desde que inicia su recorrido aguas abajo de Villapinzón y con el paso por toda la
cuenca alta y media por los vertimientos domésticos, agropecuarios e industriales, (CAR
Cundinamarca, 2006).
• Cuenca media
La cuenca media constituye el segmento entre Puente la Virgen en Cota y el lugar llamado
Alicachín en el municipio de Soacha, con una longitud de 68 km aproximadamente (SIAC, 2004).
Este segmento representa el paso del rio Bogotá por la capital del país, la cual hace el mayor aporte
de contaminantes.
• Cuenca baja
Representa el segmento entre Alicachin en Soacha y su desembocadura al Rio Magdalena, con una
longitud de 123 Km aproximadamente. Este segmento representa grandes cambios en la calidad
del rio, con la caída de la corriente a su paso por el salto del Tequendama, además de una serie de
diluciones que se realizan hasta desembocar en el Magdalena y en otros contextos climatológicos,
ambientales y económicos (CAR Cundinamarca, 2006).
El presente trabajo, toma como caso de estudio la cuenca alta del rio Bogotá para la estimación de
caudales, usando interpolación geoestadística, por medio de la metodología Kriging Ordinario,
aplicada a redes de drenaje. Esto, dada la importancia mencionada de este cuerpo de agua, y de
aplicar metodologías que permitan la planificación integral del recurso hídrico a través del
conocimiento del mismo, para la caracterización de la oferta de agua de la red de drenaje, ante la
demanda de los distintos sectores: domestico, agropecuario, industrial y ecológico.
6.1. SELECCIÓN DE INFORMACION SECUNDARIA

La CAR y la EAAB cuentan con redes hidrometeorológicas en sus respectivas jurisdicciones. Las
bases de datos de caudales registrados por cada una de las estaciones ubicadas a lo largo de la
cuenca del rio Bogotá fueron tomadas como información de entrada para el presente estudio, desde
el 1 de enero del año 2014 al 31 de diciembre del año 2014, dado que para este año los datos se
hallaban completos para todas las estaciones (Ver Apéndice A). La Figura 6-2, muestra la ubicación
de las estaciones hidrometeorológicas de la red, 43 a cargo de la CAR y 15 de la EAAB:
32
Figura 6-2. Ubicación Estaciones Hidrometeorológicas. Fuente (Autor)
El manejo de los datos se realizó, mediante el programa Microsoft Excel 2003 y la elaboración de
los mapas mediante el software ArcGIS 10.3
De las 58 estaciones ubicadas a lo largo de la red del rio Bogotá, 12 pertenecen a la cuenca alta. La
Tabla 6-1 relaciona las características de dichas estaciones, las cuales se encuentran ubicadas,
según la Figura 6-3:
Tabla 6-1 Ubicación estaciones cuenca alta rio Bogotá
Fuente (CAR Cundinamarca, 2014. EAAB, 2014)
33
Figura 6-3. Ubicación estaciones cuenca alta rio Bogotá. Fuente (Autor)
6.1.1. Estación puente Virginia

Para la estación puente Virginia de la Figura 6-3, se analizaron 356 datos del año 2014
correspondientes a caudales medios diarios, los cuales fueron analizados estadísticamente,
obteniendo como resultado el histograma, el diagrama de caja y bigotes (Ver Apéndice B. Análisis
estadístico, estación puente Virginia) y la Tabla 6-2:
Tabla 6-2. Medidas de tendencia central. Puente Virginia
Fuente (Autor)
Los resultados estadísticos del conjunto de datos de la estación Virginia, establecen que los
caudales presentaron durante el año 2014, una media de 0.0063 m3/s y una desviación estándar
baja; lo cual de acuerdo a los coeficientes de apuntamiento y curtosis, los datos se encuentran poco
dispersos y agrupados en un rango de 0.002 m3/s a 0.006 m3/s (75% de los datos se encuentran en
este rango). La mayoría de los valores atípicos, son mayores a la media.
6.1.2. Estación Puente Calamar
Para la estación puente Calamar de la Figura 6-3, se analizaron estadísticamente 359 datos,
estadístico, estación puente Calamar) y la Tabla 6-3:
34
Tabla 6-3 Medidas de tendencia central. Puente Calamar
Fuente (Autor)
Los resultados de la estación Calamar, establecen que los caudales presentaron durante el año 2014
una media de 0.89 m3/s y una desviación estándar baja, lo cual de acuerdo a los coeficientes de
apuntamiento y curtosis, los datos se encuentran poco dispersos y agrupados en un rango de 0.38
m3/s a 1.01 m3/s (75% de los datos se encuentran en este rango). La mayoría de los caudales
atípicos, son mayores a la media, influyendo sobre esta.
6.1.3. Estación la Balsa
Para la estación la Balsa de la Figura 6-3, se analizaron estadísticamente 365 datos, obteniendo
como resultado el histograma, el diagrama de caja y bigotes (Ver Apéndice B. Análisis estadístico,
estación la Balsa) y la Tabla 6-4:
Tabla 6-4. Medidas de tendencia Central. La Balsa
Fuente (Autor)
En la estación la Balsa, los caudales presentaron durante el año 2014, con media de 5.41 m3/s y
una desviación estándar alta, lo cual de acuerdo a los coeficientes de apuntamiento y curtosis, se
encuentran muy dispersos y poco agrupados entre el 50% y 75% de los datos, en un rango de 2
m3/s a 10 m3/s; esto dada la variación de los fenómenos climáticos y a que en este punto la corriente
ha recibido diversos afluentes de la cuenca. Adicional a esto, La estación muestra valores de
caudales muy inferiores a los que debería tener por su ubicación en la cuenca y los afluentes que a
este punto deberían influenciar en el aumento del caudal.
35
6.1.4. Estación Quebrada Simaya
Para la estación Quebrada Simaya de la Figura 6-3, se analizaron estadísticamente 365 datos,
estadístico, estación Quebrada Simaya) y la Tabla 6-5:
Tabla 6-5 Medidas de tendencia Central. Q Simaya
Fuente (Autor)
En la Estación Quebrada Simaya, los caudales presentaron durante el año 2014, con media de 7.61
m3/s la cual es influenciada por dos valores representativos; uno periodo de bajo caudal entre
finales de Julio a inicios de Octubre (rango de 0 a 1 m3/s) y un periodo de caudales mayores entre
Octubre y Febrero (rango de 10 a 17 m3/s). Lo cual se refleja en una desviación estándar alta, los
coeficientes de apuntamiento y curtosis, que demuestran datos muy dispersos y poco agrupados en
más del 75%; esto dada la variación de los fenómenos climáticos.
6.1.5. Estación Puente Francis
Para la estación puente Francis de la Figura 6-3, se analizaron estadísticamente 365 datos,
obteniendo como resultado el histograma, el diagrama de caja y bigotes (Ver Apéndice B.
Análisis estadístico, estación puente Francis) y la Tabla 6-6:
Tabla 6-6 Medidas de tendencia Central. Pte. Francis
Fuente (Autor)
Los resultados estadísticos del conjunto de datos de la Estación Pte. Francis, establecen que los
caudales presentaron durante el año 2014, una media de 0.71 m3/s y una desviación estándar baja,
lo cual de acuerdo a los coeficientes de apuntamiento y curtosis, los datos se encuentran poco
36
dispersos y agrupados en un rango de 0.23 m3/s a 0.73 m3/s (75% de los datos se encuentran en
este rango). Y por último la mayoría de los valores atípicos, son mayores a la media.
6.1.6. Estación Refisal
Para la estación Refisal de la Figura 6-3, se analizaron estadísticamente 365 datos, obteniendo
como resultado el histograma, el diagrama de caja y bigotes (Ver Apéndice B. Análisis estadístico,
estación Refisal) y la Tabla 6-7:
Tabla 6-7 Medidas de tendencia Central. Refisal
Fuente (Autor)
En la Estación Refisal, los caudales presentaron durante el año 2014, una media de 4.55 m3/s, una
desviación estándar alta; lo cual de acuerdo a los coeficientes de apuntamiento y curtosis, los datos
se encuentran dispersos y poco agrupados entre un rango de 1 m3/s a 10 m3/s; esto dada la variación
de los fenómenos climáticos y a que en este punto la corriente ha recibido diversos afluentes de la
cuenca.
6.1.7. Estación Puente Tocancipá
Para la estación Puente Tocancipá de la Figura 6-3, se analizaron estadísticamente 363 datos,
estadístico, estación puente Tocancipá) y la Tabla 6-8:
Tabla 6-8 Medidas de tendencia Central. Pte. Tocancipá
Fuente (Autor)
En la Estación Pte. Tocancipá, los caudales presentaron durante el año 2014, una media de 7.46
m3/s y una desviación estándar alta; lo cual de acuerdo a los coeficientes de apuntamiento y
37
curtosis, los caudales se encuentran muy dispersos y poco agrupados, dada su variación a lo largo
del año; 50% de los datos se encuentran en un rango de 5 m3/s a 9 m3/s aproximadamente.
6.1.8. Estación Puente Florencia
Para la estación Puente Florencia de la Figura 6-3, se analizaron estadísticamente 363 datos,
estadístico, estación puente Florencia) y la Tabla 6-9:
Tabla 6-9 Medidas de tendencia Central. Pte. Florencia
Fuente (Autor)
En la Estación Pte. Florencia, los caudales presentaron durante el año 2014, una media de 12.13
m3/s y una desviación alta; lo cual de acuerdo a los coeficientes de apuntamiento y curtosis, los
caudales se encuentran muy dispersos y poco agrupados, dada su variación a lo largo del año; 50%
de los datos se encuentran en un rango de 10 m3/s a 14 m3/s aproximadamente.
6.1.9. Estación Puente Sesquilé
Para la estación puente Sesquilé de la Figura 6-3, se analizaron estadísticamente 351 datos,
estadístico, estación puente Sesquilé) y la Tabla 6-10:
Tabla 6-10 Medidas de tendencia Central. Pte. Sesquilé
Fuente (Autor)
En la Estación Pte. Sesquilé, los caudales presentaron durante el año 2014, una media de 4.23 m3/s
y una desviación alta; lo cual de acuerdo a los coeficientes de apuntamiento y curtosis, los caudales
se encuentran muy dispersos y poco agrupados, dada su variación a lo largo del año; 50% de los
datos se encuentran en un rango de 3 m3/s a 5 m3/s aproximadamente.
38
6.1.10. Estación Puente Cacicazgo
Para la estación puente Sesquilé de la Figura 6-3, se analizaron estadísticamente 362 datos,
estadístico, estación puente Cacicazgo) y la Tabla 6-11
Tabla 6-11 Medidas de tendencia Central. Pte. Cacicazgo
Fuente (Autor)
Los resultados estadísticos del conjunto de datos de la Estación Pte. Cacicazgo, establecen que los
caudales presentaron durante el año 2014, una media de 6.53 m3/s y una desviación estándar alta
(dados los valores atípicos que se encuentran alejados de la media, aunque los coeficientes de
apuntamiento y curtosis, muestren caudales poco dispersos y agrupados en un rango de 4.54 m 3/s
a 6.91 m3/s (50% de los datos se encuentran en este rango).
6.1.11. Estación Puente Baraya
Para la estación puente Baraya de la Figura 6-3, se analizaron estadísticamente 365 datos,
estadístico, estación puente Baraya) y la Tabla 6-12:
Tabla 6-12 Medidas de tendencia Central. Pte. Baraya
Fuente (Autor)
Los resultados estadísticos del conjunto de datos de la Estación Pte. Baraya, establecen que los
caudales presentaron durante el año 2014, una media de 1.38 m3/s y una desviación estándar alta;
dado los valores atípicos que se encuentran alejados de la media, aunque los coeficientes de
apuntamiento y curtosis, muestren caudales poco dispersos y agrupados en un rango de 0.4 m3/s a
1.35 m3/s (50% de los datos se encuentran en este rango).
39
6.1.12. Estación Villapinzón
Para la estación puente Baraya de la Figura 6-3, se analizaron estadísticamente 365 datos,
estadístico, estación Villapinzón) y la Tabla 6-13:
Tabla 6-13 Medidas de tendencia Central. Villapinzon
Fuente (Autor)
Los resultados estadísticos del conjunto de datos de la Estación Villapinzón, establecen que los
caudales presentaron durante el año 2014, una media de 0.3 m3/s y una desviación estándar baja,
lo cual de acuerdo a los coeficientes de apuntamiento y curtosis, la caudales se encuentran poco
dispersos y agrupados en un rango de 0.1 m3/s a 0.34 m3/s (50% de los datos se encuentran en este
rango).
Teniendo en cuenta el análisis estadístico anterior que establece el comportamiento y la tendencia
de los caudales en las estaciones, se evidencia que en las estaciones iniciales de la red, como lo
son: Villapinzon, Puente Francis, Puente Virginia y Puente Calamar, se tiene menor variación de
los datos.
Por otro lado, en las 8 estaciones restantes, no se evidencia un comportamiento de los caudales,
constantes a lo largo del año 2014. Por lo cual los datos se deben manejar por periodos de tiempo
más cortos, dado que se observa un comportamiento bimodal, con valores altos y valores bajos en
temporadas de lluvia y de sequía respectivamente.
6.2. CALIBRACIÓN Y VALIDACIÓN DEL MÉTODO
La calibración, la validación y las predicciones del presente trabajo, fueron ejecutadas, retomando
las rutinas desarrolladas en el estudio de Valero (2008), mediante el software MATLAB® en su
versión 2011; las cuales se basan en planteamientos matemáticos de la metodología de
interpolación geoestadística Kriging, aplicado a redes de drenaje; utilizando la función de media
móvil.
Dichas rutinas fueron utilizadas para realizar predicciones de caudal, a lo largo de la corriente del
rio Bogotá, rio Frio, quebrada Simaya, rio Teusacá y canal Achury, en una longitud aproximada de
270 Km, como se muestra en la Figura 6-4.
40
Canal Achury
Rio Bogotá
Rio Frio
Rio Teusacá
Q. Simaya
Figura 6-4. Corrientes de la Red de Drenaje. Fuente (Autor)
Dado el planteamiento del marco matemático presentado en el numeral 5.2.2, el modelo requiere
la construcción de las matrices: A “pesos acoplados”, B “varianza covarianza”, C “vector de pesos
acoplados” y D “vector de covarianza”; que se construyen a partir de los valores de theta θ0, θ1 y
θ2 que representan el efecto pepita, la meseta y el rango, respectivamente (Ver Figura 5-7).
La calibración del método consiste en el procedimiento de optimización “Montecarlo”, en el cual
se generan aleatoriamente ternas de los valores de los parámetros del semivariograma, se evalúa su
desempeño y se escoge aquella que genere los menores errores medios cuadráticos (Valero, 2008).
De esta manera, de las 12 estaciones estudiadas, se escogieron 8 estaciones de calibración y 4
estaciones de validación, como se muestra en la Figura 6-5
Figura 6-5. Estaciones de Calibración y validación. Fuente (Autor)
41
Las rutinas desarrolladas en el estudio de Valero (2008), se basan en la metodología descrita
anteriormente, en la cual se obliga a que las estaciones de calibración en sus mediciones, se
parezcan a la predicción; para los cual, el software requiere de la siguiente información de entrada:
• Elección de valores mínimos y máximos de Theta (Valero, 2008):
Para cada día del año se calculó la varianza de los caudales de las 12 estaciones y posteriormente
las varianzas se promediaron, dando el valor 21.62 m3/s, como resultado. Para crear el intervalo
del parámetro efecto pepita θ0; se escogió como valor mínimo 0 y valor máximo, un cuarto de la
varianza (5.40 m3/s). El intervalo del parámetro meseta θ1; fue el valor mínimo 0.5 veces la varianza
(10.81 m3/s) y el valor máximo 1.5 veces la varianza (32.43 m3/s). Por ultimo θ2, que representa el
alcance o rango, se escogió como valor mínimo, 1 Km y como valor máximo, la mitad de la mayor
separación entre los puntos muestreados, 80 Km.
 Delimitación de puntos y líneas de predicción:
Se hizo la delimitación de los puntos de predicción (nodos), cada 500 metros, obteniendo como
resultado 536 nodos, a los cuales se asigna el valor de cero (0), si es un punto donde no existe
estación (o si es una estación de validación); y su respectivo valor de caudal, si es una estación de
calibración. De la misma forma, la red fue numerada mediante líneas ascendentes de aguas abajo
hacia aguas arriba, como se muestra en la Figura 6 6.
Figura 6-6. Numeración, Líneas de la red de drenaje. Fuente (Autor)
Así, la Tabla 6-14, muestra el ejemplo de la información de entrada requerida por el software:
Tabla 6-14. Ejemplo información de entrada software.
Nodo Este Norte Línea Valor
1 98768,542 122329,632 1 0
2 98819,68 122940,374 1 0
3 99686,415 123421,546 1 0
4 99205,337 124010,856 1 0,007
5 98963,57 124493,89 1 0
Fuente (Autor)
42
• Delimitación de las subcuencas:
Para la construcción de la matriz de pesos acoplados, se estableció el área de cada subcuenca, por
medio de cuatro imágenes satélites, con resolución 30m x 30 m, almacenadas en los servidores del
servicio geológico de los Estados Unidos (USGS), como se observa en la Figura 6-7:
Figura 6-7. Imagen satelital, 30x30. Fuente. (USGS)
Estas imágenes permitieron la delimitación de las subcuencas mediante el programa SWAT,

mostradas en la Figura 6-8:
Figura 6-8. Delimitación de subcuencas
La Tabla 6-15, muestra los valores de área de cada subcuenca hallada:

