Universidad Nacional Mayor de San Marcos

Escuela Profesional de Ingeniería Mecánica de Fluidos

Unidad IV La Precipitación (2)

 Análisis de la Información

Análisis de la Información.

Para desarrollar un estudio hidrológico, se requiere contar con la información de la

cuenca en estudio. Una vez obtenida ésta información, una de las interrogantes
que se debe hacer es si la información es confiable para su utilización o presenta
falta de consistencia, debido a errores que se pueden producir durante la toma de
los datos y/o el registro de la información.

1. Tipos de Errores

En forma general se puede mencionar que en la información hidrológica se

pueden presentar dos tipos de errores; aleatorios y sistemáticos

 Movimiento de las estaciones en una distancia horizontal;

 Movimiento en una distancia vertical;

 Cambios en el medio ambiente de una estación como árboles,

construcción de viviendas, entre otras.
Análisis de la Información
 Análisis de la Información

Análisis de Doble Masa.

 El método de doble masa considera que los valores de lluvia que ocurren en
diferentes puntos de esa zona en períodos anuales o estacionales guardan
una relación de proporcionalidad que puede representarse gráficamente.

 Esa representación consiste en identificar la estación que se quiere

controlar, luego deben contarse con otras(s) estaciones vecinas cuyos
registros anuales sean confiables y que se llamará estación base.

 Si los registros no han sufrido variaciones, los puntos se alinean en una

recta de pendiente única, por lo tanto no será necesario efectuar
correcciones.

 Si hay variaciones en la pendiente de la recta, significa que parte de la serie

contiene valores erróneos por lo cual el registro de datos debe ser corregido
Análisis de la Información
 Análisis de la Información
Es necesario ajustar los valores del periodo “considerado incorrecto” (1967-1973)
para reducirlos a las condiciones imperantes en el periodo “considerado correcto
(1974-1980). El ajuste o corrección se realiza por la razón de las pendientes:
m
P = ∗p
m
Donde:
P = precipitación observada
Pc= precipitación corregida
m2 = pendiente del periodo más reciente
m1= pendiente del periodo cuando se observó p.
Para graficar la recta del Doble Masa se construye la tabla siguiente:
 Estimación de datos faltantes

Con bastante frecuencia es necesario conocer el dato de lluvia de una o varias

tormentas o períodos mensuales, el o los cuales no se han podido medir o que

habiéndose medido no han sido volcado a la planilla de registros de la estación.

En esos casos existen criterios para obtener el dato buscado conociendo los

valores registrados en estaciones vecinas que tienen influencia sobre la zona

de ubicación del dato faltante, la cual se llamará Estación Incógnita.

 Estimación de datos faltantes

a. Método de los Promedios.

Escoger una estación índice (PA) cuya precipitación media anual es NA; si la

estación con dato faltante es PX, se halla su correspondiente precipitación media

anual NX con la siguiente relación:

N
P = ∗P
N
 Estimación de datos faltantes

b. Método del U.S. Weather Bureau.

El método consiste en ponderar los valores observados en una cantidad W, igual
al reciproco del cuadrado de la distancia D entre cada estación vecina y la
estación X, y por lo tanto la precipitación buscada será:

∑(P ∗ W)
P =
∑W
Donde:

Pi = Precipitación observada para la fecha faltante en las estaciones auxiliares

circundantes en mm.

W= , siendo,

Di = distancia entre cada estación circundante y la estación (Km).

Se debe utilizar estaciones circundantes (las más cercanas), y de manera que

cada una quede localizada en uno de los cuadrantes que definen unos ejes
coordenados que pasan por la estación incompleta.
 Estimación de datos faltantes

c. Completar por Razones Promedio.

Si en una zona cualquiera, la precipitación normal de la estación X, difiere en más de

un 10% con alguna de las estaciones vecinas, entonces es necesario aplicar la
ecuación siguiente:

N P P P
P = ∗ + +⋯
n N N N

Donde:

NX, NA, NB… NN = promedio normal de las precipitaciones anuales registradas en un

periodo común para las N estaciones y la estación X;

PA, PB… PN = precipitación en las n estaciones durante el periodo que falta en X.

n = número de estaciones que se utilizan para completar el dato faltante.

