ESCUELA POLITECNICA NACIONAL

FACULTAD DE INGENIERIA CIVIL Y AMBIENTAL

DEPARTAMENTO DE INGENIERIA CIVIL Y AMBIENTAL

CARRERA DE INGENIERÍA CIVIL

CLV343 Hidrología Básica

Periodo 2018B

Dr. Verónica Minaya – Ing. Sebastián Páez M.Sc.

Contenido
Análisis de información hidrometeorológica
• Introducción
• Agregación de datos
• Confiabilidad de datos
• Caracterización climática
• Análisis doble masas
• Correlación y relleno
• Ejercicios
Introducción
 Los datos hidrometeorológicos son series temporales.
 Serie temporal, sucesión de observaciones de una variable en varios instantes de tiempo.
Introducción
 Las series temporales tienen que ser estacionarias, para análisis estadístico y predicción de
valores futuros.
 Estacionalidad,
• Media, desviación estándar, etc… constantes en el tiempo
• Autocorrelación constante en el tiempo
 No estacionalidad,
• Cambio en la media, tendencia
• Cambio en la desviación estándar, saltos, inestabilidad de la varianza
Agregación temporal de variables
Condensación de datos con intervalos de tiempo cortos a datos con intervalos de tiempo más
largos. Ej:

Minutos, horas, Días, meses,

días, meses años

 Ejemplos de agregación:
Estadística básica para precipitación
Media Aritmética

Varianza

Desviación Estándar

Coeficiente de Variación
Estadística básica para precipitación
Coeficiente de asimetría

Cs

Positiva Cs > 0
Negativa Cs < 0

Distribución de una Frecuencia

Relativa de una muestra y su
asimetría
Confiabilidad de datos
Sirve para verificar la homogeneidad de los datos en una estación de medición
de precipitación / caudal.

Serie de datos de precipitación

Fuente: Datos climáticos históricos para las regiones españolas. CRU TS 2.1
Confiabilidad de datos
Indica anormalidad debida a cambio de lugar de la estación, cambio condiciones
aparato registrador, etc.

Series cronológicas para la comprobación de datos

de caudal
Fuente: Organización Meteorológica Mundial
Análisis de doble masas
 Se construye una curva doble acumulativa entre una serie determinada
(precipitación, caudal) y la media regional de los mismos eventos.
 El análisis debe comparar las series de datos que corresponden temporalmente

al mismo período.
 Análisis de la pendiente de la curva acumulativa.

Si no hay cambio de
pendiente los
datos son homogéneos. (Ma)

Si hay cambio de pendiente

los datos
deben corregirse. (Mo)
Análisis de doble masas
Proceso de Corrección

Paj = ( Ma/Mo)Po

• Paj: observaciones de precipitación ajustadas

a las condiciones actuales de localización,
exposición o método de observación del
puesto pluvimétrico.
• Po: datos observados que deben ser
corregidos.
• Ma: pendiente de la recta durante el período
correcto de toma de datos.
• Mo: pendiente de la recta en el período en que
se hicieron las observaciones
Análisis de doble masas

Pei: precipitación media de la región,

Pj , Precipitación de las estaciones homogéneas

n, número de estaciones de la región.

** Se necesita definir la región que presente condiciones
homogéneas: topografía,
régimen pluviométrico, vegetación, uso de suelo
Relleno de datos faltantes –
Regresión lineal
• Gráfica de datos.
• Depende de variables.
• Genera una ecuación de predicción de valores de respuesta a uno o mas
valores de la variable independiente.

• Si se estima y a partir de la regresión de la muestra se tiene:

 y = a + b*x a = intersección
b = pendiente

a y b son parámetros a estimar a partir de los datos de la muestra (una parte

representativa de la población).
Relleno de datos faltantes –
Regresión lineal
• Utiliza el método de mínimos cuadrados
Relleno de datos faltantes –
Regresión lineal
Elección de un modelo
• A menudo se utiliza el modelo de regresión lineal más simple aunque se
sabe que el modelo es algo diferente del lineal

• Este enfoque por lo general es sólido, en particular cuando el rango de x

es pequeño. El modelo se convierte en una función de aproximación
adecuada.
Relleno de datos faltantes –
Correlación
• Intenta medir la fuerza de tales relaciones entre dos variables por medio de
un solo numero llamado coeficiente de correlación.
• La medición de la asociación lineal entre dos variables X y Y se estima
mediante el coeficiente de correlación muestral r, donde :

• El valor de r mayor a 0.7 (r >0.7) se puede

considerar como buena correlación entre
dos variables en la práctica
0<r<1
Caracterización climática
Interpretación de variables meteorológicas en el largo plazo (años):
• Precipitación
• Temperatura
• Humedad Relativa
Caracterización climática
Precipitación

Ejemplo: Vacío datos

Media mensual de la serie 1976-1990 Media anual de la serie 1976-1990

Caracterización climática
Precipitación

 Distribución
Media mensual
(régimen unimodal)

 Media anual

Isoyetas
(iso-lineas de precipitación)
 Ejercicio 1 – Tratamiento series
En base a las estaciones M0188, M0436, realizar lo siguiente:

1- Obtener los siguientes datos estadísticos de las series: media aritmética, desviación
estándar, varianza, coeficiente de asimetría.
2- Graficar la serie temporal de ambas estaciones.
3- Determinar la homogeneidad de los datos de las estaciones mediante doble masas.
4- Encontrar determinación muestral (r2)
5- Encontrar el coeficiente de correlación (r)
6- Realizar el relleno de datos de la estación M0436 mediante regresión lineal.
7- Graficar la serie temporal de ambas estaciones, luego del relleno.
Ejercicio 1
 Ejercicio 2 – Caracterización
En base a las estaciones M0188, M0436, realizar lo siguiente:

1- Encontrar los valores de media mensual

2- Encontrar la media anual
3- Realizar un gráfico de la distribución de la precipitación media mensual
4- Determinar el régimen pluviométrico (unimodal?, bimodal?, donde son los mínimos y
máximos)