Tabla 6-15. Áreas de las subcuencas
Línea Nodo aguas Nodo aguas Área (ha)
abajo arriba
1 1 18 229215,8935
2 19 118 19788,2694
3 119 191 208219,9847
4 192 274 37115,3019
5 275 295 6424,8540
6 296 323 8468,0986
7 324 439 157953,7770
8 440 445 37615,8104
9 446 536 52322,1762
Fuente (Autor)
43
De acuerdo a los datos de caudales medios diarios del 2014 (Ver Apéndice A); de los 365 días, se
descartaron 33, donde existen faltantes de información. De esta manera se analizaron 332 días,
hallando para cada uno, la mejor terna de los parámetros pepita, meseta y rango, según el método
de calibración antes descrito (Ver Apéndice C). Además de los parámetros, se determinaron los
menores valores para el error medio cuadrático de calibración (EMCC) y el error medio cuadrático
de validación (EMCV), de cada día.
A continuación, la Figura 6-9, Figura 6-10 y Figura 6-11, muestran el comportamiento de los
parámetros: efecto pepita, meseta y rango en el tiempo, respectivamente.
En estas figuras, se puede apreciar que no es conveniente utilizar un único valor por cada uno de
los parámetros, para realizar la estimaciones de caudal; dado que dichas ternas obtenidas por el
procedimiento de optimización “Montecarlo”, son aleatorias; razón por la cual muestran resultados
independientes de los demás días y no fue posible encontrar un patrón temporal para cada
parámetro.
De esta manera se debe identificar una terna para hacer predicciones en los puntos de la red, para
cada día de interés.
9
8
7
6
Efecto Pepita
5
4
3
2
1
0
0 50 100 150 200 250 300 350 400
Dia
Figura 6-9. Comportamiento en el tiempo del Efecto Pepita, θ0. Fuente (Autor)
35
30
25
Meseta
20
15
10
0
0 50 100 150 200 250 300 350 400
Dia
Figura 6-10. Comportamiento en el tiempo de la Meseta, θ1. Fuente (Autor)
44
90000
80000
70000
60000
Rango
50000
40000
30000
20000
10000
0
0 50 100 150 200 250 300 350 400
Dia
Figura 6-11. Comportamiento en el tiempo del Rango, θ2. Fuente (Autor)
Con el fin de representar la calidad de las predicciones realizadas por el método objeto de este
estudio, se escogieron las ternas del día 18 de Diciembre de 2014 (Ver Tabla 6-16), dado que este
día tiene valores de caudales consistentes:
Tabla 6-16. Parámetros escogidos
18 Dic
Theta Min Max Valor
θ0 0 8,11 6,64691036
θ1 10,81 32,43 28,1904029
θ2 1000 80000 25141,112
*EMCC 0
**EMCV 2,89297208
*EMCC: Error medio cuadrático de calibración
**EMCV: Error medio cuadrático de validación
6.3. PREDICCION
Una vez determinados los parámetros que complementan la matriz B y D (efecto pepita, meseta y
rango), y el área de las subcuencas que complementan las matrices A y C; se realizó la interpolación
en los 524 nodos, separados cada 500 metros a lo largo de la red de estudio, en los cuales no existe
medición (Ver apéndice D).
La Figura 6-12 y la Figura 6-13, muestran los mapas generados a partir de los resultados de la
interpolación de caudales y de la calidad de esa interpolación por medio de valores de error,
respectivamente; para el día 18 de Diciembre del año 2014. Estos datos fueron entregados por el
modelo, desarrollado en el estudio de Valero (2008).
En los mapas obtenidos, los colores: azul y verde, representan valores bajos de caudal y de error
de interpolación; posteriormente al aumentar dichos valores, los colores son degradados a amarillo,
naranja y rojo.
45
Figura 6-12. Resultados interpolación de caudales, día 18 Diciembre. Figura 6-13. Error de interpolación, día 18 Diciembre. Fuente (Autor)
46
6.4. ANÁLISIS DE RESULTADOS
De acuerdo a los resultados obtenidos, se aprecia que para el día analizado, los caudales son
coherentes de acuerdo al principio físico de conservación de masa, el cual supone que a medida
que aumenta el recorrido de la red de aguas arriba hacia aguas abajo, el caudal debe aumentar.
Los resultados de la Figura 6-12 evidencian la manera como el modelo se comporta, de acuerdo a
las consideraciones matemáticas planteadas por el método de Kriging y a la influencia o peso de
cada valor conocido, sobre los puntos a interpolar, teniendo en cuenta la distancia en la cual un
valor influye sobre otro. Reflejando la capacidad que tiene el modelo para predecir el
comportamiento de los caudales en la red.
La Figura 6-13 muestra valores de error en la interpolación bajos en gran parte de la red. No
obstante, a medida que los nodos se alejan de las estaciones de monitoreo, como en la línea 4 del
Rio Teusacá y parte de la línea 2 del Rio Frio (Ver Figura 6-6), los errores de interpolación
aumentan. Es así, como el presente modelo, es un recurso importante para determinar los puntos
donde se deben ubicar nuevas estaciones, para contribuir al mejoramiento de las predicciones de
caudal, en la red de monitoreo; así como para detectar, reportes atípicos de estaciones ya instaladas.
47
7. CONCLUSIONES Y RECOMENDACIONES
La recopilación, organización y análisis de las series de tiempo de caudales de las estaciones

localizadas a lo largo de la red hídrica de la cuenca alta del rio Bogotá, permite concluir que el
caudal no es constante a lo largo del tiempo, dada la alta variación de los datos de las estaciones
estudiadas, por lo cual se recomienda agrupar estos valores en periodos de tiempo cortos según
patrones mensuales.
Como se mencionó anteriormente, para la calibración del método, se concluye que los resultados
de cada una de las ternas obtenidas a partir del procedimiento de optimización “Montecarlo”, da
ternas aleatorias e independientes de los demás días, y no fue posible encontrar un patrón temporal
que relacionara una tendencia a lo largo de los cambios de θ0, θ1 y θ2 (efecto pepita, meseta y rango
respectivamente); razón por la cual este trabajo de grado identificó cada una de estas ternas, para
hacer predicciones independientes, en cada día del año de estudio. Se recomienda iniciar nuevos
estudios que permitan ligar el proceso de calibración diario, a las predicciones que se quieran
realizar en redes de monitoreo en tiempo real.
El método de interpolación geoestadística o Kriging en redes de drenaje, hace una estimación

optimizada de las variables, a través de un procedimiento analítico de la calidad de las respuestas
obtenidas, minimizando la varianza del error esperado (Mendes & Ribeiro, 2010); donde al igual
que en las funciones temporales de media móvil, se parte del supuesto que entre los puntos
observados, existe una correlación o comportamiento estructural, en la cual, la relación será mayor
en el entorno más cercano al punto y donde se define un rango de influencia de dichos puntos
conocidos (Ver Hoef, et al., 2006).
Teniendo en cuenta los resultados obtenidos a partir de las predicciones hechas por el modelo
desarrollado en el estudio de Valero (2008); se evidencia la importancia de la veracidad de los
valores reportados por cada una de las estaciones estudiadas en este proyecto. Dado que el modelo
es fuertemente influenciado por cada valor medido, ya que tiene como base las condiciones
matemáticas planteadas en el método de Kriging.
Los datos obtenidos de caudales, evidencian el principio de conservación de masa, tomado en
cuenta en el planteamiento de Ver Hoef, et al. (2006), reflejando la capacidad que tiene el modelo
para predecir el comportamiento de los caudales en la red.
El presente estudio sirve como herramienta para detectar reportes atípicos de estaciones instaladas,
así como permite determinar puntos donde se deben ubicar nuevas estaciones, para contribuir al
mejoramiento de las redes de monitoreo.
48
BIBLIOGRAFIA
Bernis, J. M. (2009). El caudal mínimo medio ambiental del tramo inferior del Rio Ebro. Electrónica Eumed.net.
Corporación Autónoma regional de Cundinamarca. (2006). Plan de ordenación y manejo de la cuenca Hidrográfica
del Rio Bogotá. Bogotá.
Giraldo Henao, R. (2015). Introducción a la geoestadística. Bogotá: Universidad Nacional de Colombia, Departamento
de Estadística. Recuperado el 21 de Junio de 2016, de
http://www.docentes.unal.edu.co/rgiraldoh/docs/LIBRO%20DE%20GEOESTADISTICA..pdf
Hernández Maldonado, V., Diaz Viera, M., & Erdely, A. (2014). A multivariate bernstein copula model for permeability
stochastic simulation. Geofisica Internacional, 19.
Martínez, J. S. (Enero de 2015). Comparacion estadistica de métodos interpolación determinísticos y estocásticos

para la generación de modelos digitales del terreno a partir de datos LIDAR, en la parroquia de Tumbabiro,
canton San Miguel de Urcuquí, provincia de Imbabura. Tesis de grado Maestría en Sistemas de informacion
geografica. . Quito, Ecuador: Universidad San Francisco de Quito.
Mendes, M. P., & Ribeiro, L. (2010). Nitrate probability mapping in the northern aquifer alluvial system of the river
Tagus (Portugal) using Disjunctive Kriging. ELSEVIER, 14.
Méndez Vanegas, J., Díaz Viera, M., Herrera, G., & Valdes Manzanilla, A. (2013). Geostatistical simulation of spatial
variability of convective storms in Mexico City Valley. Geofisica Internacional, 10.
Milana, J. P. (2011). Predicción de caudales de ríos alimentados por deshielo mediante balances de energía:
Aplicación en los Andes Centrales, Argentina. CONICET e InGeo, Universidad Nacional de San Juan, I. de la
Roza y Meglioli, 5401 San Juan., 24.
Ministerio de Ambiente y Desarrollo Sostenible. (23 de Noviembre de 2015). Planilla de Gestión Integral del Recurso
Hidrico. Obtenido de Uso eficiente y ahorro del agua:
https://www.minambiente.gov.co/index.php/component/content/article?id=1449:plantilla-gestion-
integral-del-recurso-hidrico-34
Njandjock Nouck, P., Kenfack, C., Diab Diab, A., Njeudjang, K., Jorelle Meli'I, L., & Kamseu, R. (2013). A geostatistical
re-interpretation of gravity surveys in the Yagoua, Cameroon region. Geifisica internacional, 9.
SIAC. (2004). Sistema de información ambiental de Colombia. Recuperado el 25 de marzo de 2012, de

http://www.siac.gov.co/contenido/contenido.aspx?catID=322&conID=415
Valero, J. A. (18 de Julio de 2008). Geoestadística en redes de drenaje. Tesis Maestría en Hidrosistemas. Bogotá,
Colombia.
Venegas Mendez, J., & Diaz Viera, M. (2013). Geostatistical modeling of clay spatial distribution in siliciclastic rock
samples using the plurigaussian simulation method. Geofisica Internacional, 19.
Ver Hoef, J. M., Peterson, E., & Theobald, D. (Diciembre de 2006). Spatial statistical models that use flow and stream
distance. Environmental and Ecological Statistics, 13(4), 449-464.
Wikipedia. (25 de Mayo de 2016). Wikipedia.org. Recuperado el 28 de Abril de 2016, de

