Documentos de Académico
Documentos de Profesional
Documentos de Cultura
hidráulicos de ingeniería.
Incertidumbres y confiabilidad
• Humberto Marengo •
Comisión Federal de Electricidad, México
• Felipe I. Arreguín •
Comisión Nacional del Agua, México
• Ignacio Romero •
Comisión Federal de Electricidad, México
Resumen
Tecnología y Ciencias del Agua, antes Ingeniería hidráulica en México, vol. I, núm. 4, octubre-diciembre de 2010, pp. 5-35
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
20 años; para el análisis sísmico de la cortina Aun cuando el riesgo evaluado con la
de una presa se considera un sismo de diseño ecuación (3) considera una buena parte de
con periodo de retorno de 1 000 a 10 000 años; los riesgos por eventos naturales, existen
se estima como sismo más frecuente el asociado incertidumbres asociadas con las variables
con 200 años de periodo de retorno. que integran las expresiones de carga y
El periodo de retorno se define como el resistencia de los sistemas analizados que no
tiempo promedio en que una magnitud de la se toman en cuenta, por lo que el riesgo total
resistencia Y será igualada o excedida (Chow, de un sistema complejo en el que intervienen
1953; Ang et al., 1991). Por lo anterior, si Tr se fenómenos naturales no debe evaluarse con
expresa en años (para Tr > 1), la probabilidad otro método.
de que un evento Z iguale o exceda a Y en cada
año está dado por: b) Método de integración directa
1
P (Z ≥ Y ) = (1) El riesgo se evalúa por medio de una integra-
Tr (Y )
ción directa, analítica o numérica de las
funciones de densidad de la carga y resistencia.
En fenómenos naturales, Z se supone como En este caso, las funciones de distribución
una variable continua, y si el riesgo de falla se mencionadas deben estar definidas. Si dichas
define como la probabilidad de ocurrencia de situaciones describen correctamente las
8 que Z sea mayor que Y en cada año, entonces variables que representan, entonces el método
la probabilidad de que un sistema no falle es: es exacto.
En 1980, Tang presentó un procedimiento
1 (2) que permite incorporar las incertidumbres
P (Z ≤ Y ) = 1−
Tr (Y ) al modelo de probabilidad en la evaluación
del riesgo de falla en presas; para ello
La probabilidad de que no se presente una utilizó una integración directa para la
falla en alguno de los n años de la vida útil del valoración del riesgo hidrológico. En 1977,
proyecto será: Wood calculó la sobreelevación y el riesgo
estructural en forma analítica, con funciones
n de densidad de probabilidad supuestas
1
P (Z ≤ Y ) = 1 − (3) para las avenidas y para los modos de falla,
Tr (Y ) donde no se consideraron las incertidumbres
hidrológicas, hidráulicas y de modelación
Cabe mencionar que al desarrollar las paramétrica. También en 1977, Tung y Mays
ecuaciones (1), (2) y (3) se han hecho dos supo- definieron los riesgos para alcantarillas y
siciones: a) la ocurrencia de los fenómenos de bordos, al estimar primero los parámetros
la variable aleatoria Z es independiente en la estadísticos de carga y resistencia a partir
vida útil de n años, y b) el sistema natural es de las incertidumbres de los parámetros con
invariante en el tiempo. fórmulas de aproximación de primer orden
Ciencias del Agua, octubre-diciembre de 2010
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
seguridad FM(0). El riesgo de falla se evalúa ...). Aunque este ajuste es inestable en un
como la relación entre el número de valores principio, en la medida que se procede en el
positivos o negativos de FM(0) con respecto al muestreo, el proceso es esencialmente secuen-
total de elementos generados. cial y se puede llevar a cabo por medio del pro-
En 1981, Duckstein y Bogardi estimaron ceso de filtrado de Kalman, el cual se describe
la probabilidad de falla en presas de jales claramente en la referencia de Hoshiya et al.