 Estimación de datos faltantes

d. Completar por Regresión Lineal

Este método es uno de los más utilizados; se recomienda para la estimación de

datos mensuales y anuales de la estación en estudio y las de una estación
pluviométrica cercana, que cuente con una estadística consistente y observada.
Para ello se requiere establecer una regresión y correlación lineal entre una
estación patrón y la estación que tenga carencia de información, mediante una
ecuación lineal de dos variables, del tipo:

y=a+b∗x

Donde;
y = Valor estimado de la precipitación para la estación carente (mm).
x = Valor de precipitación registrado en la estación patrón (mm).

a, b= constantes de regresión.
 Estimación de datos faltantes

e. Completar por Correlación Ortogonal.

 Estimación de datos faltantes

Procedimiento:
• Calcular media aritmética de ambas series (dependiente e independiente).

• Calcular la desviación estándar de ambas series.

• Calcular la variancia de ambas series

• Calcular la covarianza, a partir de la relación siguiente:

∑ x −x ∗y −y
Cov X, Y =
n

• Calcular los coeficientes de la ecuación cuadrática siguiente:

λ − σ +σ λ + (σ σ − σ )=0

• Calcular la pendiente de la recta, a partir de:

σ
m=
λ −σ
 Estimación de datos faltantes

• El Lambda 1 se obtiene del uso del signo positivo en la ecuación cuadrática.

Debe cumplirse que:

λ1 > λ2 > 0

• Calcular los coeficientes de la ecuación de regresión siguiente

Y = a + bX

Donde:
a = Y − mX

b=m
 Estimación de datos faltantes

f. Método Racional Deductivo.

Cuando no es posible disponer de estaciones cercanas y circundantes

a la estación incompleta, o bien las existentes no cuentan con

observaciones de los datos faltantes (mensuales), se puede estimar el

valor mensual faltante por medio de un simple promedio aritmético de

los valores contenidos en el registro para ese mes, lo anterior se

considera válido únicamente si es un solo año(o máximo dos) el faltante

y tal promedio se realiza con diez datos (años) como mínimo (o 20 años

en el caso de dos datos faltantes).

 Estimación de datos faltantes

f. Método Racional Deductivo.

El desarrollo del método se puede sintetizar en los siguientes cuatro pasos.

Paso 1) Efectuar la suma de precipitaciones mensuales en todos los años

completos y obtener la precipitación mensual promedio.

Paso 2) Calcular para todos los años completos los porcentajes mensuales
de precipitación, los que serán igual a la lluvia mensual entre el promedio
mensual calculado en el paso anterior y por 100. Al sumar los porcentajes
calculados y obtener su promedio deberán de obtenerse 1200 y 100,
respectivamente.

Paso 3) Todos los porcentajes mensuales correspondientes a cada uno de

los doce meses se suman y se divide tal suma entre el número de años
completos, es decir se calcula el porcentaje promedio Sj, con j variando de
1 a 12, uno para enero y 12 para diciembre.
 Estimación de datos faltantes

f. Método Racional Deductivo.

Paso 4) El método acepta la hipótesis que considera que los meses

desconocidos tendrán un porcentaje igual al porcentaje promedio (Sj). Se
designan las siguientes variables:

∑P
P = ∗S
1200 − ∑ S

Donde:
i = cada uno de los meses desconocidos, como máximo pueden ser once.
Pi = precipitación mensual desconocida en cada año incompleto, en mm.
ΣSi = suma de los porcentajes promedio de los meses cuya precipitación se
desconoce, en porcentaje.
Σp = suma de las precipitaciones mensuales conocidas en los años
incompletos, en mm.
Si = porcentaje promedio asignado a cada uno de los meses desconocidos
o faltantes.
 Estimación de datos faltantes

g. Completar por Regresiones Múltiples.

Este método es una extensión del método de regresión simple y su

forma de estimar la precipitación se basa en la expresión matemática
siguiente:

Y = a + bX + cX + dX + ⋯ + nX

Donde:
Y = valor de la precipitación estimada para la estación con carencia de
información.
Xi = valor de la precipitación en estaciones con información completa.
A, b, c, n = constantes de regresión.