https://es.wikipedia.org/wiki/Estimador
49
APÉNDICES
APÉNDICE A. Caudales medios diarios. Estaciones hidrometeorológicas CAR y EAAB, año 2014
2120815 2120719 2120742 2120977 2120863 2120767 2120735 2120925 2120792 2120987 20946 (L-040 ) 2725 (L-009 )
FECHA
VILLAPINZÓN PTE BARAYA LA BALSA PTE CACICAZGO PTE SESQUILÉ PTE FLORENCIA PTE VIRGINIA PTE CALAMAR PTE TOCANCIPÁ REFISAL PTE FRANCIS SIMAYA
1/01/2014 0,149 0,465 6,739 5,543 5,34 11,494 0,005 0,98 7,975 9,505 0,471 15,091
2/01/2014 0,149 0,465 6,74 4,455 4,734 11,698 0,004 0,903 9,062 10,082 0,453 15,737
3/01/2014 0,149 0,403 7,864 4,456 4,607 11,749 0,004 0,82 8,808 8,892 0,44 15,985
4/01/2014 0,14 0,403 7,373 4,622 5,048 11,545 0,003 0,759 8,857 8,303 0,423 16,467
5/01/2014 0,136 0,403 7,01 4,788 4,977 11,444 0,002 0,707 8,958 8,176 0,423 15,573
6/01/2014 0,127 0,403 7,312 4,788 4,572 11,244 0,003 0,749 8,958 8,36 0,423 13,838
7/01/2014 0,123 0,403 7,495 4,705 4,734 11,345 0,003 0,966 8,958 7,491 0,41 14,012
8/01/2014 0,123 0,507 7,989 4,875 3,056 11,753 0,003 0,915 7,596 10,824 0,413 13,209
9/01/2014 0,123 0,465 9,286 4,705 2,946 12,161 0,003 0,956 6,039 7,446 0,423 3,092
10/01/2014 0,109 0,465 7,618 4,788 3,334 12,057 0,003 0,82 6,039 5,548 0,423 0,971
11/01/2014 0,109 0,403 6,064 4,872 3,591 11,647 0,002 0,759 6,567 4,406 0,423 0,708
12/01/2014 0,109 0,403 4,684 4,29 3,524 11,647 0,003 0,759 6,899 4,756 0,417 0,705
13/01/2014 0,109 0,403 4,36 4,875 3,501 11,698 0,003 0,728 6,652 4,981 0,406 0,669
14/01/2014 0,103 0,382 4,199 5,29 3,501 11,545 0,003 0,696 6,316 5,53 0,389 0,696
15/01/2014 0,1 0,34 4,042 4,123 3,614 11,545 0,003 0,664 6,561 3,591 0,385 0,672
16/01/2014 0,1 0,34 3,449 4,289 3,989 11,395 0,005 0,632 6,904 3,484 0,371 0,48
17/01/2014 0,1 0,34 3,074 4,455 4,641 11,345 0,003 0,707 7,793 2,912 0,371 0,318
18/01/2014 0,1 0,34 3,576 4,206 4,919 11,496 0,003 0,749 8,072 4,224 0,37 0,266
19/01/2014 0,1 0,34 4,121 4,622 4,446 11,446 0,003 0,685 8,458 4,441 0,354 0,257
20/01/2014 0,1 0,34 4,414 4,289 4,641 12,161 0,003 0,664 8,217 5,562 0,354 0,3
21/01/2014 0,1 0,34 4,602 3,708 4,676 12,37 0,003 0,583 7,975 5,036 0,354 0,408
22/01/2014 0,1 0,34 4,657 4,289 4,734 12,579 0,003 0,634 7,975 4,981 0,354 0,453
23/01/2014 0,1 0,34 5,265 4,538 4,641 13,061 0,003 0,857 7,975 5,122 0,347 0,42
24/01/2014 0,1 0,34 5,237 4,04 4,85 13,992 0,003 0,654 8,458 4,889 0,337 0,435
25/01/2014 0,1 0,34 5,604 4,538 5,704 14,44 0,003 0,632 8,958 5,073 0,331 0,453
26/01/2014 0,1 0,34 4,821 4,289 5,316 14,44 0,003 0,6 9,641 5,174 0,308 0,426
27/01/2014 0,1 0,34 4,684 4,705 5,34 14,497 0,003 0,611 10,131 6,561 0,302 0,381
28/01/2014 0,1 0,34 4,739 4,788 5,223 14,554 0,003 0,573 9,426 6,625 0,302 0,381
29/01/2014 0,1 0,278 5,433 4,206 5,083 14,554 0,003 0,573 9,374 5,867 0,302 0,381
30/01/2014 0,1 0,278 4,848 5,122 5,34 14,44 0,003 0,563 9,374 6,439 0,302 0,381
31/01/2014 0,09 0,299 4,494 4,455 2,22 14,44 0,003 0,836 9,374 5,609 0,302 0,381
2/02/2014 0,09 0,278 4,521 4,455 5,188 14,44 0,005 0,573 9,479 5,413 0,301 0,381
3/02/2014 0,09 0,278 4,548 4,123 5,293 14,327 0,005 0,573 9,479 5,364 0,294 0,318
4/02/2014 0,08 0,278 4,147 5,123 5,363 14,497 0,004 0,554 9,374 5,619 0,322 0,309
5/02/2014 0,08 0,319 3,964 4,706 5,34 14,724 0,004 0,545 9,27 5,168 0,389 0,315
6/02/2014 0,077 0,278 4,068 4,788 5,363 14,44 0,004 0,526 9,374 4,797 0,32 0,381
7/02/2014 0,07 0,278 4,147 4,705 5,316 14,327 0,004 0,508 9,374 4,797 0,302 0,381
8/02/2014 0,07 0,278 3,885 4,539 5,293 14,27 0,003 0,489 8,958 3,372 0,285 0,381
9/02/2014 0,07 0,278 3,576 4,538 5,223 14,327 0,003 0,489 9,166 4,406 0,302 0,381
10/02/2014 0,07 0,278 3,373 4,123 5,293 14,27 0,002 0,463 9,166 4,797 0,32 0,339
11/02/2014 0,07 0,278 3,99 4,539 5,258 14,158 0,002 0,438 8,958 4,488 0,285 0,375
12/02/2014 0,064 0,278 4,199 4,372 5,316 14,047 0,002 0,43 8,958 2,684 0,243 0,342
13/02/2014 0,06 0,278 3,808 4,705 5,587 13,991 0,002 0,414 8,958 3,012 0,264 0,369
14/02/2014 0,06 0,278 4,711 4,538 5,704 14,158 0,002 0,414 9,062 3,186 0,264 0,245
15/02/2014 0,06 0,278 4,334 4,539 5,293 14,213 0,002 0,414 9,166 3,293 0,243 0,209
16/02/2014 0,058 0,278 4,549 4,872 5,316 14,27 0,002 0,39 9,166 3,476 0,253 0,209
17/02/2014 0,054 0,278 4,334 4,289 4,828 14,327 0,002 0,382 9,166 3,94 0,274 0,176
18/02/2014 0,052 0,278 4,042 4,206 5,457 14,213 0,002 0,43 9,374 3,703 0,274 0,172
19/02/2014 0,048 0,216 3,781 4,455 5,41 14,158 0,002 0,508 9,374 4,401 0,274 0,189
20/02/2014 0,048 0,216 3,602 3,957 5,363 14,27 0,003 0,471 8,958 4,062 0,274 0,166
21/02/2014 0,05 0,309 4,095 4,373 5,41 14,327 0,005 0,981 8,958 5,66 0,264 0,223
22/02/2014 0,077 0,278 4,199 4,289 5,281 14,327 0,006 1,173 8,958 6,728 0,264 0,257
23/02/2014 0,06 0,278 4,468 4,705 5,293 14,327 0,005 0,832 8,958 6,073 0,264 0,227
24/02/2014 0,06 0,278 5,069 4,289 5,293 14,27 0,005 0,654 9,479 5,315 0,253 0,268
25/02/2014 0,06 0,278 4,657 4,372 5,293 14,213 0,005 0,622 9,114 4,981 0,264 0,36
28/02/2014 0,08 0,278 3,833 4,206 5,504 14,327 0,004 1,008 10,019 4,797 0,264 0,215
1/03/2014 0,187 0,734 4,068 5,122 5,504 14,384 0,004 1,51 10,019 6,685 1,587 0,247
2/03/2014 0,187 0,705 4,523 5,124 6,406 14,725 0,003 2,03 10,019 8,106 0,864 0,231
3/03/2014 0,264 0,987 6,533 8,587 6,358 15,477 0,006 1,748 11,161 9,156 1,283 0,229
4/03/2014 0,187 0,793 7,895 7,482 5,965 15,595 0,007 2,506 11,161 9,044 0,979 0,106
5/03/2014 0,158 0,793 9,125 6,801 6,262 15,015 0,016 1,51 10,59 8,834 0,553 0,18
6/03/2014 0,127 0,527 9,642 5,207 6,19 14,103 0,015 1,32 10,019 8,37 0,456 0,205
7/03/2014 0,109 0,465 9,903 4,456 5,343 13,713 0,013 1,141 8,958 6,294 0,412 0,166
8/03/2014 0,109 0,403 7,833 5,122 6,298 13,935 0,012 2,567 8,958 5,609 0,511 0,155
9/03/2014 0,109 1,025 7,07 6,802 4,826 14,786 0,011 1,461 8,958 7,288 0,551 0,145
10/03/2014 0,093 0,527 7,617 5,625 5,223 14,727 0,01 1,23 9,374 8,042 0,449 0,214
50
11/03/2014 0,08 0,465 8,425 4,622 4,584 13,88 0,005 1,074 9,374 6,425 0,407 0,322
12/03/2014 0,07 0,403 8,678 4,538 5,223 13,494 0,005 1,02 10,243 4,224 0,379 0,342
13/03/2014 0,074 0,361 9,029 5,625 4,757 14,226 0,006 0,954 10,812 4,102 0,354 0,354
14/03/2014 0,187 2,724 7,07 6,803 5,188 16,069 0,006 1,06 10,812 6,231 0,354 0,501
15/03/2014 0,14 1,957 6,859 4,705 4,538 14,14 0,006 1,291 10,243 13,708 0,346 0,549
16/03/2014 0,106 1,541 7,802 5,123 4,181 11,194 0,008 1,007 10,019 8,236 0,337 0,597
17/03/2014 0,093 0,971 8,584 4,289 3,401 11,698 0,016 1,417 8,958 9,439 0,337 0,597
18/03/2014 0,083 0,882 8,711 5,039 4,136 11,698 0,015 1,127 8,563 3,363 0,331 0,552
19/03/2014 0,08 0,403 6,953 5,625 4,033 11,749 0,012 1,02 8,168 3,301 0,313 0,525
20/03/2014 0,08 0,403 4,711 5,123 4,607 12,007 0,011 0,941 8,361 2,745 0,297 0,483
21/03/2014 0,074 0,403 4,227 4,289 4,71 12,422 0,011 0,879 8,361 3,293 0,285 0,345
22/03/2014 0,064 0,372 3,86 4,788 4,607 12,474 0,008 0,82 7,652 3,114 0,294 0,495
23/03/2014 0,06 0,34 3,05 4,622 4,572 11,852 0,005 0,749 7,513 2,684 0,284 0,519
24/03/2014 0,06 0,34 2,76 4,705 4,734 11,852 0,005 0,696 7,513 2,621 0,274 0,462
25/03/2014 0,06 0,34 2,524 4,455 4,641 12,161 0,004 0,868 7,513 2,386 0,274 0,507
26/03/2014 0,054 0,34 2,338 4,705 4,136 12,161 0,004 0,728 7,513 2,018 0,274 0,453
27/03/2014 0,054 0,34 2 4,206 4,158 12,265 0,004 0,654 7,203 1,764 0,274 0,766
28/03/2014 0,052 0,34 1,804 4,622 4,136 12,161 0,005 0,632 7,027 1,36 0,264 1,507
29/03/2014 0,048 0,34 1,654 4,539 4,158 12,057 0,006 0,632 7,027 1,218 0,259 1,626
30/03/2014 0,048 0,34 1,509 4,538 4,136 11,954 0,008 0,6 7,07 1,199 0,259 1,323
31/03/2014 0,05 0,403 2,112 4,289 4,033 11,749 0,007 0,573 7,07 1,532 0,253 1,244
1/04/2014 0,054 0,319 2,046 4,622 4,033 11,596 0,008 0,573 6,398 1,258 0,245 1,044
2/04/2014 0,054 0,34 1,468 4,538 4,033 11,494 0,007 0,536 6,398 1,126 0,243 0,525
3/04/2014 0,054 0,34 1,286 4,622 4,033 11,546 0,005 0,573 6,316 0,87 0,243 0,585
4/04/2014 0,054 0,34 1,826 4,123 4,136 12,38 0,005 0,573 7,7 0,84 0,243 0,861
5/04/2014 0,054 0,34 2 4,123 5,293 14,215 0,004 0,573 8,857 2,907 0,24 0,639
6/04/2014 0,054 0,34 1,696 4,04 5,293 14,839 0,004 0,573 9,01 3,741 0,232 1,386
7/04/2014 0,054 0,34 2,249 4,622 5,293 14,781 0,004 0,573 9,062 3,983 0,243 8,947
8/04/2014 0,048 0,372 3,325 4,538 5,293 14,554 0,004 0,563 9,062 4,311 0,253 11,176
9/04/2014 0,048 0,34 3,755 4,705 4,181 14,103 0,004 0,545 7,522 4,108 0,258 12,154
10/04/2014 0,048 0,34 3,755 3,791 4,204 13,283 0,004 0,545 6,984 2,745 0,244 14,397
11/04/2014 0,048 0,34 3,174 4,538 4,033 13,283 0,004 0,489 6,899 2,359 0,243 15,549
12/04/2014 0,054 0,34 2,76 4,539 3,999 13,115 0,004 0,489 6,899 1,965 0,239 17,5
13/04/2014 0,054 0,34 2,408 4,289 3,795 13,494 0,004 0,462 6,899 1,886 0,234 17,5
14/04/2014 0,054 0,34 2,045 4,705 5,118 13,88 0,004 0,462 6,899 1,938 0,241 15,914
15/04/2014 0,054 0,34 1,891 4,206 5,293 14,213 0,004 0,462 7,345 2,018 0,242 15,114
16/04/2014 0,1 0,34 2,434 4,705 4,967 13,222 0,004 0,446 7,975 3,055 0,265 13,967
17/04/2014 0,136 0,34 4,335 4,372 5,293 13,167 0,005 0,984 8,857 6,042 0,332 12,873
18/04/2014 0,136 0,403 5,152 4,123 5,258 13,112 0,005 0,664 8,958 7,073 0,297 12,288
19/04/2014 0,123 0,465 5,349 4,372 4,919 12,581 0,005 0,6 8,374 7,245 0,275 11,876
20/04/2014 0,123 0,764 5,237 3,708 4,158 12,005 0,005 0,573 7,336 5,427 0,334 12,342
21/04/2014 0,123 0,646 4,848 4,622 4,399 12,161 0,005 0,573 7,158 3,94 0,299 12,494
22/04/2014 0,123 0,527 4,253 4,538 3,965 12,746 0,005 0,563 7,522 4,15 0,282 12,667
23/04/2014 0,234 0,486 4,016 4,372 5,223 13,494 0,005 0,612 7,975 3,257 0,301 12,179
24/04/2014 0,684 2,389 4,414 4,622 5,153 13,769 0,004 0,774 8,361 4,43 0,319 14,897
25/04/2014 0,241 0,987 5,097 4,455 6,072 14,047 0,004 0,728 8,958 5,976 0,331 16,992
26/04/2014 0,339 0,793 5,349 4,123 4,067 15,831 0,004 0,654 7,843 6,867 0,297 18,019
27/04/2014 0,285 1,122 5,181 4,955 4,607 16,737 0,004 0,632 6,685 4,004 0,292 18,158
28/04/2014 0,21 0,734 4,985 4,455 4,101 16,917 0,003 0,622 6,643 3,514 0,529 17,918
29/04/2014 0,149 1,179 4,631 4,455 4,646 14,171 0,003 0,664 7,034 3,4 0,634 17,158
30/04/2014 0,131 0,646 4,227 5,039 4,101 12,059 0,003 0,6 7,247 3,665 0,456 17,348
1/05/2014 0,109 0,587 3,99 4,788 4,204 11,045 0,004 0,573 7,07 3,863 0,355 16,33
2/05/2014 0,09 0,527 3,653 4,206 3,965 10,653 0,004 0,573 6,156 3,484 0,364 13,568
3/05/2014 0,064 0,527 3,499 4,289 3,704 11,547 0,004 0,517 6,078 2,912 0,373 12,44
4/05/2014 0,058 0,465 3,125 4,29 3,682 12,005 0,004 0,517 6,078 2,562 0,351 11,865
5/05/2014 0,054 0,465 2,856 4,955 4,101 12,161 0,004 0,744 6,663 2,293 0,33 12,103
6/05/2014 0,054 0,403 2,977 4,372 4,676 12,579 0,005 1,261 7,473 3,012 0,32 11,34
7/05/2014 0,06 0,403 3,474 4,206 4,85 12,685 0,006 0,905 7,698 3,861 0,309 10,119
8/05/2014 0,06 0,403 4,711 4,788 4,757 12,792 0,008 0,696 8,484 4,705 0,326 12,511
9/05/2014 0,175 0,764 6,065 4,622 4,757 14,16 0,012 1,934 8,623 8,435 1,207 14,832
10/05/2014 0,285 0,852 7,496 5,039 4,181 15,595 0,02 1,934 7,975 7,609 0,605 15,185
11/05/2014 0,665 2,724 8,902 5,961 5,316 15,891 0,028 3,908 9,644 8,315 0,76 15,138
12/05/2014 0,354 2,306 10,067 7,733 5,41 17,411 0,028 2,215 10,467 11,277 0,884 15,185
13/05/2014 0,158 0,979 9,447 6,219 1,974 18,038 0,028 1,463 5,184 7,616 0,525 15,185
14/05/2014 0,123 0,793 8,426 4,706 1,712 17,545 0,026 1,2 3,838 3,055 0,448 15,185
15/05/2014 0,109 0,705 6,305 4,705 1,953 7,94 0,027 1,06 3,986 1,631 0,416 15,185
16/05/2014 0,109 0,616 3,68 4,538 2,596 8,451 0,02 0,98 4,133 1,207 0,471 15,185
17/05/2014 0,109 0,793 2,618 4,622 2,531 9,428 0,015 0,929 4,133 0,534 0,41 15,185
18/05/2014 0,149 0,705 2,112 4,705 2,466 9,99 0,017 0,867 4,133 0,477 0,451 15,185
19/05/2014 0,123 0,616 2 4,538 2,487 10,269 0,006 0,832 5,769 0,514 0,42 15,032
20/05/2014 0,123 0,527 1,935 4,123 3,501 9,611 0,007 0,82 5,769 1,552 0,404 14,902
21/05/2014 0,123 0,838 2,737 4,622 3,401 9,611 0,004 0,729 5,731 1,861 0,492 14,902
22/05/2014 0,123 0,882 3,125 4,372 3,434 9,161 0,004 0,941 5,843 4,021 0,797 14,902
23/05/2014 0,109 0,793 3,653 4,872 3,368 10,555 0,003 0,981 5,619 4,108 0,443 14,49
24/05/2014 0,109 0,527 4,522 5,29 3,334 10,653 0,003 0,773 5,619 3,081 0,387 13,838
51
25/05/2014 0,109 0,527 4,657 3,874 3,502 10,997 0,002 0,675 5,326 2,514 0,371 13,448
26/05/2014 0,109 0,496 3,653 4,289 3,591 11,145 0,002 0,6 5,326 1,531 0,354 13,198
27/05/2014 0,1 0,496 3,125 4,123 3,614 11,145 0,002 0,632 5,326 1,181 0,415 12,548
28/05/2014 0,1 0,496 2,271 4,955 3,569 10,947 0,003 0,6 5,469 1,278 0,42 11,597
29/05/2014 0,1 0,527 1,87 4,123 3,569 10,849 0,003 0,6 5,469 1,42 0,4 10,998
30/05/2014 0,1 0,496 2 3,957 3,569 10,751 0,003 0,582 5,469 1,443 0,393 10,484
31/05/2014 0,1 0,527 1,848 4,373 3,569 10,996 0,003 0,6 5,469 1,643 0,401 10,267
1/06/2014 0,1 0,734 1,612 4,788 3,614 11,045 0,003 0,582 5,769 1,643 0,389 11,147
2/06/2014 0,1 0,705 1,633 4,539 3,614 10,751 0,003 0,573 5,806 1,764 0,385 11,275
3/06/2014 0,09 0,793 1,739 4,206 3,727 10,653 0,003 0,573 5,656 1,938 0,371 10,731
4/06/2014 0,087 0,616 1,978 4,538 3,636 10,555 0,003 0,573 5,469 1,74 0,358 10,287
5/06/2014 0,07 0,527 1,848 4,372 3,569 10,173 0,003 0,582 5,469 1,598 0,364 10,267
6/06/2014 0,07 0,631 1,74 4,955 3,535 9,984 0,003 0,573 5,656 1,697 1,614 10,683
7/06/2014 0,083 0,968 2,157 5,799 3,636 9,844 0,004 0,573 5,843 1,764 1,677 12,461
8/06/2014 0,175 1,734 2,361 4,788 3,591 9,611 0,004 0,614 5,843 1,863 1,499 11,824
9/06/2014 0,149 1,16 2,548 4,538 3,614 9,94 0,004 0,632 6,078 2,293 1,154 11,325
10/06/2014 0,158 1,835 2,832 5,039 2,913 10,702 0,004 0,622 5,843 1,691 0,892 11,453
11/06/2014 0,175 2,642 2,688 5,123 2,88 11,095 0,004 0,611 5,843 1,218 0,798 11,561
12/06/2014 0,175 1,199 2,571 4,289 2,016 11,046 0,002 0,611 4,77 1,653 0,573 11,93
13/06/2014 0,162 0,971 2,881 4,206 2,272 10,558 0,002 0,6 4,77 0,904 0,724 11,672
14/06/2014 1,003 3,742 3,424 4,705 4,25 10,173 0,003 0,602 5,769 1,673 2,334 10,821
15/06/2014 0,794 4,83 4,016 4,372 6,525 9,985 0,003 1,234 5,769 4,473 1,403 9,901
16/06/2014 0,435 2,399 4,522 4,455 3,167 9,246 0,003 0,917 5,769 7,415 0,923 8,965
17/06/2014 0,372 1,911 5,349 4,125 4,757 9,611 0,003 0,796 5,843 7,73 0,821 8,209
18/06/2014 0,539 4,34 6,533 19,057 4,364 10,173 0,002 0,738 5,111 0,811 0,898 7,908
25/06/2014 0,763 5,287 10,136 14,912 4,296 12,109 0,02 2,133 10,355 12,821 2,987 8,64
27/06/2014 0,372 2,958 13,622 8,501 3,92 11,045 0,013 1,683 8,265 13,005 1,164 11,216
28/06/2014 0,372 1,818 14,156 8,671 3,875 10,947 0,013 1,335 7,425 9,941 0,962 12,171
29/06/2014 0,328 1,541 12,504 8,156 4,067 10,751 0,007 1,185 5,769 3,936 0,796 17,381
30/06/2014 0,299 1,427 9,192 6,973 4,033 10,555 0,01 1,074 5,769 1,909 0,659 18,704
1/07/2014 0,372 1,576 6,006 5,29 4,136 11,395 0,01 1,007 6,078 2,779 0,785 18,704
2/07/2014 0,328 1,633 4,986 6,633 4,181 11,596 0,011 1,291 6,648 3,901 1,227 18,323
3/07/2014 0,292 1,293 4,147 4,705 3,614 11,097 0,006 1,06 6,449 4,311 0,842 17,563
4/07/2014 0,328 1,008 4,986 5,373 3,535 10,849 0,005 0,966 5,699 3,627 0,681 16,743
5/07/2014 0,299 1,104 5,209 4,705 3,167 11,145 0,005 0,98 5,398 2,993 0,707 16,969
6/07/2014 0,328 1,236 4,684 5,374 3,591 11,596 0,005 0,98 5,469 2,321 0,645 18,818
7/07/2014 0,372 3,756 4,042 5,466 4,676 11,852 0,005 0,915 5,469 2,253 1,6 20,085
8/07/2014 0,328 3,684 3,704 4,455 5,813 12,579 0,005 0,929 7,07 3,26 2,341 20,748
9/07/2014 0,55 2,942 3,423 5,123 3,313 8,667 0,006 1,087 6,456 6,185 1,669 20,766
10/07/2014 0,551 5,255 3,99 6,213 3,267 8,624 0,006 1,06 5,843 2,621 1,664 20,352
11/07/2014 0,365 2,942 4,522 6,045 3,795 8,581 0,005 1,047 6,243 1,991 1,375 20,298
12/07/2014 0,452 4,199 4,848 6,218 5,001 8,624 0,005 0,993 7,07 2,835 1,411 18,437
13/07/2014 1,703 10,28 5,097 5,209 5,316 9,49 0,005 0,953 9,689 5,34 4,007 15,844
20/07/2014 0,789 6,508 12,294 21,577 5,929 12,634 0,006 1,245 10,579 5,731 1,305 5,437
22/07/2014 0,452 2,887 9,674 8,924 4,826 11,444 0,005 1,353 7,975 10,524 1,049 0,669
23/07/2014 0,452 2,724 9,254 6,636 3,591 11,244 0,005 1,365 6,741 6,182 0,973 0
24/07/2014 0,443 5,202 8,869 5,795 3,401 11,345 0,008 1,353 7,791 3,945 1,002 0
25/07/2014 0,488 4,058 8,237 8,931 4,101 11,496 0,032 1,986 8,168 7,485 1,398 0
26/07/2014 0,426 3,425 7,833 7,323 6,108 11,801 0,005 1,32 8,168 9,538 0,866 0
27/07/2014 0,372 1,726 8,237 5,964 4,136 11,954 0,005 1,141 7,07 5,375 0,732 0
28/07/2014 0,372 1,957 7,649 6,802 3,965 12,109 0,005 1,02 6,856 4,528 0,692 0
29/07/2014 0,328 1,35 6,386 6,129 4,181 12,265 0,005 0,927 6,643 4,935 0,65 0
30/07/2014 0,307 1,595 4,958 7,395 4,897 12,474 0,005 0,891 7,405 4,778 0,586 0
31/07/2014 0,328 2,049 4,36 7,742 5,527 13,276 0,005 0,844 8,168 5,272 0,641 0
1/08/2014 0,372 1,502 5,097 5,292 5,048 13,769 0,004 0,796 8,708 8,487 0,545 0
2/08/2014 0,699 3,552 5,181 6,131 6,489 14,327 0,004 0,759 8,958 7,67 0,655 0
4/08/2014 0,47 1,464 6,007 8,412 4,181 14,782 0,004 0,796 7,07 16,036 0,598 0
5/08/2014 0,367 1,35 8,742 5,628 4,124 15,127 0,005 0,783 7,07 7,677 0,501 0
6/08/2014 0,443 1,388 5,949 6,64 5,225 15,536 0,005 0,759 7,073 4,797 0,529 0
7/08/2014 0,376 1,957 4,253 4,788 6,275 15,595 0,005 0,759 10,943 6,648 0,585 0
8/08/2014 0,328 1,427 4,016 6,971 5,634 15,831 0,005 0,759 10,831 11,524 0,501 0
9/08/2014 0,328 1,427 3,885 5,206 5,704 16,069 0,005 0,696 10,019 11,753 1,153 0
10/08/2014 0,361 1,633 5,042 6,973 6,43 15,713 0,005 1,008 10,019 11,597 1,322 0
11/08/2014 0,819 4,201 6,503 6,38 5,885 15,477 0,004 0,82 10,019 10,854 0,75 0
12/08/2014 0,488 1,887 7,312 7,734 4,067 13,66 0,004 0,783 10,019 12,237 0,669 0
13/08/2014 0,452 1,679 7,648 6,555 4,136 13,746 0,004 0,844 8,361 7,852 0,741 0
14/08/2014 0,426 1,772 6,444 7,485 4,022 11,647 0,004 0,796 6,561 4,441 0,714 0
15/08/2014 0,426 1,587 6,006 8,156 4,101 11,547 0,004 0,759 6,643 3,945 0,639 0
16/08/2014 0,358 2,267 4,468 7,312 5,316 12,485 0,004 0,728 6,643 4,184 0,57 0
17/08/2014 0,372 3,438 3,653 6,55 5,41 13,276 0,005 0,752 7,975 3,83 0,778 0
18/08/2014 1,07 4,515 4,043 14,27 6,18 14,497 0,006 1,114 8,958 7,852 1,283 0
19/08/2014 0,813 4,621 5,434 8,346 6,406 14,497 0,006 0,941 10,019 10,737 1,352 0
20/08/2014 0,622 2,724 6,503 8,839 4,898 14,61 0,006 0,808 9,479 9,585 0,92 0
21/08/2014 0,47 2,049 7,587 6,886 3,684 15,069 0,005 0,783 8,857 7,804 0,679 0
52
22/08/2014 0,367 1,236 8,488 6,633 4,757 14,61 0,004 0,759 6,899 4,631 0,557 0
23/08/2014 0,285 1,122 5,833 5,373 4,136 14,497 0,004 0,717 6,643 3,328 0,511 0
24/08/2014 0,299 0,971 4,307 5,882 3,897 14,384 0,004 0,696 6,643 3,012 0,458 0
25/08/2014 0,381 0,882 3,55 5,625 4,136 14,327 0,004 0,664 6,235 2,945 0,432 0
26/08/2014 0,372 2,12 3,474 6,89 4,469 14,048 0,005 0,664 6,235 3,474 0,441 0
27/08/2014 0,328 1,199 4,147 12,384 5,296 13,88 0,005 0,707 8,958 3,4 0,528 0
28/08/2014 0,39 1,688 5,181 6,886 5,517 14,781 0,005 0,82 8,168 5,283 0,491 0
29/08/2014 0,39 1,538 4,766 8,412 4,538 13,935 0,005 1,247 7,425 4,485 0,482 0
30/08/2014 0,314 0,971 4,2 6,971 4,158 13,385 0,005 0,954 7,425 3,899 0,474 0
1/09/2014 0,175 0,882 3,448 7,055 4,25 10,757 0,005 0,771 6,078 1,643 0,385 0
2/09/2014 0,175 0,793 3,199 7,142 4,147 10,555 0,005 0,728 6,398 1,258 0,347 0
3/09/2014 0,216 0,793 2,76 7,99 4,25 8,624 0,005 0,738 7,425 2,436 0,378 0
4/09/2014 0,27 1,199 2,856 8,244 5,001 10,95 0,006 0,685 7,791 3,221 0,44 0
5/09/2014 0,328 2,996 3,074 9,868 5,048 11,957 0,006 0,664 8,361 3,667 0,371 0
6/09/2014 1,498 4,621 3,348 7,736 5,293 14,404 0,005 0,664 7,975 4,843 0,407 0
9/09/2014 0,622 2,278 6,741 8,754 4,942 19,196 0,005 0,783 12,138 10,119 0,471 0
10/09/2014 0,527 1,549 8,901 8,242 4,388 19,066 0,004 0,759 8,361 12,193 0,41 0
11/09/2014 0,479 1,312 9,35 10,299 4,158 19 0,004 0,728 7,791 4,938 0,41 0
12/09/2014 0,372 1,199 8,615 8,411 4,296 19,065 0,004 0,696 6,398 2,657 0,384 0
13/09/2014 0,35 1,085 7,772 6,471 4,136 17,535 0,004 0,664 6,398 2,657 0,433 0
14/09/2014 0,328 0,971 5,92 7,82 3,988 16,611 0,004 0,632 6,643 2,15 0,764 0
15/09/2014 0,314 1,085 4,148 6,136 4,033 16,549 0,004 0,622 6,643 2,097 0,497 0
16/09/2014 0,307 1,407 3,125 6,55 4,734 16,309 0,004 0,611 7,07 2,07 0,468 0
17/09/2014 0,307 1,084 2,76 7,323 4,942 15,949 0,005 0,632 6,643 3,293 0,415 0
18/09/2014 0,285 0,971 2,688 8,242 4,734 15,477 0,005 0,622 6,643 3,257 0,411 0
19/09/2014 0,285 0,793 2,524 7,312 4,399 14,954 0,005 0,6 7,07 3,114 0,398 0
20/09/2014 0,263 0,793 2,384 7,904 4,679 14,781 0,005 0,717 7,07 2,945 0,455 0
21/09/2014 0,263 0,793 2,337 6,973 4,364 14,554 0,006 0,685 7,07 2,561 0,408 0
22/09/2014 0,245 0,705 2,337 8,073 4,641 14,102 0,006 0,664 7,07 3,293 0,382 0
23/09/2014 0,21 0,705 2,27 5,961 3,727 13,991 0,006 0,643 6,235 2,912 0,354 0
24/09/2014 0,21 0,705 2,202 6,97 4,468 13,824 0,005 0,6 6,235 2,099 0,338 0
25/09/2014 0,205 0,705 2,135 7,056 4,136 13,44 0,005 0,573 7,07 1,861 0,32 0
26/09/2014 0,175 0,527 2,135 6,976 4,434 12,633 0,005 0,573 7,07 2,235 0,303 0
27/09/2014 0,162 0,496 2,135 6,549 4,572 12,265 0,005 0,545 7,07 2,378 0,291 0
28/09/2014 0,162 0,465 2,067 6,553 4,25 11,647 0,004 0,517 7,247 2,264 0,285 0
29/09/2014 0,149 0,465 2,067 8,244 4,641 11,345 0,004 0,517 7,247 2,436 0,281 0
30/09/2014 0,149 0,465 1,978 6,801 4,676 11,444 0,004 0,462 6,398 2,266 0,274 0
1/10/2014 0,149 0,434 1,934 7,735 4,977 11,647 0,004 0,462 6,398 1,43 0,277 0
2/10/2014 0,149 0,403 1,74 6,298 4,71 11,045 0,004 0,489 6,398 1,001 0,321 0
3/10/2014 0,222 0,403 1,718 5,962 4,25 11,096 0,004 0,545 6,398 1,126 0,344 0
4/10/2014 0,167 0,403 1,74 6,718 4,181 11,095 0,004 0,555 6,643 1,428 0,346 0
5/10/2014 0,149 0,536 1,804 5,711 4,136 10,996 0,006 0,614 8,168 2,553 0,331 1,662
6/10/2014 0,149 0,465 1,957 6,887 4,641 11,046 0,006 0,762 8,168 3,601 0,307 14,575
7/10/2014 0,149 0,434 3,682 6,382 4,676 10,702 0,006 0,685 8,958 3,784 0,307 14,62
8/10/2014 0,162 0,507 5,463 7,594 5,013 10,558 0,006 0,643 8,958 3,703 0,354 14,62
9/10/2014 0,873 1,957 6,503 8,162 4,757 10,173 0,006 1,429 8,958 8,822 0,493 14,62
10/10/2014 0,537 2,833 7,648 6,633 4,919 9,611 0,006 1,32 8,168 8,822 1,394 14,62
11/10/2014 0,435 1,843 8,174 9,094 4,136 9,292 0,006 1,141 8,168 7,979 0,983 14,62
12/10/2014 0,372 1,35 7,221 6,97 3,123 8,979 0,006 1,06 6,235 5,154 0,576 14,62
13/10/2014 0,372 0,971 6,239 7,056 3,012 8,537 0,006 0,98 4,445 3,045 0,684 14,62
14/10/2014 0,365 0,99 5,378 6,382 3,012 8,451 0,006 1,414 4,445 2,355 0,538 14,62
15/10/2014 0,336 0,882 4,793 4,955 3,034 8,193 0,007 1,447 5,469 1,837 0,479 14,62
16/10/2014 0,285 0,882 4,575 7,987 2,88 8,151 0,01 1,1 5,469 1,813 0,446 14,62
17/10/2014 0,285 0,793 4,334 6,221 2,748 7,898 0,01 1,1 5,469 1,244 0,472 14,62
18/10/2014 0,27 0,705 3,964 6,551 3,267 8,024 0,006 1,141 5,469 1,113 0,439 14,62
19/10/2014 0,245 0,66 3,806 6,801 3,012 8,153 0,006 1,2 5,469 2,237 0,417 14,761
20/10/2014 0,222 0,616 3,678 8,5 3,078 9,201 0,006 0,941 5,111 2,323 0,395 14,708
21/10/2014 0,21 0,572 3,199 6,549 3,012 8,711 0,007 0,879 5,111 1,815 0,389 14,82
22/10/2014 0,21 0,527 2,856 6,299 3,012 8,537 0,007 0,856 5,111 1,443 0,392 15,232
23/10/2014 0,199 0,527 3,199 6,129 2,509 8,277 0,007 0,879 4,77 1,4 0,409 15,326
24/10/2014 0,193 0,475 3,224 6,801 3,012 8,849 0,007 0,759 4,77 0,952 0,365 15,408
25/10/2014 0,175 0,465 2,905 7,141 3,167 9,246 0,007 0,771 4,77 1,218 0,578 14,902
26/10/2014 0,175 0,465 2,856 6,725 3,012 9,52 0,006 0,905 6,078 1,724 0,716 14,137
27/10/2014 0,162 0,475 3,149 6,549 3,401 9,704 0,006 1,17 5,843 2,18 0,723 14,266
28/10/2014 0,162 0,465 3,474 7,989 3,233 9,704 0,006 1,02 5,843 2,936 0,56 13,939
1/11/2014 0,175 0,465 4,36 4,956 3,012 9,428 0,006 0,749 5,843 2,07 0,618 15,561
2/11/2014 0,162 0,434 4,173 8,586 3,267 9,751 0,006 0,728 5,843 1,861 0,54 15,985
3/11/2014 0,149 0,403 4,042 4,955 2,991 6,324 0,006 0,728 6,235 2,167 0,524 15,643
4/11/2014 0,149 0,403 3,551 6,136 3,468 10,173 0,005 0,717 6,235 1,742 0,464 15,796
5/11/2014 0,199 0,734 3,373 6,97 3,245 9,892 0,006 0,728 7,336 2,881 0,458 16,138
6/11/2014 0,149 0,527 3,678 7,224 3,535 10,604 0,006 0,728 7,336 3,489 0,562 16,397
7/11/2014 0,149 0,465 4,441 6,213 3,501 10,269 0,006 0,738 7,425 4,021 1,117 16,781
10/11/2014 0,537 0,646 10,265 7,648 3,468 10,653 0,018 1,141 8,168 3,262 0,599 17,348
11/11/2014 0,426 1,179 11,472 7,486 3,965 9,805 0,033 1,827 8,168 7,203 2,145 17,297
12/11/2014 0,314 0,901 12,466 9,783 3,614 8,196 0,03 1,938 8,168 12,751 2,297 17,36
53
13/11/2014 0,239 0,675 13,621 7,569 3,535 7,609 0,019 1,608 6,235 6,824 1,251 16,879
14/11/2014 0,181 0,527 12,606 8,071 2,738 7,858 0,018 1,445 5,111 1,227 0,891 16,879
15/11/2014 0,239 0,527 8,901 5,629 3,267 8,451 0,02 1,323 4,64 1,912 0,952 16,62
16/11/2014 0,263 0,616 10,331 5,29 3,123 8,711 0,016 2,249 6,398 2,018 0,768 16,314
17/11/2014 0,263 0,705 9,287 6,887 3,012 8,711 0,011 1,715 6,398 2,912 0,706 16,126
18/11/2014 0,263 0,793 7,928 6,394 3,434 9,156 0,009 1,291 6,235 2,945 0,575 15,843
19/11/2014 0,823 0,996 6,533 7,564 3,818 9,066 0,012 1,644 6,235 2,161 3,005 15,749
20/11/2014 0,73 1,008 6,385 5,88 3,501 10,555 0,017 2,503 7,07 3,703 4,164 15,749
21/11/2014 0,463 0,823 8,238 5,541 3,569 10,555 0,014 2,815 7,07 6,479 5,975 15,69
22/11/2014 0,493 0,705 10,334 5,374 3,569 10,751 0,019 2,104 7,07 8,233 6,317 15,561
23/11/2014 0,372 0,616 13,166 6,97 3,502 10,948 0,015 1,51 6,235 8,36 2,234 15,585
24/11/2014 0,314 0,616 14,3 6,887 3,591 11,145 0,011 1,363 5,843 8,055 1,551 15,62
1/12/2014 0,21 0,465 4,848 4,956 3,569 11,045 0,005 0,783 5,469 1,629 0,606 15,385
2/12/2014 0,21 0,465 4,494 4,788 3,434 11,095 0,005 0,749 5,469 1,509 0,572 15,749
3/12/2014 0,21 0,465 4,199 4,955 3,434 11,244 0,005 0,717 5,843 1,38 0,54 15,702
4/12/2014 0,21 0,465 4,226 4,622 3,434 11,345 0,004 0,675 5,843 1,319 0,522 15,467
5/12/2014 0,175 0,434 4,36 4,956 3,682 11,246 0,004 0,664 5,843 1,886 0,511 15,467
6/12/2014 0,175 0,403 4,521 4,124 3,727 10,996 0,003 0,696 5,843 2,097 0,534 15,444
7/12/2014 0,149 0,465 4,602 4,958 3,569 11,145 0,004 0,696 5,843 2,15 0,5 15,314
8/12/2014 0,149 0,434 4,629 4,788 3,569 10,997 0,004 0,664 5,843 2,15 0,467 15,373
9/12/2014 0,187 0,465 4,93 3,874 3,569 11,045 0,004 0,696 5,843 2,328 0,458 15,42
10/12/2014 0,21 0,403 5,463 4,538 3,614 10,751 0,004 0,905 6,643 2,559 0,7 15,538
11/12/2014 0,193 0,465 8,268 5,206 3,795 10,653 0,005 0,783 6,643 3,15 1,232 15,055
12/12/2014 0,175 0,465 9,48 4,622 3,569 10,751 0,005 0,783 6,643 3,44 0,717 15,185
13/12/2014 0,175 0,527 11,066 9,525 3,591 10,555 0,005 0,759 7,07 3,779 0,658 15,185
14/12/2014 0,848 3,435 12,954 8,668 3,727 10,555 0,006 1,185 7,07 7,64 1,509 15,338
15/12/2014 0,601 2,724 14,695 7,58 5,223 10,46 0,011 0,981 7,07 7,216 0,994 14,808
16/12/2014 0,537 2,724 15,641 7,4 2,913 9,161 0,009 0,868 6,561 12,309 1,434 14,633
18/12/2014 0,408 0,911 13,27 5,292 3,012 8,581 0,01 0,771 5,843 7,846 0,841 9,03
19/12/2014 0,372 0,793 11,711 6,214 2,946 8,537 0,005 0,783 5,469 0,989 0,731 9,99
20/12/2014 0,314 0,705 8,616 4,705 2,88 8,321 0,004 0,771 4,77 0,855 0,624 10,603
21/12/2014 0,285 0,616 6,036 5,961 2,913 8,277 0,004 0,771 5,469 1,001 0,428 10,417
22/12/2014 0,251 0,527 4,175 4,872 3,012 8,024 0,005 0,738 5,469 0,87 0,356 8,125
23/12/2014 0,228 0,527 3,273 5,124 3,301 8,024 0,004 0,728 5,469 1,531 0,354 6,991
24/12/2014 0,21 0,527 3,025 5,709 3,233 7,855 0,004 0,728 5,469 1,742 0,366 6,629
25/12/2014 0,21 0,527 2,881 3,957 3,468 8,277 0,005 0,696 5,111 1,912 0,371 6,973
26/12/2014 0,175 0,465 2,76 5,29 3,034 8,321 0,004 0,664 5,111 1,886 0,371 6,424
27/12/2014 0,175 0,465 2,664 5,122 3,233 8,451 0,005 0,664 5,111 1,448 0,371 5,85
28/12/2014 0,175 0,465 2,478 4,788 3,569 8,364 0,005 0,622 5,326 1,089 0,371 5,043
29/12/2014 0,171 0,465 2,337 4,289 3,123 8,109 0,005 0,622 5,326 1,341 0,371 5,267
30/12/2014 0,162 0,403 2,157 4,873 3,368 8,066 0,005 0,622 5,469 1,305 0,371 5,618
31/12/2014 0,154 0,403 2,135 4,788 3,569 8,109 0,005 0,622 5,469 0,855 0,371 4,613
54
APÉNDICE B. Análisis estadístico.
Estación puente Virginia
 Histograma
Clase Frecuencia
0,002 19 180
0,004 49
160
0,005 168
0,007 60 140
0,009 6 120
Frecuencia
0,011 10
100
0,012 14
0,014 4 80
0,016 4 60
0,018 5
40
0,019 4
0,021 4 20
0,023 0 0
0,025 0
0,026 1
0,028 4
0,030 0 Clase
0,032 1
0,033 2
y mayor... 1
 Diagrama de caja y Bigotes
X min 0,002
Q1 0,004
Q2 0,005
Q3 0,006
0 0,005 0,01 0,015 0,02 0,025 0,03 0,035 0,04
X max 0,035
Estación puente Calamar