(minas). En 1972, Haan evaluó con este Cuando ai converge a valores en los que el
método las probabilidades de error en coeficiente de autocorrelación es cercano a uno,
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
la probabilidad de falla del sistema se estima natural, ambos están sujetos a variabilidad
como: por diversas condiciones de carga externas;
es obvio que también la resistencia puede
PF = P ( Z ≤ 0) = F (0, a1 , a 2 ,...) (4) cambiar en el tiempo.
Tradicionalmente en un problema de
Cabe subrayar que con este método es demanda-resistencia (Marengo, 2006), la
posible obtener una convergencia eficiente confiabilidad se expresa en función del factor
debido a que el procedimiento es una de seguridad FS = X/Y o como el margen de
“aproximación lineal” de PF, en lugar de una seguridad MS = X–Y, mientras que las varia-
estimación puntual, como tradicionalmente se bles FS, MS, X y Y se consideran determinísticas.
hace. Si la resistencia y la demanda tienen naturaleza
De hecho, puede decirse que la técnica estocástica, también FS y MS serán variables
de Monte Carlo es tal vez la única solución aleatorias estocásticas.
técnica a problemas que no pueden resolverse Cuando un análisis se lleva a cabo con
analíticamente debido al comportamiento variables estocásticas (Marengo, 2006), los
no lineal o complejo de las relaciones que resultados usualmente se expresan en términos
intervienen en los sistemas analizados. Sin del índice de confiabilidad b, al que se le
embargo, este método tiene las siguientes calcula la probabilidad de ocurrencia ps, que en
desventajas: un sistema de ingeniería hidráulica se define
10 como la probabilidad de seguridad (no falla) en
1. El riesgo estimado al usar la técnica no es el que la resistencia del sistema excede la carga;
único, depende del tamaño de la muestra y esto es:
del número de simulaciones. Los momentos
estadísticos reales de la unión de funciones ps = P ( L ≤ R) (5)
de distribuciones de probabilidad no son
del todo ciertas. La probabilidad de falla, Pf , es el
2. El costo y tiempo de computación que se complemento de la confiabilidad o riesgo, que
consume con esta técnica se incrementa puede expresarse como:
sustancialmente en la medida que el nivel
de precisión y el número de variables se
incrementen; en general, se recomienda que R = Pf = P ( L > R) = 1 − Pf (6)
si se puede aplicar un modelo analítico, éste
debe preferirse a la simulación de Monte Debe recordarse que el riesgo en un siste-
Carlo. ma de ingeniería puede estimarse (USACOE,
1976) como:
Confiabilidad
1 n
R = 1 − (1 − ) (7)
Tr
La confiabilidad de un sistema de ingeniería
“es más realista cuando se mide en términos Donde R = riesgo, Tr = periodo de retorno
Ciencias del Agua, octubre-diciembre de 2010
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
N
∂g (X )
Mx (s ) = M [ fx (x)] W = g (µ ) + ∑ (Xi − µi)
(10) i =1 ∂Xi µ
∞
= ∫ x s−1 fx (x) dx = E (x s−1), x > 0 (12)
0
1 N N ∂ 2g (X)
+ ∑∑ (Xi − µ i)(Xj − µj ) + ε
Donde MX(s) es la transformada de Mellin 2 i =1 j =1 ∂Xi ∂Xj
µ
de la función fX(x) (Springer 1979). Por lo
tanto, la transformada de Mellin proporciona Donde µi es la media de las variables Xi, µj
una forma alternativa para encontrar los es la media de las variables Xj y ε representa los
momentos de cualquier orden para variables términos de orden superior.
aleatorias no negativas. Las derivadas parciales de primer orden
Al igual que la propiedad de convolución son los llamados coeficiente de sensibilidad y
de las transformadas Exponencial y de Fourier, cada uno representa la razón de cambio en el
la transformada de Mellin de la convolución modelo W con respecto a la unidad de cambio
de las DPA asociadas con múltiples variables de cada variable en µ.