 Histograma
Clase Frecuencia
0,38 1 160
0,57 38
0,75 135 140
0,94 71 120
Frecuencia
1,12 43 100
1,31 22
1,50 20 80
1,68 7 60
1,87 6
40
2,05 5
2,24 4 20
2,42 1 0
2,61 4
2,79 0
2,98 1
3,17 0
3,35 0 Clase
3,54 0
3,72 0
y mayor... 1
55
 Diagrama caja y bigotes
X min 0,38
Q1 0,62
Q2 0,76
Q3 1,01 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5
X max 3,91
Estación la Balsa
 Histograma
Clase Frecuencia
1,29 1
2,12 33 80
2,95 41
3,78 44 70
4,61 74 60
5,44 49
6,28 15 50
7,11 19 40
7,94 22
8,77 17 30
9,60 15 20
10,43 9
11,26 3 10
12,10 2 0
12,93 6
13,76 6
14,59 4
15,42 1
16,25 2
y mayor... 2
 Diagrama Caja y Bigotes

X min 1,29
Q1 3,30
Q2 4,52
Q3 7,04 0 2 4 6 8 10 12 14 16 18
X max 17,09
Estación Quebrada Simaya

 Histograma
Clase Frecuencia
0,00 74 90
1,09 83 80
2,19 6 70
3,28 1
Frecuencia
4,37 0
60
5,46 7 50
6,56 4 40
7,65 7 30
8,74 7 20
9,84 5
10,93 13
10
12,02 15 0
13,12 13
14,21 10
15,30 47
16,39 40
17,49 17 Clase
18,58 8
19,67 3
y mayor... 5
56
X min 0
Q1 0,23
Q2 7,80
Q3 14,90 0 5 10 15 20 25
X max 20,77
Estación Puente Francis

 Histograma
Clase Frecuencia
0,23 1
0,55 227
0,87 65 250
1,19 21
1,51 19
200
Frecuencia
1,83 10
150
2,15 4
2,47 6
100
2,79 2
3,11 4
50
3,43 0
3,75 1 0
4,08 1
4,40 1
4,72 0
5,04 0 Clase
5,36 0
5,68 0
6,00 2
y mayor... 1

X min 0,23
Q1 0,34
Q2 0,44
Q3 0,73 0 1 2 3 4 5 6 7
X max 6,32
Estación Refisal
 Histograma
Clase Frecuencia
0,48 1
1,79 64 100
3,10 87 90
4,41 69 80
5,72 48 70
Frecuencia
7,03 22 60
8,34 31 50
9,65 16 40
10,96 8 30
12,27 7 20
13,58 6 10
14,89 2 0
16,20 2
17,52 0
18,83 0
20,14 1
21,45 0 Clase
22,76 0
24,07 0
y mayor... 1
57
X min 0,48
Q1 2,12
Q2 3,63
Q3 6,07 0 5 10 15 20 25 30
X max 25,38
Estación Puente Tocancipá

 Histograma
Clase Frecuencia
3,84 1
4,55 6 80
5,27 16
70
5,98 73
6,70 58 60
Frecuencia
7,41 48 50
8,12 33 40
8,84 29
30
9,55 58
10,27 17
20
10,98 10 10
11,69 7 0
12,41 3
13,12 0
13,84 0
14,55 1
15,27 1 Clase
15,98 1
16,69 0
y mayor... 1
X min 3,84
Q1 5,84
Q2 7,07
Q3 8,96 0 2 4 6 8 10 12 14 16 18 20
X max 17,41
Estación Puente Florencia

 Histograma
Clase Frecuencia
6,32 1
7,23 0 90
8,14 11 80
9,05 29 70
Frecuencia
9,96 27 60
10,87 41 50
11,78 80 40
12,69 44 30
13,60 17 20
14,51 65 10
15,42 19
0
16,33 16
17,24 4
18,15 4
19,06 3
19,97 3 Clase
20,88 0
21,79 0
22,70 0
y mayor... 1
58
X min 6,32
Q1 10,65
Q2 11,70
Q3 14,16 0 5 10 15 20 25
X max 23,61
Estación Puente Sesquilé

 Histograma
Clase Frecuencia
1,71 1
60
1,97 1
2,22 2 50
2,47 4
Frecuencia
40
2,73 5
2,98 10 30
3,23 25
3,49 29 20
3,74 57 10
3,99 13
4,25 48 0
4,50 16
4,75 32
5,01 24
5,26 18
5,51 41
Clase
5,77 8
6,02 4
6,27 5
y mayor... 8

X min 1,71
Q1 3,52
Q2 4,14
Q3 4,98 0 1 2 3 4 5 6 7
X max 6,53
Estación Puente Cacicazgo

 Histograma
Clase Frecuencia
3,71 2 250
5,81 216
7,91 91
200
10,01 32
Frecuencia
12,12 3
14,22 3 150
16,32 3
18,42 0 100
20,52 2
22,63 1
50
24,73 1
26,83 1
28,93 3 0
31,03 2
33,13 0
35,24 0
37,34 1 Clase
39,44 0
41,54 0
y mayor... 1
59
X min 3,71
Q1 4,54
Q2 5,12
Q3 6,91
0 5 10 15 20 25 30 35 40 45 50
X max 43,64
Estación Puente Baraya

 Histograma
Clase Frecuencia
0,22 2 300
1,16 261
2,11 46 250
3,06 19
200
Frecuencia
4,01 8
4,96 12
5,91 4 150
6,86 2
7,81 2 100
8,76 0
9,70 3 50
10,65 1
11,60 1 0
12,55 0
13,50 2
14,45 0
15,40 0
16,35 0 Clase
17,30 0
y mayor... 2

X min 0,22
Q1 0,40
Q2 0,62
Q3 1,35 0 2 4 6 8 10 12 14 16 18 20
X max 18,25
Estación Villapinzón
 Histograma
Clase Frecuencia
0,05 8
0,22 209 250
0,40 84
0,57 28 200
0,74 10
Frecuencia
0,92 10 150
1,09 3
1,27 3
100
1,44 2
1,62 2
50
1,79 2
1,96 0
2,14 0 0
2,31 0
2,49 1
2,66 0
2,83 0 Clase
3,01 2
3,18 0
y mayor... 1

X min 0,05
Q1 0,10
Q2 0,18
Q3 0,34
X max 3,36 0 0,5 1 1,5 2 2,5 3 3,5 4
60
APÉNDICE C. Valores de diarios de theta.
Fecha theta 0 theta 1 theta 2 EMCC EMCV Fecha theta 3 theta 4 theta 5 EMCC EMCV
1-Jan-2014 6,6074091 30,3932217 11031,9585 0 4,10768854 16-Mar-2014 0,92802907 25,6713224 36778,4935 0 2,5026216
2-Jan-2014 6,97303985 23,7184542 52725,4193 0 3,69001506 17-Mar-2014 2,08681076 31,158716 32424,5432 0 3,38967171
3-Jan-2014 1,3410721 23,9369308 49590,6804 0 3,26697806 18-Mar-2014 1,75405241 21,4880274 57597,3408 0 3,91101495
4-Jan-2014 3,55116279 17,6858606 10920,0139 0 3,5851063 19-Mar-2014 1,49114229 11,864692 42712,0811 0 4,05791238
5-Jan-2014 7,03085518 27,0355149 36404,8425 0 3,25053377 20-Mar-2014 6,64691036 28,1904029 25141,112 0 4,04188867
6-Jan-2014 7,81272554 23,145145 17187,7612 0 3,44488938 21-Mar-2014 3,30171197 12,7334287 22937,4515 0 4,03337398
7-Jan-2014 6,43317656 25,5490362 38129,2562 0 3,18833759 22-Mar-2014 2,84525514 20,255996 48059,0786 0 4,14768925
8-Jan-2014 3,11389989 27,3080636 13585,7733 0 4,66444667 23-Mar-2014 0,83252453 20,7464472 21563,8341 0 3,89540544
9-Jan-2014 3,53923717 30,4714821 36794,1932 0 4,44177579 24-Mar-2014 5,18048654 15,6458426 14377,8609 0 4,25003262
10-Jan-2014 2,8657144 20,0772665 66226,7485 0 4,25572383 25-Mar-2014 2,4435305 14,2456825 44287,0041 0 4,0747446
11-Jan-2014 2,71981435 23,0001107 49739,5017 0 3,99449856 26-Mar-2014 3,94429701 22,9978402 22821,5435 0 4,26206779
12-Jan-2014 7,75440952 26,4616593 60082,5348 0 3,91905264 27-Mar-2014 0,36448842 31,850308 57078,3053 0 4,15792006
13-Jan-2014 1,62581843 16,1175111 54965,482 0 3,95660027 28-Mar-2014 2,37467064 12,8629391 1901,08146 0 5,35839657
14-Jan-2014 3,17051352 20,7338269 67789,9966 0 4,1206526 29-Mar-2014 2,57493186 24,6073989 17742,8774 0 4,36336772
15-Jan-2014 3,47827118 14,0432008 26173,8704 0 4,01257117 30-Mar-2014 7,2331483 28,5386809 58832,4925 0 4,3399118
16-Jan-2014 7,00660464 23,8603688 50837,7545 0 3,83287328 31-Mar-2014 0,27794216 24,684938 39645,016 0 4,01284307
17-Jan-2014 3,00551887 21,4049569 73575,8517 0 3,59603533 1-Apr-2014 0,87176913 25,5210644 67850,2596 0 4,20401295
18-Jan-2014 4,80576553 12,149362 78237,4852 0 3,57373793 2-Apr-2014 5,9722812 21,4982335 66086,5934 0 4,27841247
19-Jan-2014 3,68309216 21,6826155 57950,3352 0 3,37923154 3-Apr-2014 7,24823627 28,4571681 75846,442 0 4,36860963
20-Jan-2014 1,64027764 22,9133221 17495,0979 0 3,82702533 4-Apr-2014 3,44476897 28,4249619 13105,7497 0 4,54175798
21-Jan-2014 6,57080667 13,8027974 16644,9474 0 4,2547797 5-Apr-2014 3,87208903 24,4487557 51597,7091 0 4,54802441
22-Jan-2014 3,73314736 25,6712826 69491,795 0 3,84250899 6-Apr-2014 2,48935157 25,8063947 58081,1867 0 4,61266003
23-Jan-2014 5,84036378 28,7149162 15424,5376 0 4,51050121 7-Apr-2014 3,13733772 12,262746 54929,4855 0 4,84458923
24-Jan-2014 1,94899329 23,3431266 15916,3795 0 4,62116911 8-Apr-2014 1,6771368 20,1115819 77320,9524 0 4,56620589
25-Jan-2014 3,07859887 17,7082463 78898,0343 0 4,46188185 9-Apr-2014 1,69283708 20,7199744 10851,9474 0 4,97483566
26-Jan-2014 1,88358605 26,8051727 71230,3953 0 4,19668371 10-Apr-2014 1,77054524 29,4915057 8244,007 0 4,70223608
27-Jan-2014 4,71377258 12,3364569 30565,4586 0 4,55982126 11-Apr-2014 8,07737525 29,8103496 31374,2432 0 4,813404
28-Jan-2014 2,31771813 30,9436045 64188,2864 0 4,25623513 12-Apr-2014 4,19341016 22,0344843 11714,4237 0 4,71462233
29-Jan-2014 6,00899582 16,5926659 20295,5472 0 4,84629781 13-Apr-2014 0,71868988 21,2472842 72222,1251 0 4,92618745
30-Jan-2014 3,00012004 29,1362089 22710,4621 0 4,55383353 14-Apr-2014 1,63710652 21,4341477 6560,48008 0 5,1286386
31-Jan-2014 5,28600996 30,1095786 36567,2991 0 4,79958457 15-Apr-2014 7,51064079 27,6649433 59644,235 0 5,10468921
2-Feb-2014 5,46294431 17,1638468 12228,2524 0 5,12140304 16-Apr-2014 4,32093421 12,8549784 67881,7745 0 4,55278384
3-Feb-2014 6,69238489 12,7728848 17303,8941 0 4,91882208 17-Apr-2014 3,17856268 24,2393668 32604,099 0 3,88392351
4-Feb-2014 2,75656788 25,0510486 30374,9239 0 4,48077736 18-Apr-2014 6,8946673 19,5940492 64340,7395 0 4,01041827
5-Feb-2014 0,92802907 25,6713224 36778,4935 0 4,42857926 19-Apr-2014 4,43616651 30,6712011 77602,5618 0 3,76702478
6-Feb-2014 1,75405241 21,4880274 57597,3408 0 4,3605516 20-Apr-2014 1,94438508 23,0414732 6649,82069 0 4,15399914
7-Feb-2014 1,49114229 11,864692 42712,0811 0 4,36061961 21-Apr-2014 4,1434799 20,2910653 16796,2152 0 3,99816746
8-Feb-2014 6,64691036 28,1904029 25141,112 0 4,70998663 22-Apr-2014 6,06418685 18,3093585 55938,5588 0 4,33565235
9-Feb-2014 3,30171197 12,7334287 22937,4515 0 4,68292847 23-Apr-2014 5,16178946 13,4481285 47092,6718 0 4,55045512
10-Feb-2014 2,84525514 20,255996 48059,0786 0 4,3013993 24-Apr-2014 7,11013225 31,7841631 61301,9074 0 4,21512455
11-Feb-2014 0,83252453 20,7464472 21563,8341 0 4,4132914 25-Apr-2014 1,35546931 21,9814049 71030,7354 0 4,04940573
12-Feb-2014 2,4435305 14,2456825 44287,0041 0 4,60582104 26-Apr-2014 2,94456236 32,3831722 43359,3234 0 5,4521472
13-Feb-2014 3,94429701 22,9978402 22821,5435 0 4,57176808 27-Apr-2014 1,2825335 28,5903015 53166,4318 0 6,19327892
14-Feb-2014 0,36448842 31,850308 57078,3053 0 4,47550931 28-Apr-2014 5,74133582 28,8803034 22375,1837 0 6,35608745
15-Feb-2014 3,58214178 11,7707188 67991,4806 0 4,67280526 29-Apr-2014 4,11329704 23,5640497 69337,9468 0 4,97415596
16-Feb-2014 0,76555737 11,3938651 27426,8383 0 4,55061302 30-Apr-2014 0,41394278 21,2329564 3830,24968 0 4,31644277
17-Feb-2014 5,48425541 20,1509392 71900,4645 0 4,63102374 1-May-2014 5,38595887 21,6301775 39561,9464 0 3,60522019
18-Feb-2014 7,26167715 20,6636085 23889,8893 0 4,63206218 2-May-2014 1,29410897 15,7154535 24382,2506 0 3,47941832
19-Feb-2014 6,68692378 13,3222907 27334,1335 0 4,69835449 3-May-2014 6,81472222 13,9095495 48362,3287 0 4,16891631
20-Feb-2014 1,2849325 20,3892009 40184,6167 0 4,33013814 4-May-2014 2,7719418 12,3896081 62532,3322 0 4,37540456
21-Feb-2014 7,9164275 31,2087307 42571,1816 0 4,5117732 5-May-2014 0,68853633 20,5694016 70712,9889 0 4,34305601
22-Feb-2014 4,27776837 13,9405698 35234,3212 0 4,64576116 6-May-2014 1,46295338 19,2386576 64331,0683 0 4,20418185
23-Feb-2014 7,09364417 31,9347998 77193,9639 0 4,50201329 7-May-2014 4,40615413 20,2007394 41975,2964 0 4,11008057
24-Feb-2014 3,38533253 23,6895806 42448,9509 0 4,25047045 8-May-2014 5,6897211 16,4479388 77578,1028 0 4,15382515
25-Feb-2014 5,18855443 31,2835693 24912,1627 0 4,45639388 9-May-2014 1,69376167 25,2913099 49781,6002 0 4,51433974
28-Feb-2014 6,93362637 30,0607587 23835,069 0 4,3957106 10-May-2014 7,86314353 29,6518926 20695,5909 0 5,51296591
1-Mar-2014 1,68954024 12,4073627 68887,8961 0 4,13223027 11-May-2014 6,40358764 13,2183061 71840,7247 0 5,35031837
2-Mar-2014 0,47584124 31,1306447 18207,3073 0 4,5133507 12-May-2014 7,86409057 15,3991724 76429,8002 0 6,11252736
3-Mar-2014 3,20404812 16,4103986 7046,74981 0 6,57475582 13-May-2014 2,03779535 26,1541538 27010,2846 0 7,67709804
4-Mar-2014 5,8289591 24,9678755 67755,485 0 4,92043467 14-May-2014 1,37452936 16,442512 77569,4866 0 7,77416788
5-Mar-2014 6,55076161 11,9267087 29661,3282 0 5,02410195 15-May-2014 4,53956153 14,8269315 7706,31361 0 2,99260305
6-Mar-2014 6,6074091 30,3932217 11031,9585 0 4,91344382 16-May-2014 3,97154122 13,2436648 3465,49951 0 3,24191333
7-Mar-2014 3,07859887 17,7082463 78898,0343 0 4,05694745 17-May-2014 1,74391171 13,4765219 79056,3642 0 3,97429769
8-Mar-2014 1,88358605 26,8051727 71230,3953 0 4,33561414 18-May-2014 3,69978886 20,6980139 10159,6838 0 4,01506212
9-Mar-2014 7,16003794 21,8770604 30720,0222 0 5,19287507 19-May-2014 6,39873594 27,5521197 16017,1787 0 4,01280657
10-Mar-2014 4,71377258 12,3364569 30565,4586 0 4,97107186 20-May-2014 2,38411096 26,8794787 8323,39159 0 3,40124657
11-Mar-2014 2,31771813 30,9436045 64188,2864 0 4,0685835 21-May-2014 2,79444406 23,9684064 30332,2398 0 3,41626817
12-Mar-2014 6,00899582 16,5926659 20295,5472 0 4,2272763 22-May-2014 5,92866526 23,0778442 68861,4752 0 3,07483145
13-Mar-2014 5,28600996 30,1095786 36567,2991 0 4,59802888 23-May-2014 5,07371436 28,6903295 5838,97832 0 3,78378331
14-Mar-2014 5,46294431 17,1638468 12228,2524 0 5,63572739 24-May-2014 7,60245574 12,031046 67239,9351 0 4,07278102
15-Mar-2014 2,75656788 25,0510486 30374,9239 0 5,01096272 25-May-2014 5,35216817 29,0496017 18473,8694 0 3,91442544
61
26-May-2014 5,60705199 26,3303948 61626,8435 0 4,26719861 21-Aug-2014 0,0017749 21,0358014 76534,9871 3,815 4,63344426
27-May-2014 7,49726165 26,5654146 16084,3071 0 4,17292371 22-Aug-2014 0,15486826 24,8333671 79831,5848 3,022 5,26430966
28-May-2014 5,39306455 18,1758651 77290,0702 0 4,31799778 23-Aug-2014 0,09124897 31,4562011 78200,4454 2,834 5,18566331
29-May-2014 3,05086013 15,594595 47058,9062 0 4,02092865 24-Aug-2014 0,02750654 14,518584 78834,7584 2,831 5,25188328
30-May-2014 7,05848804 25,532798 55197,3719 0 3,9964561 25-Aug-2014 0,01132722 28,5921231 70842,0612 2,677 5,2485131
31-May-2014 4,94457471 32,2122551 74598,6409 0 4,11226028 26-Aug-2014 0,20554944 18,6389454 79671,0346 2,584 4,97113928
1-Jun-2014 6,39498853 10,8471532 17683,1965 0 4,13251745 27-Aug-2014 0,06682696 25,7975258 62426,8492 3,853 6,31645807
2-Jun-2014 2,73122485 21,1843345 49577,4548 0 3,8648495 28-Aug-2014 0,05407967 20,3091211 78216,5114 3,484 4,71758081
3-Jun-2014 4,26107887 18,6176678 29917,5635 0 3,75862922 29-Aug-2014 0,20202158 29,2559965 78176,9073 3,141 5,13781311
4-Jun-2014 0,59693468 25,6053355 47588,6594 0 3,8078605 30-Aug-2014 0,03514687 31,5856074 76577,9017 3,182 4,75557375
5-Jun-2014 3,52103482 13,3660241 56268,0524 0 3,77025728 1-Sep-2014 0,17990194 28,2641542 55646,5226 2,656 4,34756567
6-Jun-2014 1,4059005 17,0775202 7587,16752 0 3,70723245 2-Sep-2014 0,1148197 14,904927 53542,4315 2,803 4,35859932
7-Jun-2014 7,89906408 29,8242333 43005,671 0 3,73404057 3-Sep-2014 0,02128081 21,8340357 26131,9994 3,271 3,6788326
8-Jun-2014 7,19972686 11,2101733 16550,2649 0 3,37087274 4-Sep-2014 0,27563051 29,9012757 79388,6861 3,335 4,10357709
9-Jun-2014 2,30331658 20,3104111 48472,6251 0 3,32401743 5-Sep-2014 0,01016224 28,5548021 78605,9306 3,533 4,19959904
10-Jun-2014 6,37133414 27,0997367 32120,0353 0 3,86961035 6-Sep-2014 0,05855588 15,7625075 79946,4932 3,319 3,99801107
11-Jun-2014 8,09523187 14,1203222 60503,0756 0 4,16051725 9-Sep-2014 0,14867602 24,8983001 79488,8664 5,347 5,66593663
12-Jun-2014 3,04871439 20,9592759 60537,4363 0 4,29559277 10-Sep-2014 0,13645214 29,7811766 77258,5548 3,671 7,22499938
13-Jun-2014 7,56293053 11,1094443 2063,33046 0 4,23522386 11-Sep-2014 0,18652407 30,8650509 78101,6538 3,448 7,80077243
14-Jun-2014 1,98942147 17,9362047 6181,79953 0 3,60149507 12-Sep-2014 0,12197213 17,7827187 79318,4931 2,866 7,98939624
15-Jun-2014 4,5525011 32,0818371 74776,9978 0 2,40973819 13-Sep-2014 0,12515321 32,1823011 76194,1862 2,818 6,97195971
16-Jun-2014 3,67242005 31,2928872 72258,6005 0 2,97918078 14-Sep-2014 0,14167251 28,5158955 76926,0925 2,752 6,79240802
17-Jun-2014 8,09585596 23,3944694 3375,21675 0 4,04756403 15-Sep-2014 0,11113984 23,8655603 78218,1018 2,805 6,34584271
18-Jun-2014 2,10162995 20,0499515 56192,1384 0 8,28024211 16-Sep-2014 0,00351985 24,8666198 67760,5404 2,988 6,02690842
25-Jun-2014 3,24774953 13,7395062 49557,4612 0 5,67253712 17-Sep-2014 0,28644567 18,0496226 78833,5063 2,881 6,04171198
27-Jun-2014 4,76503152 29,4678874 37700,1094 0 4,21689897 18-Sep-2014 0,07811135 32,0765255 73015,4865 2,879 6,08846069
28-Jun-2014 4,24247734 14,6537981 28175,8582 0 4,19698623 19-Sep-2014 0,01738877 20,7038413 79804,9605 3,055 5,61979387
29-Jun-2014 6,3589299 17,3808328 21785,5996 0 4,29015998 20-Sep-2014 0,03696832 16,8642026 76189,3256 3,056 5,69317352
30-Jun-2014 4,57642322 23,5763475 48914,9934 0 4,45894062 21-Sep-2014 0,1151595 28,255544 71295,502 3,054 5,44235991
1-Jul-2014 6,6074091 30,3932217 11031,9585 0 3,9287432 22-Sep-2014 0,30255636 26,7757865 75798,5661 3,092 5,46387439
2-Jul-2014 3,07859887 17,7082463 78898,0343 0 4,2085441 23-Sep-2014 0,03370424 30,5922578 74874,7972 2,691 5,20117643
3-Jul-2014 1,88358605 26,8051728 71230,3953 0 3,65360279 24-Sep-2014 0,07607155 18,0046821 63016,9848 2,757 5,37942426
4-Jul-2014 7,16003794 21,8770604 30720,0222 0 3,90117358 25-Sep-2014 0,04302117 25,9237483 73999,9433 3,084 5,14009271
5-Jul-2014 4,71377258 12,3364569 30565,4586 0 4,07805645 26-Sep-2014 0,0672719 26,0034863 79725,3411 3,128 4,77526087
6-Jul-2014 2,31771813 30,9436045 64188,2864 0 4,41915036 27-Sep-2014 0,00023094 22,7206666 75064,1276 3,149 4,4892793
7-Jul-2014 6,00899582 16,5926659 20295,5473 0 4,09612525 28-Sep-2014 0,2659905 32,2631444 77941,2286 3,211 4,28198916
8-Jul-2014 3,00012005 29,1362089 22710,4621 0 3,82778609 29-Sep-2014 0,07961284 23,6096007 74362,0947 3,236 4,65589846
9-Jul-2014 5,28600996 30,1095786 36567,2991 0 2,46600386 30-Sep-2014 0,01430535 15,5776943 73982,6126 2,9 4,38297459
10-Jul-2014 5,46294431 17,1638468 12228,2524 0 2,94000025 1-Oct-2014 0,06863688 15,8702354 54497,5301 2,962 4,8533081
11-Jul-2014 3,00012005 29,1362089 22710,4621 0 3,82778609 2-Oct-2014 0,2707314 20,8962747 67563,8199 2,903 4,3346994
12-Jul-2014 2,75656789 25,0510486 30374,9239 0 2,54501726 3-Oct-2014 0,06061006 27,2000893 64488,6317 2,844 4,26012427
13-Jul-2014 0,92802907 25,6713224 36778,4935 0 2,7635712 4-Oct-2014 0,0854191 32,1300655 47230,5702 2,952 4,36117239
20-Jul-2014 1,49114229 11,864692 42712,0811 0 8,06496143 5-Oct-2014 5,607052 26,3303948 61626,8435 0 3,72149018
22-Jul-2014 6,64691036 28,1904029 25141,112 0 4,58154885 6-Oct-2014 7,49726165 26,5654146 16084,3071 0 3,84651808
23-Jul-2014 0,09067702 28,2909158 76001,7175 2,8011 3,45313345 7-Oct-2014 5,39306455 18,1758651 77290,0702 0 3,56664822
24-Jul-2014 0,0095317 14,0533382 70815,7023 3,724 3,20281852 8-Oct-2014 3,05086013 15,594595 47058,9062 0 3,8236848
25-Jul-2014 0,00923838 10,9940416 74842,2478 3,363 3,32597569 9-Oct-2014 7,05848804 25,532798 55197,3719 0 3,44485356
26-Jul-2014 0,1056819 30,6111605 76279,3136 3,3828 3,06135207 10-Oct-2014 4,94457471 32,2122551 74598,6409 0 2,65302723
27-Jul-2014 0,01236207 14,3703979 79586,8916 2,9597 3,78108733 11-Oct-2014 6,39498853 10,8471532 17683,1965 0 3,73392475
28-Jul-2014 0,04014252 16,7523333 72370,9948 2,8616 4,11021093 12-Oct-2014 2,73122486 21,1843345 49577,4548 0 3,32277247
29-Jul-2014 0,10909282 28,4450051 77260,6542 2,7787 4,11907817 13-Oct-2014 4,26107887 18,6176678 29917,5635 0 3,7233589
30-Jul-2014 0,04980206 17,4159584 77049,8912 3,1049 4,18320054 14-Oct-2014 0,59693468 25,6053355 47588,6594 0 3,68915334
31-Jul-2014 0,03960068 26,7223022 72661,1155 3,3937 4,16125368 15-Oct-2014 3,52103482 13,3660241 56268,0524 0 3,18874772
1-Aug-2014 0,25733766 29,5379986 75075,7651 3,702 3,84147789 16-Oct-2014 1,4059005 17,0775202 7587,16752 0 3,68384853
2-Aug-2014 0,10910909 19,2111592 78229,1482 3,6875 3,47642841 17-Oct-2014 7,89906408 29,8242333 43005,6711 0 3,49306258
4-Aug-2014 0,13841681 22,8579987 79943,4806 2,9561 7,27413186 18-Oct-2014 7,19972687 11,2101733 16550,2649 0 3,47337072
5-Aug-2014 0,31862398 14,5359074 78353,3881 3,0812 5,16639696 19-Oct-2014 2,30331658 20,3104111 48472,6251 0 3,58298357
6-Aug-2014 0,00174356 12,7421615 73987,5528 3,0564 5,44873747 20-Oct-2014 6,37133414 27,0997367 32120,0353 0 4,46825518
7-Aug-2014 0,06429438 31,6641516 79756,2315 4,6504 3,81291766 21-Oct-2014 8,09523187 14,1203222 60503,0756 0 3,80752735
8-Aug-2014 0,04075724 11,2582389 79091,1373 4,6822 4,57369033 22-Oct-2014 3,04871439 20,9592759 60537,4363 0 3,72504105
9-Aug-2014 0,36054856 15,0662767 76913,0374 4,0891 4,88260104 23-Oct-2014 7,56293053 11,1094443 2063,33046 0 3,40093773
10-Aug-2014 0,11100431 30,3247708 79910,7706 4,0338 4,72069657 24-Oct-2014 4,5525011 32,0818371 74776,9978 0 4,14866389
11-Aug-2014 0,03313974 11,0705457 79329,553 4,1597 3,81447975 25-Oct-2014 3,67242005 31,2928872 72258,6005 0 4,33614024
12-Aug-2014 0,10043344 14,5012359 77058,8834 4,3453 4,19335203 26-Oct-2014 8,09585596 23,3944694 3375,21675 0 3,89328929
13-Aug-2014 0,1699525 20,9451255 78735,0025 3,5215 4,18503851 27-Oct-2014 2,10162995 20,0499515 56192,1384 0 4,00104604