12 aleatorias independientes en una forma de Despreciando los términos de orden
producto es simplemente igual al producto superior (ε en la ecuación (12)), la esperanza
de las transformadas de Mellin de las DPA del modelo W puede expresarse como:
individuales. Además de la propiedad de
convolución, la transformada de Mellin tiene
1 N N ∂ 2g(X )
varias propiedades operacionales útiles, como E (W ) ≈ g(µ ) + ∑∑ Cov Xi , Xj (13)
2 i=1 j =1 ∂Xi ∂Xj
se muestra en el anexo I. µ
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
evaluados en el punto de falla; C(X) es la matriz aproximación, las ubicaciones de x– y x+, y las
de variancia-covariancia del vector aleatorio masas correspondientes p– y p+, se determinan
X. Cuando todas las variables aleatorias son para preservar los tres primeros momentos de
independientes, la variancia del modelo W de la variable X. Sin cambiar la naturaleza del
salida puede aproximarse como: problema original, es más fácil tratar con la
(X − µ)
variable estandarizada X ′= , la cual tiene
σ
N media cero y variancia unitaria. Por lo tanto,
Var (W ) ≈ ∑ si2 σ i2 = stDsS (19)
i =1
en términos de x’–, x’+, p– y p+:
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
x− = µ − x−′ σ (28)
p+
x+ = µ + x+′ σ (29)
x
x_ x x+ Basado en x– y x+, los valores del modelo
W = g(X) en los dos puntos pueden calcularse
Figura 1. Diagrama esquemático con el método de como: w– = g(x–) y w+= g(x+).
Rosenblueth. Entonces, los momentos alrededor del
origen de W = g(X) de cualquier orden pueden
estimarse como:
p+ + p− = 1 (20)
E W m = µ′wm≈ p+ w+m + p− w−m (30)
p+ x+′ + p− x−′ = µx′ = 0 (21)
Además del método de la estimación
2 2 de primer orden de la variancia (FOVE),
p + x+′ − p − x−′ = σ 2
X′ = 1 (22)
14 el método de la estimación probabilística
(EP) de Rosenblueth provee una capacidad
p+ x+′ 3 − p− x−′ 3 = γ (23)
adicional que permite hacer el análisis que
toma en cuenta la asimetría asociada con la
x− − µ x −µ función de distribución de probabilidad (DPA)
En estas ecuaciones, x−′ = , x+′ = +
σ σ de una variable aleatoria. Karmeshu y Lara-
y g es el coeficiente de asimetría de la variable
Rosano (1987) demuestran que el método de
aleatoria “X”. Resolviendo las ecuaciones (20) a
FOVE es una aproximación de primer orden
(23) en forma simultánea se obtiene:
del método de Rosenblueth de estimación
probabilística.
2
γ γ Es un caso general donde el modelo
x+′ = + 1+ (24)
2 2 involucra N variables. El nésimo momento de
salida W = g(X1, X2,..., Xn) alrededor del origen
x−′ = x+′ − γ (25)
puede aproximarse como:
x −′ (26)
p+ =
x +′ + x−′
E(W m) ≈∑ p(δ1, δ2 , ..., δN)[w (δ1 , δ2 , ..., δN )] (31)
m
p− = 1 − p+ (27)
En la que el signo del indicador con
subíndice di puede ser sólo + o –, representando
Ciencias del Agua, octubre-diciembre de 2010
método. Las bases teóricas del método de Harr En la que Y es un vector de N variables
se basan en transformaciones ortogonales de estandarizadas normales, que tiene a D como
la matriz de correlación. vector medio y la matriz identidad I, como la
La transformación ortogonal es una herra- matriz de covariancia, y D es una matriz diago-
mienta importante para tratar problemas con nal de variancias de N variables aleatorias.