14-Aug-2014 0,2841401 12,4240963 78600,0176 2,6849 4,17860794 28-Oct-2014 2,71000291 14,1911105 31422,9001 0 4,31034322
15-Aug-2014 0,00962032 24,3472029 76858,0236 2,7466 4,40703236 1-Nov-2014 2,78088664 28,018324 41280,9434 0 3,55039896
16-Aug-2014 0,08753041 20,6091865 79518,2713 2,7763 4,14217694 2-Nov-2014 3,24774953 13,7395062 49557,4612 0 4,70318738
17-Aug-2014 0,39470765 30,6300764 79176,0515 3,229 3,7537443 3-Nov-2014 4,76503152 29,4678874 37700,1094 0 2,43481225
18-Aug-2014 0,05450637 26,4833032 67169,0645 3,4444 5,69129871 4-Nov-2014 4,24247734 14,6537981 28175,8582 0 4,00548211
19-Aug-2014 0,2163002 28,3556762 77130,7625 3,924 3,56550687 5-Nov-2014 6,3589299 17,3808328 21785,5996 0 3,71703862
20-Aug-2014 0,05624679 23,9673348 77685,1128 3,8853 4,41369171 6-Nov-2014 4,57642322 23,5763475 48914,9934 0 4,05753492
62
7-Nov-2014 1,90414314 27,9725426 48232,3077 0 3,571843 8-Dec-2014 3,00012005 29,1362089 22710,4621 0 4,03204626
10-Nov-2014 6,63629816 14,6881708 66516,7987 0 4,23384987 9-Dec-2014 5,28600996 30,1095786 36567,2991 0 3,98234732
11-Nov-2014 0,88114132 19,1729224 67154,0832 0 3,36206092 10-Dec-2014 5,46294431 17,1638468 12228,2524 0 3,70604181
12-Nov-2014 3,65466895 30,0884216 68828,7225 0 4,43592628 11-Dec-2014 6,69238489 12,7728848 17303,8941 0 3,70159787
13-Nov-2014 0,68048562 22,1163755 18341,6036 0 3,0749604 12-Dec-2014 2,75656789 25,0510486 30374,9239 0 3,80577435
14-Nov-2014 6,68533123 20,6908495 27264,5357 0 4,43778168 13-Dec-2014 0,92802907 25,6713224 36778,4935 0 5,01324162
15-Nov-2014 3,53203899 17,3666446 71177,9356 0 3,72831092 14-Dec-2014 2,08681076 31,158716 32424,5432 0 3,52772324
16-Nov-2014 1,65324225 19,9807017 39895,9708 0 3,89884371 15-Dec-2014 1,75405241 21,4880274 57597,3408 0 3,2717662
17-Nov-2014 1,25739844 18,1849188 4123,28903 0 3,31213356 16-Dec-2014 1,49114229 11,864692 42712,0811 0 3,56565885
18-Nov-2014 7,22837217 23,1947872 39588,2964 0 3,62791668 18-Dec-2014 6,64691036 28,1904029 25141,112 0 2,89297208
19-Nov-2014 1,1199376 31,0772371 49717,2944 0 4,08877903 19-Dec-2014 3,30171197 12,7334287 22937,4515 0 3,94334361
20-Nov-2014 5,54351321 28,0553899 63159,1056 0 3,90871915 20-Dec-2014 2,84525514 20,255996 48059,0786 0 3,68311294
21-Nov-2014 3,28602797 27,9323977 10829,0281 0 3,50345228 21-Dec-2014 0,83252453 20,7464472 21563,8341 0 3,60610783
22-Nov-2014 1,76571227 28,0376645 34902,8329 0 3,65390151 22-Dec-2014 5,18048654 15,6458426 14377,8609 0 3,13845195
23-Nov-2014 6,65767467 30,3816754 3306,34812 0 4,14675659 23-Dec-2014 2,4435305 14,2456825 44287,0041 0 3,10498733
24-Nov-2014 1,28541851 10,9352173 27324,3 0 4,25795626 24-Dec-2014 3,94429701 22,9978402 22821,5435 0 3,12919178
1-Dec-2014 6,6074091 30,3932217 11031,9585 0 4,09763748 25-Dec-2014 0,36448842 31,850308 57078,3053 0 2,84266666
2-Dec-2014 3,07859887 17,7082463 78898,0343 0 4,37515839 26-Dec-2014 2,37467064 12,8629391 1901,08146 0 3,52065709
3-Dec-2014 1,88358605 26,8051728 71230,3953 0 4,40330228 27-Dec-2014 2,57493186 24,6073989 17742,8774 0 3,26262182
4-Dec-2014 7,16003794 21,8770604 30720,0222 0 4,35772121 28-Dec-2014 7,2331483 28,5386809 58832,4925 0 3,23237253
5-Dec-2014 4,71377258 12,3364569 30565,4586 0 4,24530149 29-Dec-2014 0,27794216 24,684938 39645,016 0 2,92989964
6-Dec-2014 2,31771813 30,9436045 64188,2864 0 4,03178127 30-Dec-2014 0,87176913 25,5210644 67850,2596 0 3,06910913
7-Dec-2014 6,00899582 16,5926659 20295,5473 0 4,11021102 31-Dec-2014 5,97228121 21,4982335 66086,5934 0 3,18377307
63
APÉNDICE D. Resultados de interpolación, día 18 de Diciembre de 2014
Nodo Este Norte Linea 18-dic-14 Caudal Error Nodo Este Norte Linea 18-dic-14 Caudal Error
1 98768,542 122329,632 1 0 8,800032792 2,743524665 70 99708,521 140387,383 2 0 0,923328507 0,731894023
2 98820,538 122705,28 1 0 8,852338668 2,700462685 71 99941,294 140743,22 2 0 0,936340771 0,627582123
3 98819,68 122940,374 1 0 8,885017119 2,673070696 72 100150,21 141042,534 2 0 0,947287281 0,504499349
4 99245,744 123201,212 1 0 8,95510494 2,612990428 73 100614,884 141008,657 2 0 0,960960938 0,230127458
5 99686,415 123421,546 1 0 9,025098877 2,551073598 74 100735,01 141226,91 2 0,771 0,771 0
6 99522,84 123729,472 1 0 9,075163117 2,505532724 75 100850,44 141384,276 2 0 0,979926841 0,353761864
7 99205,337 124010,856 1 0 9,136675659 2,448049604 76 100878,761 141671,8 2 0 0,997276004 0,636194428
8 99206,424 124200,179 1 0 9,164339965 2,421618682 77 100821,434 142062,58 2 0 1,020789289 0,883859282
9 98963,57 124493,89 1 0 9,220430406 2,36686223 78 100981,646 142499,859 2 0 1,048214364 1,103044651
10 99132,006 124923,653 1 0 9,289093056 2,297566685 79 101286,037 142869,174 2 0 1,076064066 1,286464264
11 99429,696 124797,722 1 0 9,337653033 2,246936251 80 101430,446 143319,841 2 0 1,10327334 1,441991745
12 99482,2 124365,712 1 0 9,403662297 2,175767231 81 101330,606 143804,085 2 0 1,13135569 1,58534277
13 99724,008 124751,772 1 0 9,473539615 2,097203043 82 101151,446 144255,437 2 0 1,158597819 1,711847347
14 99736,005 125200,129 1 0 9,543130326 2,015286891 83 101240,347 144565,961 2 0 1,176533516 1,789679778
15 99436,265 125582,167 1 0 9,619367229 1,920781947 84 101338,221 144902,373 2 0 1,195823789 1,869283642
16 99165,861 125993,39 1 0 9,697596014 1,817835782 85 101489,973 145277,426 2 0 1,217888514 1,955769263
17 99324,446 126279,127 1 0 9,75007976 1,744851853 86 101523,122 145658,237 2 0 1,238528789 2,032786581
18 99735,97 126431,04 1 0 9,821215075 1,640051888 87 101728,472 145941,259 2 0 1,257236122 2,099701782
19 99915,635 126856,728 2 0 1,46316112 3,158963668 88 101845,763 146368,595 2 0 1,280707853 2,180172646
20 100156,679 127234,735 2 0 1,441491384 3,119797386 89 102046,929 146678,835 2 0 1,300092376 2,243980457
21 100547,822 127470,185 2 0 1,419170685 3,078605562 90 102190,54 147057,911 2 0 1,321137039 2,310785887
22 100744,926 127808,026 2 0 1,399841937 3,042212468 91 102132,599 147537,272 2 0 1,345924622 2,386463985
23 100816,778 128189,884 2 0 1,380450455 3,005001364 92 102005,936 148018,117 2 0 1,371137305 2,46039476
24 100883,293 128495,49 2 0 1,364702932 2,974248889 93 101819,303 148471,485 2 0 1,395688546 2,529689804
25 100991,728 128872,621 2 0 1,344768255 2,934608072 94 101953,485 148934,762 2 0 1,419546194 2,594682745
26 100993,742 129192,86 2 0 1,328352537 2,901346657 95 101678,083 149325,151 2 0 1,442893322 2,656212427
27 101136,654 129584,845 2 0 1,306765522 2,856722396 96 101594,891 149813,112 2 0 1,466787911 2,717208528
28 101152,558 129958,711 2 0 1,287209871 2,81539286 97 101360,69 150240,481 2 0 1,490022288 2,774726432
29 101352,762 130302,804 2 0 1,266201635 2,769989982 98 101150,905 150641,33 2 0 1,511337873 2,826032769
30 101553,346 130510,584 2 0 1,250828343 2,73607769 99 101565,001 150905,042 2 0 1,534193931 2,879580755
31 101838,277 130681,467 2 0 1,233003236 2,695997112 100 101907,574 151230,465 2 0 1,555925565 2,929161321
32 102070,215 131013,405 2 0 1,211074636 2,645517863 101 102121,362 151662,464 2 0 1,577828694 2,977885269
33 102274,339 131430,685 2 0 1,185641339 2,585257523 102 102124,617 152153,408 2 0 1,599866062 3,02570455
34 102624,681 131770,248 2 0 1,158605519 2,519041146 103 102384,666 152569,422 2 0 1,621616404 3,071772445
35 102831,189 132189,548 2 0 1,132391359 2,452545568 104 102446,821 153058,445 2 0 1,643201226 3,116430614
36 103038,355 132583,814 2 0 1,107122293 2,386133471 105 102332,616 153524,666 2 0 1,663962217 3,158430653
37 103211,358 132990,102 2 0 1,081786134 2,317065955 106 102127,795 153940,196 2 0 1,683761982 3,197649211
38 103286,476 133372,2 2 0 1,059207882 2,253239838 107 101890,959 154371,463 2 0 1,704538383 3,237956702
39 103402,706 133817,409 2 0 1,032241473 2,173923166 108 101930,844 154847,818 2 0 1,724477935 3,275855553
40 103505,351 134236,316 2 0 1,006678595 2,095306025 109 101984,931 155331,607 2 0 1,744537837 3,31323427
41 103402,792 134605,549 2 0 0,983730996 2,021563781 110 102197,459 155776,514 2 0 1,764605772 3,349901477
42 103213,102 134834,989 2 0 0,965750129 1,961460268 111 102567,28 156079,715 2 0 1,783832469 3,384371889
43 102912,495 134999,829 2 0 0,944874808 1,888842868 112 102739,27 156531,866 2 0 1,803046747 3,418194855
44 102759,794 135245,636 2 0 0,927113429 1,824396801 113 102862,632 157010,47 2 0 1,822436672 3,451712125
45 102971,028 135605,199 2 0 0,901288102 1,725733495 114 102834,595 157499,295 2 0 1,841408188 3,48392538
46 103114,821 136004,374 2 0 0,874732205 1,61713249 115 103147,284 157855,9 2 0 1,859562632 3,514228107
47 103079,657 136281,612 2 0 0,857084779 1,540213967 116 103591,798 158026,578 2 0 1,877571371 3,543795262
48 102973,896 136589,742 2 0 0,836354688 1,444070957 117 103757,346 158469,481 2 0 1,895241328 3,572341357
49 102766,722 136821,25 2 0 0,816426125 1,344562812 118 103847,864 158943,202 2 0 1,913048717 3,600654843
50 102360,91 136583,292 2 0 0,785950128 1,174874728 119 100257,929 126584,46 3 0 10,80224725 1,324410473
51 102017,932 136378,859 2 0 0,7597978 1,005195162 120 100647,16 126354,992 3 0 10,88760783 1,159200867
52 101747,94 136024,185 2 0 0,73028893 0,76788503 121 100736,677 125873,395 3 0 10,98125637 0,943162934
53 101308,491 135955,995 2 0 0,700515792 0,401842558 122 100732,331 125798,298 3 13,27 13,27 0
54 101084,975 136019,979 2 0,01 0,01 0 123 101067,321 125690,576 3 0 10,93412611 1,050703509
55 100937,633 136212,216 2 0 0,694859959 0,223078948 124 101113,426 126024,96 3 0 10,87558416 1,170635534
56 100852,242 136642,607 2 0 0,712799749 0,49060331 125 101279,663 126474,472 3 0 10,79340043 1,31794682
57 100463,876 136616,306 2 0 0,728441809 0,624763411 126 101394,479 126050,669 3 0 10,71906343 1,43561312
58 100080,882 136721,101 2 0 0,744135272 0,723816503 127 101492,069 126210,201 3 0 10,68767687 1,481749211
59 100041,135 137065,722 2 0 0,757630072 0,790505261 128 101661,435 126337,495 3 0 10,65231623 1,531544761
60 99799,158 137265,272 2 0 0,769658587 0,838817522 129 101755,37 125859,105 3 0 10,57174006 1,637425338
61 99501,493 136991,029 2 0 0,784939911 0,887443913 130 101947,956 125755,307 3 0 10,53593745 1,681475075
62 99167,97 137092,421 2 0 0,797885142 0,918666929 131 102419,253 125795,114 3 0 10,45928261 1,770386269
63 98915,447 137394,434 2 0 0,812265106 0,943375682 132 102696,064 126192,959 3 0 10,38178268 1,853624675
64 98899,678 137882,609 2 0 0,829755387 0,959688869 133 103090,034 125924,097 3 0 10,30654092 1,928799566
65 98990,734 138366,79 2 0 0,847006383 0,960792676 134 103557,12 125924,494 3 0 10,23383462 1,996706931
66 99369,954 138645,088 2 0 0,86311287 0,947516087 135 103742,768 126365,034 3 0 10,16041022 2,060982742
67 99531,691 139097,79 2 0 0,879208564 0,918838577 136 103966,956 126460,853 3 0 10,12334654 2,09189545
68 99647,956 139533,3 2 0 0,893967843 0,876743172 137 103965,42 126724,705 3 0 10,08352356 2,124020298
69 99854,398 139927,896 2 0 0,908234739 0,818428285 138 103834,794 126922,672 3 0 10,0479816 2,151771366
64
Nodo Este Norte Linea 18-dic-14 Caudal Error Nodo Este Norte Linea 15-jun-14 Caudal Error
139 104084,621 126860,494 3 0 10,00967371 2,180741335 213 111840,3 133753,123 4 0 3,951817583 4,284048788
140 104007,857 127106,882 3 0 9,971555417 2,20862773 214 111902,626 133359,303 4 0 3,930475277 4,279501584
141 104480,911 126978,818 3 0 9,899938896 2,258573708 215 112302,632 133352,897 4 0 3,909119023 4,274777829
142 104814,7 127227,1 3 0 9,839933777 2,298051528 216 112584,679 133133,134 4 0 3,89007863 4,270417679
143 104570,144 127650,168 3 0 9,77036037 2,341219477 217 112420,16 132760,79 4 0 3,868453474 4,265293097
144 104404,751 127726,826 3 0 9,744656806 2,356477682 218 112382,82 132463,52 4 0 3,852571335 4,261410954
145 104152,378 127894,528 3 0 9,702231094 2,380863754 219 112702,553 132356,208 4 0 3,834726399 4,256927675
146 103970,48 128354,57 3 0 9,633763432 2,418153928 220 112749,341 132020,683 4 0 3,816835802 4,252302363
147 104193,631 128452,766 3 0 9,600381341 2,435423858 221 112851,828 131806,08 4 0 3,804296318 4,248981641
148 103845,731 128672,332 3 0 9,54458748 2,462971438 222 113019,342 131474,432 4 0 3,784736989 4,243670572
149 104086,025 128983,465 3 0 9,491894999 2,487487254 223 113141,322 131176,977 4 0 3,767842674 4,238952756
150 104170,948 129162,86 3 0 9,465521305 2,499213651 224 113270,841 131006,039 4 0 3,756587522 4,23574183
151 104505,233 129513,479 3 0 9,4017926 2,526054993 225 113494,628 130792,654 4 0 3,740379942 4,231021652
152 104671,748 129173,639 3 0 9,352637151 2,545315339 226 113828,714 130603,015 4 0 3,720275972 4,225006757
153 104802,07 128957,091 3 0 9,320114153 2,557366554 227 113716,973 130256,897 4 0 3,701272912 4,21915617
154 105167,693 129250,65 3 0 9,260418185 2,578045633 228 113582,329 129926,228 4 0 3,682646284 4,21326356
155 105399,129 129672,155 3 0 9,200056595 2,597043431 229 113601,241 129523,913 4 0 3,66166481 4,20643603
156 105361,338 129866,996 3 0 9,175394321 2,604246765 230 113690,224 129286,338 4 0 3,648464726 4,202036142
157 105401,441 129982,539 3 0 9,160269416 2,608502746 231 113864,645 128890,066 4 0 3,625963542 4,194347349
158 105479,411 130230,748 3 0 9,128279388 2,617096624 232 113842,436 128572,494 4 0 3,60943882 4,188547357
159 105181,343 130477,017 3 0 9,081197305 2,628727431 233 113669,732 128130,389 4 0 3,584830211 4,179665439
160 105598,981 130623,118 3 0 9,027987492 2,640389951 234 113551,96 127758,675 4 0 3,564637534 4,172155443
161 105856,976 130860,866 3 0 8,98629902 2,648406827 235 113544,426 127361,896 4 0 3,544106003 4,164310995
162 105887,472 130961,346 3 0 8,973907539 2,650596854 236 113482,786 127053,979 4 0 3,52787229 4,157957728
163 105827,691 131398,81 3 0 8,922234452 2,658759352 237 113272,746 126970,143 4 0 3,516187574 4,15330131
164 105946,23 131800,293 3 0 8,8738813 2,664950757 238 113061,383 126630,542 4 0 3,495532243 4,144897099
165 106372,517 132012,474 3 0 8,819628365 2,670180688 239 113022,329 126283,3 4 0 3,47749928 4,137376975
166 106684,303 132267,461 3 0 8,774354248 2,673109685 240 112881,25 125815,928 4 0 3,452319154 4,12658654
167 106647,721 132759,872 3 0 8,719615599 2,674841684 241 113180,439 125810,155 4 0 3,436891631 4,119806105
168 106912,24 133113,1 3 0 8,671399235 2,674662469 242 113243,692 125419,248 4 0 3,416482434 4,110635573
169 107079,819 133411,662 3 0 8,634445134 2,673401358 243 113132,988 124965,253 4 0 3,392404524 4,099518334
170 107376,837 133436,896 3 0 8,602592316 2,671504249 244 113026,466 124497,019 4 0 3,367665724 4,087753888
171 107487,938 133848,851 3 0 8,557515408 2,667491179 245 113018,667 124036,699 4 0 3,343947885 4,076143518
172 107885,62 133886,623 3 0 8,515859022 2,66234327 246 112844,702 123744,904 4 0 3,32644483 4,067363904
173 108168,242 134257,63 3 0 8,46788751 2,654619514 247 112878,379 123336,777 4 0 3,305341727 4,056535916
174 107901,333 134463,908 3 0 8,433632637 2,647873117 248 112961,61 122873,162 4 0 3,281060598 4,043743984
175 107614,816 134759,528 3 0 8,392325613 2,63830656 249 112819,672 122542,577 4 0 3,262506899 4,033725157
176 107706,362 135039,945 3 0 8,363062579 2,630541118 250 112567,395 122266,096 4 0 3,243195709 4,02306903
177 107643,522 135175,489 3 0 8,348347405 2,626315189 251 112655,544 121807,187 4 0 3,219069588 4,009423679
178 107914,492 135298,378 3 0 8,319253381 2,617307156 252 112642,816 121382,265 4 0 3,197103792 3,996673797
179 107851,98 135792,778 3 0 8,271150065 2,600430457 253 112313,112 121200,571 4 0 3,177636059 3,985109511
180 107529,564 136043,292 3 0 8,232317367 2,584901905 254 112264,626 120832,511 4 0 3,158421292 3,973448079
181 107359,413 136413,377 3 0 8,194093189 2,567849278 255 112250,847 120596,564 4 0 3,14617886 3,96588828
182 107708,969 136729,668 3 0 8,150492868 2,546118805 256 112319,852 120276,081 4 0 3,129184944 3,955224754
183 108082,869 137012,081 3 0 8,107827712 2,522337151 257 112677,147 119985,885 4 0 3,105296432 3,939896859
184 107670,96 137202,259 3 0 8,067150352 2,497169319 258 113113,85 119830,758 4 0 3,081209369 3,92403474
185 107853,602 137534,676 3 0 8,033618088 2,474457678 259 113580,415 119914,161 4 0 3,056534956 3,907354153
186 107685,346 138001,432 3 0 7,990399995 2,442363696 260 113564,421 119569,916 4 0 3,038566587 3,894927266