variables aleatorias correlacionadas. El objetivo Las variables transformadas Y son
principal de la transformación es mapear funciones lineales de las variables originales
las variables correlacionadas de su espacio aleatorias, por lo que las variables aleatorias
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
βAFOSM =
µW
=
∑i =1 si* ( µi − xi*) (50)
N
W (X) ≈ ∑
N
s (Xi − xi *) = s*t (X− Xi *)
i =1 i *
(42)
σW ∑ i=1αi* si*σi
En la que s* = (s1*, s2*,...sN*)t es un vector de Una vez que bAFOSM se ha calculado, la
sensibilidad de los coeficientes de la función de confiabilidad puede estimarse como ps =
comportamiento W(X) evaluado en el punto de F(bAFOSM); la sensibilidad de las variables se
expansión X*. calcula como:
El valor de S es:
x '*
∇x ' βAFOSM = ∇x ' x'* = = − α * (51)
x '*
∂W(X )
si* = (43)
∂xi X = x* Ecuación que muestra que –ai* es la relación
del cambio en bAFOSM debido a un cambio en la
desviación estándar de la variable Xi en X = 17
Entonces el valor medio y la variancia de la
X*. Entonces la relación entre ∇x'b y ∇xb puede
función W(X) pueden expresarse como:
expresarse como:
µW ≈ s*t ( µ − X* ) (44)
∇x ' β AFOSM = D1/2 ∇x ' β AFOSM = − D −1/2 α * (52)
2
σW ≈ s*t C (X) s* (45)
También puede demostrarse que el
coeficiente de sensibilidad de la confiabilidad
En la que C(X) es la matriz de covariancias
o probabilidad de falla con respecto a cada
de las variables aleatorias; si las variables no
variable estocástica puede ser expresada
están correlacionadas:
como:
n
2
σW = ∑ i=1si2* σi2 (46)
∂P
s' = − αi * φ ( β AFOSM ), i = 1, 2, ..., n (53)
La desviación estándar de la función de ∂X
i X*'
comportamiento W(X) puede expresarse en
términos de las derivadas direccionales como:
∂ ps − α i* φ ( βAFOSM )
= ; i = 1, 2, ..., n (54)
σW = ∑
n
α s σ (47) ∂Xi σi
i =1 i * i* i
Ciencias del Agua, octubre-diciembre de 2010
En forma matricial:
Donde ai* es la derivada direccional para la
variable iésima en el punto x*:
∇x * ps = φ ( βAFOSM)∇x βAFOSM
(55)
si* σi = −φ ( βAFOSM) D1/2α *
αi * = , i = 1, 2, ..., N (48)
N
∑ j =1 sj * σ j
2 2
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
N X − µx Y − µy
µ ∑ si *(µi − xi *)
βAFOSM = W = i=1n (58)
X′ =
σx
, Y′ =
σy
(59)
σW ∑ αi* si* σi i =1
El espacio de estas variables reducidas se
Y el índice de confiabilidad Ps = j(bAFOSM) muestra en la figura 2. También en términos de
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
σ 2M = σ 2X − σ 2Y (64)
de las variancias de las variables estudiadas. segundos momentos pueden resumirse como
Debido a lo anterior, en el caso de que sigue:
se tengan variables con distribuciones de
probabilidad diferentes a la normal, se debe • El punto más probable de falla se puede
evaluar la probabilidad que corresponde con calcular con la ecuación:
base en la distribución normal equivalente,
cuya aplicación se muestra en diversos libros Xi′ * = − αi* β (68)
de estadística.
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
donde las derivadas son evaluadas en (X1’*, QD = 0.463 n-1D2.67S 0.5 (72)
X2’*,..., Xn’*), con:
Donde:
Xi* = σxi Xi′* + µxi = µxi − α*i σxi β (70)
Q = gasto en ft3/s.
• La solución de la ecuación límite de estado n = coeficiente de rugosidad en ft1/6.
permite obtener b. D = diámetro en ft.
S = pendiente del tubo.
Los resultados resumidos anteriormente
permiten plantear el siguiente algoritmo para Las propiedades estadísticas de las varia-
20 aplicar el método avanzado de primer orden bles se muestran en el cuadro 1.
de los segundos momentos estadísticos, y que La confiabilidad debe calcularse para cono-
es el empleado en el cuerpo del trabajo: cer las condiciones en las que la alcantarilla
descargue 35 ft3/s.
1. Definir una función de comportamiento
“g(X)” con las variables estadísticas que se Método de la integración directa
consideren adecuadas y significativas en el
problema analizado. Para la alcantarilla analizada, con variables
2. Suponer un punto inicial de falla X’*i
; i = 1, aleatorias n, D y S, se tienen las siguientes
2, ...,..., n y obtener: propiedades estadísticas (cuadro 1).
Xi* − µxi
Xi′* = (71) La función de resistencia es:
σxi
Debe señalarse que con la aplicación de este Parámetro Media Coeficiente de variación
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
Considerando que las variables n, D y S son aleatorios de cada variable y se estima cuántas
independientes y lognormales, la función de veces excede el valor cero; el riesgo de falla
comportamiento puede escribirse: se evalúa como la relación entre el número
de valores positivos o negativos de FM(0) con
respecto al total de elementos generados.
W ( n, D, S )
Se adoptaron las características estadísticas
= [ln(0.463) − ln(n) + 2.67 ln(D) + 0.5 ln(S) ]− ln(35) de media y desviación estándar para cada
W ( n, D, S ) variable, con distribuciones de probabilidad
= − ln(n) + 2.67 ln(D) + 0.5 ln( S ) − 4.43319 normal para cada una de ellas, y se generaron
3 000, 4 000, 5 000 y 6 000 números aleatorios,
ps = p [W ( n, D, S ) ≥ 0 ] (75) con una distribución de probabilidad uniforme
en un rango U(0,1), obteniendo como resultado
n, D y S son variables lognormales para cuatro corridas diferentes los resultados
independientes; debido a que ln(n), ln(D) y mostrados en el cuadro 2.
ln(S) son variables aleatorias independientes, Para el análisis se adoptó como resultado
entonces la función de comportamiento W(n, el obtenido para 6 000 números aleatorios, que
D y S) es una función lineal de variables dio como resultado una probabilidad de falla:
aleatorias independientes; entonces W(n, D y
S) es una función lineal de variables aleatorias pF = 0.02011
normales independientes, cuya media, de 21
acuerdo con la propiedad reproductiva de Como se señaló anteriormente, el método
variables aleatorias es: de Monte Carlo es sensible al tamaño de
la muestra y aún con un gran número de
µW = − µln(n)+ 2.67 µ ln(D) + 0.5µln (S) − 4.3319 simulaciones, en cada caso se obtienen
(76) resultados diferentes.
= 0.15853
Método de Mellin
Y variancia:
En el ejemplo de aplicación considere que
Ω2w = - Ω2ln n + (2.67)2 Varln(D ) + (0.5)2 Varln(S) los tres parámetros del modelo son variables
(77 aleatorias independientes con las propiedades
= 0.005977 indicadas en el cuadro 3.
De acuerdo con la transformación de Mellin,
La confiabilidad se puede obtener como: el gasto MQ(s) puede obtenerse como:
µ 0.15853
ps = p(W > 0) = φ W = φ MQ ( s) = 0.46 3s−1 Mn ( − s + 2) M D (0.5 s + s ) (78)
0.0059765
σW
nb −s +2 − na−sS +2
Método de Monte Carlo M n ( −s + 2) = (79)
( − s + 2)( nb − na)
Una vez que se establece la función de
comportamiento respectiva (ecuación (73)), se Para el diámetro de la alcantarilla con una
genera una muestra significativa de números distribución triangular se obtiene:
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
Cuadro 2. Resultados de probabilidad de falla obtenidos con el método de MonteCarlo con muestras
aleatorias de 3 000, 4 000, 5 000 y 6 000 números generados con distribución de probabilidad uniforme.