187 107861,628 138186,025 3 0 7,968450091 2,424764077 261 113405,551 119262,132 4 0 3,020481902 3,882178013
188 108051,378 138071,591 3 0 7,949549903 2,408866469 262 113701,938 118954,742 4 0 2,998150387 3,866094709
189 107770,545 138369,064 3 0 7,915033075 2,377958727 263 113422,073 118841,95 4 0 2,982344416 3,854480515
190 108137,8 138336,026 3 0 7,884337558 2,348305064 264 113627,864 118439,942 4 0 2,958645345 3,836702244
191 108316,99 138563,19 3 0 7,860526851 2,323796343 265 113984,475 118154,222 4 0 2,934612382 3,81821938
192 108503,671 138400,563 4 0 4,422426275 4,345242332 266 114063,95 117739,854 4 0 2,912371026 3,800699005
193 108712,027 138616,776 4 0 4,40503524 4,344170051 267 114282,833 117317,896 4 0 2,887251296 3,780421421
194 109126,004 138794,076 4 0 4,379063557 4,342415184 268 114375,017 116867,181 4 0 2,862874693 3,760236806
195 109437,243 139028,087 4 0 4,356712635 4,340755543 269 114275,441 116410,552 4 0 2,838040941 3,739149185
196 109806,007 139310,671 4 0 4,330171238 4,33860215 270 114321,792 115954,337 4 0 2,813603123 3,717869856
197 110084,685 139352,444 4 0 4,314137693 4,337203817 271 114390,317 115485,371 4 0 2,788267638 3,695243706
198 110445,512 139362,794 4 0 4,293668772 4,335310419 272 114387,934 115118,649 4 0 2,768606931 3,67728068
199 110541,583 139022,817 4 0 4,27371034 4,333345821 273 114348,246 114750,702 4 0 2,748714584 3,658738827
200 110622,024 138693,649 4 0 4,254635382 4,331357399 274 114131,27 114487,65 4 0 2,73033817 3,64127589
201 110324,191 138465,451 4 0 4,233590068 4,329036181 275 114234,857 114142,82 5 0 3,854220689 4,856803266
202 110421 138111,004 4 0 4,21305642 4,326640738 276 114408,4 113831,24 5 0 3,849840821 4,857293367
203 110582,89 137715,954 4 0 4,189288938 4,323704412 277 114418,416 113039,108 5 0 3,840252222 4,858361355
204 110812,448 137344,18 4 0 4,165063813 4,320527934 278 114715,04 112357,02 5 0 3,831422445 4,859338806
205 110954,572 136910,982 4 0 4,139890083 4,317027248 279 114986,378 111944,916 5 0 3,825655901 4,859974046
206 111022,556 136507,53 4 0 4,117386654 4,313722525 280 115288,451 111568,37 5 0 3,820083232 4,860585591
207 111061,523 136214,668 4 0 4,101186799 4,311239451 281 115776,923 111596,678 5 0 3,814503815 4,861195577
208 111232,223 135781,965 4 0 4,075763806 4,307164342 282 116238,921 111784,335 5 0 3,80888813 4,861807206
209 111292,432 135320,896 4 0 4,050448207 4,302886463 283 116385,584 111863,308 5 0 3,807027942 4,862009294
210 111389,592 134880,364 4 0 4,025977739 4,298538934 284 116687,902 111797,263 5 0 3,80359293 4,862381795
211 111810,329 134636,552 4 0 3,999696158 4,293632708 285 117016,198 112053,933 5 0 3,799009345 4,862877495
212 111879,393 134179,833 4 0 3,97482001 4,288758617 286 117337,736 112355,018 5 0 3,794216418 4,863394175
65
287 117639,214 112748,756 5 0 3,788884094 4,86396701 361 113090,285 141180,756 7 0 6,894719062 1,59656641
288 118026,202 113060,897 5 0 3,783604622 4,864532101 362 113383,918 141148,175 7 0 6,872979604 1,589861426
289 118440,704 113329,172 5 0 3,778426882 4,865084307 363 113706,953 141243,14 7 0 6,848441428 1,579240213
290 118893,957 113394,881 5 0 3,773681463 4,86558867 364 113945,458 141488,407 7 0 6,823767196 1,565130662
291 119328,245 113181,542 5 0 3,7687273 4,866113448 365 114320,795 141546,307 7 0 6,796678829 1,545435451
292 119615,565 112910,558 5 0 3,764728112 4,86653575 366 114530,673 141961,601 7 0 6,763919431 1,515272751
293 120071,222 112799,188 5 0 3,760029936 4,867030359 367 114740,639 142353,014 7 0 6,733086468 1,479919287
294 120542,581 112894,288 5 0 3,75527114 4,867529692 368 114962,233 142288,213 7 0 6,717227626 1,458852911
295 121001,92 112737,955 5 0 3,75052746 4,868025781 369 115358,705 142214,238 7 0 6,689797014 1,417322247
296 114039,428 114416,932 6 0 2,086741621 2,765312856 370 115240,42 141780,445 7 0 6,65962285 1,363321428
297 113795,423 114201,787 6 0 2,06691605 2,727202893 371 115539,862 141624,307 7 0 6,637239501 1,316832568
298 113337,548 114238,638 6 0 2,038771471 2,671453338 372 115740,093 141221,791 7 0 6,607810878 1,245947528
299 112894,105 114456,122 6 0 2,008310682 2,608804561 373 115923,941 141372,542 7 0 6,592416956 1,203742732
300 112666,179 114388,743 6 0 1,993577309 2,577589556 374 116083,483 141358,343 7 0 6,582111768 1,173235343
301 112389,394 114023,806 6 0 1,965044621 2,515340104 375 116220,487 141584,495 7 0 6,565215004 1,118801481
302 112101,435 113616,903 6 0 1,93377821 2,444219134 376 116365,749 141914,886 7 0 6,542381826 1,034999069
303 111835,012 113282,186 6 0 1,906764388 2,380118908 377 116622,958 141639,259 7 0 6,518813088 0,932773142
304 111535,15 113025,527 6 0 1,881689668 2,318230982 378 116698,843 141562,429 7 0 6,512114779 0,900033755
305 111472,899 112567,352 6 0 1,852127489 2,2420461 379 116955,385 141203,687 7 0 6,485000787 0,744258065
306 111031,499 112609,801 6 0 1,823582813 2,164846243 380 117304,947 141115,039 7 0 6,463117818 0,575494688
307 110738,67 112493,959 6 0 1,803194297 2,107296898 381 117529,229 141313,298 7 0 6,445148608 0,370386704
308 110496,541 112167,939 6 0 1,776755744 2,02936853 382 117925,286 141390,695 7 0 6,421202916 2,27086E-17
309 110526,07 111951,97 6 0 1,762495714 1,985648545 383 118147,288 141609,635 7 0 6,402918893 3,6751E-17
310 110340,76 111905,64 6 0 1,749959745 1,946155729 384 118153,825 141629,059 7 5,843 5,843 0
311 109975,618 111384,896 6 0 1,707946789 1,805696955 385 118482,456 141909,54 7 0 6,415850382 2,00627E-17
312 109564,751 110882,097 6 0 1,664612676 1,645100419 386 118892,889 142174,797 7 0 6,432266855 0,413988942
313 109430,734 110433,088 6 0 1,633056994 1,51525507 387 119310,682 142029,156 7 0 6,447533023 0,633826099
314 109399,95 109950,3 6 0 1,600223906 1,364895026 388 119558,762 142085,747 7 0 6,456486803 0,724416736
315 109239,07 109407,65 6 0 1,561475036 1,159247412 389 120003,338 142278,862 7 0 6,473896445 0,860351525
316 109283,27 109240,34 6 0,841 0,841 0 390 120279,634 142399,02 7 0 6,48495289 0,928238711
317 109134,452 108824,079 6 0 1,569723532 1,262910386 391 120182,459 142707,302 7 0 6,497015429 0,990600643
318 109094,812 108349,914 6 0 1,591182417 1,424755973 392 120443,484 142739,5 7 0 6,50698422 1,034687883
319 108855,672 107937,563 6 0 1,612422942 1,567327757 393 120693,349 143031,275 7 0 6,521793862 1,089959403
320 108696,188 107505,691 6 0 1,632695844 1,69114816 394 120962,159 142996,845 7 0 6,532420506 1,123213266
321 108529,77 107059,913 6 0 1,653402801 1,807862896 395 121113,158 143448,378 7 0 6,551449402 1,171504425
322 108342,383 106630,713 6 0 1,673541542 1,913620582 396 121421,63 143738,417 7 0 6,568759012 1,204670127
323 108160,542 106212,069 6 0 1,692940974 2,009405382 397 121709,233 144104,012 7 0 6,588197832 1,231436514
324 108315,328 138716,638 7 0 7,832021486 1,884831527 398 121549,835 144415,789 7 0 6,603124199 1,245305016
325 108335,05 139100,232 7 0 7,808282947 1,820607303 399 121523,849 144628,781 7 0 6,612395843 1,251233481
326 108159,716 139447,629 7 0 7,784659666 1,7508567 400 121843,057 144896,279 7 0 6,630664085 1,257288169
327 108407,47 139678,068 7 0 7,764466223 1,685904916 401 121960,6 145285,796 7 0 6,648859868 1,256329644
328 108597,531 139972,857 7 0 7,743872356 1,613788009 402 121853,544 145741,524 7 0 6,670224803 1,246799484
329 108789,036 140157,99 7 0 7,728462822 1,555344282 403 121916,696 146150,612 7 0 6,689500954 1,230699219
330 109135,044 140490,531 7 0 7,701197587 1,44065243 404 122143,664 146348,131 7 0 6,703740285 1,214310442
331 108819,543 140370,927 7 0 7,682409499 1,351360065 405 122387,028 146764,878 7 0 6,72698276 1,179316059
332 108761,96 140499,016 7 0 7,674682012 1,311683365 406 122543,701 147208,841 7 0 6,750138006 1,133976108
333 108947,616 140701,434 7 0 7,659725309 1,229072647 407 122878,325 147418,201 7 0 6,769920353 1,086414371
334 108906,581 140909,355 7 0 7,648326045 1,160049041 408 123279,853 147640,336 7 0 6,793343572 1,018439772
335 108947,303 141190,387 7 0 7,633244516 1,058628315 409 123641,849 147610,88 7 0 6,812208907 0,953131107
336 109013,891 141579,945 7 0 7,612620227 0,89426491 410 124049,619 147864,489 7 0 6,837597641 0,846816289
337 108766,094 141616,47 7 0 7,599768241 0,769104824 411 124487,314 148086,495 7 0 6,864073417 0,704684872
338 109208,176 141723,326 7 0 7,576864469 0,45161225 412 124943,071 148242,192 7 0 6,890577673 0,5055248
339 109275,032 141664,263 7 7,846 7,846 0 413 124647,547 148568,065 7 0 6,915242869 0,118221452
340 109590,578 141570,444 7 0 7,541685693 0,583516456 414 124957,948 148593,176 7 0 6,932967977 2,52065E-17
341 109633,885 142011,043 7 0 7,50078421 0,7825534 415 125248,666 148858,669 7 0 6,955692919 3,9502E-17
342 109886,546 142344,464 7 0 7,462610725 0,923388132 416 125259,502 149003,218 7 8,581 8,581 0
343 110066,316 142433,746 7 0 7,444457645 0,980919794 417 125121,076 149278,749 7 0 6,901475757 3,41318E-17
344 110240,77 142780,955 7 0 7,409612802 1,078801545 418 125600,544 149357,447 7 0 6,803151473 7,57168E-18
345 110043,232 143209,144 7 0 7,367849213 1,178983663 419 125993,84 149201,966 7 0 6,717991882 0,470715292
346 110221,865 143511,155 7 0 7,337141822 1,243074647 420 126426,439 149132,506 7 0 6,630169642 0,668736343
347 110329,029 143772,854 7 0 7,31262082 1,289286589 421 126355,082 148727,611 7 0 6,548124242 0,800479614
348 110747,006 143827,414 7 0 7,276443666 1,350319082 422 126688,629 148969,604 7 0 6,466233578 0,90400558
349 110786,144 143963,712 7 0 7,264373054 1,368934477 423 126883,64 149393,759 7 0 6,373867879 0,998009854
350 111099,238 144083,28 7 0 7,236043557 1,409426493 424 127016,048 149847,541 7 0 6,28076733 1,074405519
351 111533,253 144106,751 7 0 7,199716255 1,455160662 425 127172,896 150223,749 7 0 6,200824516 1,12809485
352 111760,35 144052,103 7 0 7,180385222 1,476810872 426 127239,224 150623,273 7 0 6,121689844 1,171927005
353 112024,672 143760,322 7 0 7,14810257 1,508984869 427 127459,37 150824,937 7 0 6,063538757 1,198799714
354 112418,397 143670,792 7 0 7,11538251 1,536666702 428 127481,59 151206,052 7 0 5,989403033 1,226989972
355 112493,745 143250,403 7 0 7,081197761 1,560416042 429 127671,28 151248,786 7 0 5,951737478 1,238831668
356 112631,229 142823,973 7 0 7,04580028 1,579505376 430 127822,656 150948,161 7 0 5,886684703 1,255501865
357 112801,827 142408,059 7 0 7,010758249 1,592885811 431 128115,365 150846,767 7 0 5,826975266 1,266700139
358 112587,195 142009,221 7 0 6,975928031 1,600673976 432 128495,043 150875,336 7 0 5,753790653 1,275188694
359 112646,959 141714,427 7 0 6,953058267 1,602734634 433 128872,516 150633,083 7 0 5,66786253 1,277876243
360 112672,371 141414,303 7 0 6,930365074 1,602323614 434 129278,48 150406,515 7 0 5,579106918 1,272370283
66
435 129261,185 150878,221 7 0 5,489305283 1,25804003 486 141708,103 157472,413 9 0 2,037852699 0,719441581
436 129425,591 150758,125 7 0 5,450664903 1,249073113 487 141616,25 157937,228 9 0 2,017934584 0,914106392
437 129810,864 151059,863 7 0 5,358012767 1,22036396 488 141573,542 158260,329 9 0 2,004121767 1,021590656
438 130119,111 150856,041 7 0 5,288250242 1,191624851 489 141589,911 158575,126 9 0 1,990674186 1,112050163
439 130392,168 150855,345 7 0 5,236809728 1,166199181 490 141774,697 159029,055 9 0 1,969592761 1,233199333
440 130371,667 150400,106 8 0 3,924244484 1,217432243 491 141843,348 159471,541 9 0 1,950144696 1,327970997
441 130260,921 149912,947 8 0 3,856122004 1,059209231 492 142052,035 159827,437 9 0 1,932065706 1,404632107
442 130106,335 149423,477 8 3,012 3,012 0 493 141967,951 160197,215 9 0 1,915310849 1,467528587
443 129911,588 148979,823 8 0 3,7810977 1,091903381 494 142044,379 160536,251 9 0 1,899838573 1,519618587
444 129677,437 148631,431 8 0 3,776718079 1,257765165 495 142246,83 160716,35 9 0 1,887697174 1,556912174
445 129443,286 148283,04 8 0 3,772384659 1,401592153 496 142599,98 161016,094 9 0 1,866781079 1,614564258
446 130337,329 151316,788 9 0 5,231903216 1,631780072 497 142971,171 161312,628 9 0 1,845114992 1,666434689
447 130383,411 151732,672 9 0 5,177452622 1,569615212 498 143436,067 161467,171 9 0 1,822543874 1,712947879
448 130452,129 152096,815 9 0 5,129399149 1,508877003 499 143910,87 161534,164 9 0 1,800223239 1,752174751
449 130538,189 152558,575 9 0 5,068711154 1,42307154 500 144375,355 161634,005 9 0 1,777881441 1,785321753
450 130651,748 153012,82 9 0 5,008453843 1,325908557 501 144766,973 161832,658 9 0 1,757027987 1,811183153
451 130545,948 153433,093 9 0 4,952885021 1,223185891 502 145096,605 162203,934 9 0 1,733211554 1,835160029
452 130911,6 153715,273 9 0 4,893872693 1,096141825 503 145570,718 162358,282 9 0 1,709035286 1,853837369
453 131170,456 153987,99 9 0 4,845985271 0,97451425 504 145912,418 162508,894 9 0 1,690757009 1,864385015
454 131009,323 154312,323 9 0 4,79998834 0,834789445 505 146226,411 162700,869 9 0 1,672596771 1,871955604
455 131300,652 154575,265 9 0 4,750279906 0,641487282 506 146617,674 162808,688 9 0 1,652400744 1,877095304
456 131144,535 154857,743 9 0 4,709501424 0,409696501 507 147101,873 162910,87 9 0 1,627531142 1,878846573
457 131437,043 155089,671 9 0 4,662447262 2,15739E-17 508 147474,032 163231,169 9 0 1,60258659 1,875690238
458 131482,72 155240,139 9 5,292 5,292 0 509 147852,387 163543,063 9 0 1,577405686 1,867645026
459 131755,479 155379,227 9 0 4,571962976 1,62445E-17 510 148175,731 163889,67 9 0 1,552802341 1,855153541
460 132195,226 155506,92 9 0 4,466361267 0,423480932 511 148397,775 164148,527 9 0 1,534940103 1,843242803
461 132619,336 155622,639 9 0 4,365118034 0,630190801 512 148705,72 164438,643 9 0 1,512592132 1,824980317
462 133057,408 155845,107 9 0 4,252111169 0,784391545 513 149017,305 164802,52 9 0 1,487031944 1,79948829
463 133536,463 155954,646 9 0 4,139218994 0,89825527 514 149304,498 165013,928 9 0 1,467826171 1,777059044
464 134017,012 156044,701 9 0 4,027020456 0,985502557 515 149442,871 165476,818 9 0 1,441560778 1,741732863
465 134509,934 156029,936 9 0 3,913953591 1,053828347 516 149795,837 165515,284 9 0 1,422075647 1,711951244
466 134994,96 155931,988 9 0 3,80058836 1,106240718 517 150245,322 165645,84 9 0 1,396149691 1,667401791
467 135355,175 156226,778 9 0 3,69401059 1,142808919 518 150502,567 165887,874 9 0 1,376403425 1,62951363
468 135845,19 156259,636 9 0 3,581608088 1,169336921 519 150958,127 166004,559 9 0 1,349866852 1,572841476
469 135914,011 156677,603 9 0 3,484686409 1,182920679 520 151411,08 166328,147 9 0 1,318086937 1,495485046
470 136236,227 157050,621 9 0 3,371920083 1,188308838 521 152041,156 166774,047 9 0 1,273348189 1,36623477
471 136675,282 156998,629 9 0 3,270775128 1,183728948 522 152354,047 167155,107 9 0 1,244355372 1,267011709
472 137135,402 157088,86 9 0 3,163494754 1,169026974 523 152550,33 167613,873 9 0 1,214678616 1,149282385
473 137538,519 157156,44 9 0 3,069952068 1,147643708 524 152828,03 168029,179 9 0 1,184623545 1,00779795
474 137787,39 157366,307 9 0 2,995426945 1,124589455 525 153096,225 168443,282 9 0 1,15460239 0,833108679
475 138153,254 157272,223 9 0 2,908915664 1,090653744 526 153199,388 168733,447 9 0,408 0,408 0
476 138612,535 157113,662 9 0 2,797583314 1,034442651 527 153345,937 168837,418 9 0 1,145788864 0,808616096
477 139036,306 156907,222 9 0 2,689492011 0,96418221 528 153642,14 169209,719 9 0 1,172309133 1,048595003
478 139332,673 156530,712 9 0 2,579518647 0,872963416 529 153708,404 169648,715 9 0 1,19677162 1,227637555
479 139822,124 156476,863 9 0 2,466385096 0,750775502 530 153632,091 170104,383 9 0 1,221938766 1,386652124
480 140212,241 156749,497 9 0 2,356901863 0,588695867 531 153848,82 170554,586 9 0 1,24882771 1,537189646
481 140528,903 157131,264 9 0 2,24264799 0,306078235 532 154269,922 170788,908 9 0 1,274442024 1,666850171
482 140993,39 157063,048 9 0 2,134344375 2,53085E-17 533 154758,577 170887,895 9 0 1,30061645 1,788584615
483 141164,811 156927,571 9 0,911 0,911 0 534 155255,877 170853,772 9 0 1,326457591 1,900126395
484 141287,316 156728,93 9 0 2,074311294 2,13652E-17 535 155718,247 170780,018 9 0 1,35043577 1,997209874
485 141576,202 157028,771 9 0 2,057126004 0,434809581 536 155828,122 170309,896 9 0 1,374865209 2,090682454
67

Cortes Sastoque Angie Saray 2016

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

Cortes Sastoque Angie Saray 2016

Cargado por

Copyright:

Formatos disponibles

ESTIMACIÓN DE CAUDALES MEDIANTE INTERPOLACIÓN GEOESTADÍSTICA.

CASO DE ESTUDIO: RED DE DRENAJE DE LA CUENCA ALTA DEL RIO BOGOTÁ

ANGIE SARAY CORTES SASTOQUE

UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS

ANGIE SARAY CORTES SASTOQUE

Trabajo de grado para obtener el título de Ingeniera Sanitaria

ASESOR: JORGE ALBERTO VALERO FANDIÑO

UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS

A mi mama por su apoyo incondicional, a mis familiares y amigos por su confianza.

El monitoreo de variables físicas en cuerpos de agua para determinar su comportamiento, como la

3.1. OBJETIVO GENERAL

3.2. OBJETIVOS ESPECÍFICOS

- Comprender el marco matemático que soporta la realización de estimaciones

Figura 4-1. Cuadro Sinóptico. Metodología. Fuente (Autor)

I. Revisión bibliográfica de la fundamentación matemática de la geoestadística en redes de

II. Análisis de la información recolectada: Esta fase contempla actividades como: a)

Figura 5-1. Espacio de interpolación a) Continuo b) No continúo. Adaptado de Valero (2008)

Figura 5-2. Construcción de Polígonos de Thiessen. Fuente (Autor)

No obstante, los polígonos generan un grado de incertidumbre en la predicción de ciertas variables,

5.1.1.2. Método de pesos por el inverso de la distancia (IDW)

Los pesos de cada variable se determinan teniendo en cuenta la Ecuación 5 3:

Figura 5-4. Triangulación. Adaptado de Valero (2008)

Figura 5-5. Hipótesis estacionaridad. Fuente (Autor)

5.1.2.1. Semivariograma Experimental

Figura 5-6. Relación variograma, covariograma. Fuente (Autor)

Experimentalmente, el semivariograma se calcula por medio de la Ecuación 5-8 (Valero, 2008):

Figura 5-7. Forma típica semivariograma. Fuente (Valero, 2008)

Figura 5-8. Ejemplo estaciones meteorológicas. Fuente (Autor)

[(17.9−19.4)2 +(18−20.3)2 +(18.6−18.1)2 +(19−20.1)2 ]

Figura 5-9. Semivariograma, dirección 0°. Fuente (Autor)

Cuando la dirección es 90° el resultado se muestra en la Figura 5-10:

Figura 5-10. Semivariograma, dirección 90°. Fuente (Autor)

Figura 5-11 Tolerancia construcción semivariograma. Adaptado de Valero (2008)

Figura 5-12 Semivariograma, dirección 45°. Fuente (Autor)

Figura 5-13 Modelo pepita puro. Fuente (Valero, 2008)

• Modelo esférico (Ver Figura 5-14):

Figura 5-14 Modelo esférico. Fuente (Valero, 2008)

• Modelo Exponencial (Ver Figura 5-15):

Figura 5-15 Modelo exponencial. Fuente (Valero, 2008)

• Modelo Gaussiano (Ver Figura 5-16)

Figura 5-16. Modelo Gaussiano. Fuente (Valero, 2008)

• Modelo monomial (Ver Figura 5-17)

Figura 5-17. Modelo monomial. Fuente (Valero, 2008)

Figura 5-18 Modelo logarítmico. Fuente (Valero, 2008)

Donde (Ver Figura 5-6):

𝜎 2 = 𝐶𝑜𝑉(0) = 𝑉𝑎𝑟 (𝑍(𝑋𝑜))

Aplicando el método Lagrange se obtiene la Ecuación 5-19:

Esta minimización de la varianza, conduce a un sistema de ecuaciones lineales con (n+1)

La Ecuación 5-23 describe el cálculo de los factores de ponderación λi:

𝐶𝑖𝑗 −1 ∗ 𝐶𝑖𝑗 ∗ 𝜆 = 𝐶𝑖𝑗 −1 ∗ 𝐶𝑖0

𝜆 = 𝐶𝑖𝑗 −1 ∗ 𝐶𝑖0 Ecuación 5-23

Figura 5-19. Ejemplo Kriging Ordinario. Fuente (Autor)

• Construcción matriz de distancias

Tabla 5-3. Matriz Covarianza, ejemplo Kriging

5.2. INTERPOLACIÓN EN REDES DE DRENAJE

5.2.1. Función Media Móvil

Figura 5-20. Operación del ruido blanco. Fuente (Valero, 2008)

Figura 6-1. Cuencas Hidrográficas Cundinamarca. Fuente (CAR Cundinamarca. 2006)

6.1. SELECCIÓN DE INFORMACION SECUNDARIA

Fuente (CAR Cundinamarca, 2014. EAAB, 2014)

6.1.1. Estación puente Virginia

Figura 6-4. Corrientes de la Red de Drenaje. Fuente (Autor)

Figura 6-5. Estaciones de Calibración y validación. Fuente (Autor)