Números
Corrida 1 Corrida 2 Corrida 3 Corrida 4 Promedio
aleatorios
3 000 58/3 000=0.01933 62/3 000=0.02066 68/3 000=0.02266 57/3 000=0.01933 0.02050
4 000 88/4 000=0.02200 83/4 000=0.02075 80/4 000=0.02000 85/4 000=0.02125 0.02100
5 000 107/5 000=0.02140 109/5 000=0.02180 101/5 000=0.02020 106/5 000=0.02120 0.021150
6 000 125/6 000=0.02083 126/6 000=0.02010 122/6 000=0.02033 115/6 000=0.01917 0.02011
Parámetro Distribución
D Distribución triangular con límite inferior de 2.853, media 3.0 y superior de 3.147
22
MD ( 2.67s − 1.67 ) =
2 E (Q 2) = MQ (s = 3)
( db − da )( 2.67 s − 1.67)(2.67 s − 0.67)
= ( 0 . 0 4 6 3) 2 [ M n ( − 1)] M D ( 6 . 3 4 ) M S ( 2 . 0 0 )
db ( db2.67S −1.67− d m2.67 S−1.67) d a ( d m2.67 S −1.67− d a2.67S −1.67)
− = ( 0 . 4 6 3) 2 ( 4 478.08)(354.681)(0.005)
db − dm dm − da
= 1 702.40 ft3/s
(80)
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
s=2 s=3
− 2 ( 2 733.99)(36.50)Cov( n, D )
W = 41.01 + 0.463 ( − 1)(0.015) −2 (3.0 ) 2.67 (0.005 ) 0.5 La desviación estándar de la capacidad del
( n − 0.015 ) flujo es:
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
Punto n D S Q f
1 + + + 42.19 0.03125
2 + + − 40.14 0.03125
3 + − + 37.92 0.21875
4 + − − 36.07 0.21875
5 − + + 46.64 0.21875
6 − + − 44.36 0.21875
7 − − + 41.19 0.3125
8 − − − 39.81 0.3125
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
25
⇒ µW = 41.139 − 35 = 6.22 (ft/s
3
); 0.7071
Dónde Vi es un vector con valor Vi = 0.7071,
2
σW = 3.166 (ft3/s) 0.7071
ya que las variables no están correlacionadas.
µ
∴ pS = P (Q > 35) = φ ( β ) = φ W Las coordenadas resultantes de los seis
σW puntos de intersección de estas ecuaciones
se enlistan en la columna 2 del cuadro 7.
6.22
=φ = φ (1.939) = 0.97381 Sustituyendo valores de x (columna 2)
3.166
en la fórmula de Manning se calculan los
correspondientes al gasto (columna 3); los
La probabilidad de falla es:
valores de Q2 se presentan en la columna 4,
calculando el segundo momento respecto al
pF = 1− 0.97381 = 0.02619
origen.
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
La variancia del flujo en la alcantarilla es: Con el método FOVE se estimó que:
Punto X = (n, D, S) Q Q2 Q– Q 2–
41.385 1 739.979
1- (0.01408, 3.0735, 0.005) 46.606 2 172.141
2+ (0.01592, 3.0735, 0.005) 41.22 1 699.054
41.055 1 685.511
2- (0.01408, 2.9265, 0.005) 40.89 1 671.967
3+ (0.015, 3.00, 0.00531) 42.262 1 786.076
40.99 1 681.807
3- (0.015, 3.00, 0.00469) 39.718 1 577.537
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
Método avanzado del primer orden del 5. Calcular el índice de confiabilidad con
segundo momento (AFOSM) según respecto a los cambios de las variables
Hasofer-Lind estocásticas.
W (n, D, S ) = − 6.010 27
pF = 1− 0.9802 = 0.01983
∂W (X )
s i* = ; Sn = 2 734; SD = 0.00365;
∂xi X=x* La sensibilidad del método se muestra en el
SS = 0 .0 0 0 0 4 1 0 1 cuadro 9.
∂ps
En el cuadro 9, las cantidades ∂β y
∂xi′ ∂xi′
3. Revisar el punto de solución de acuerdo muestran las sensibilidad del índice de
con la ecuación de comportamiento: confiabilidad por el cambio de una vez de la
desviación estándar, mientras que muestra que
W (n , D, S ) = − 6.010
∂β y ∂ ps corresponden al cambio unitario de
y ∂xi ∂xi
las variables aleatorias en el espacio original.
dif = X1− X2 = ( 0.01592 − 0.015) 2 + ( 2.921 − 3.0 ) 2 La sensibilidad de b y pS asociadas con
0.5 el coeficiente de Manning son negativas;
+ ( 0.004847 − 0.005)2 = 0.07857
mientras que las asociadas con el diámetro
y la pendiente son positivas; esto indica que
4. Verificar si X(r) y X(r+1) son lo suficientemente un incremento en el coeficiente de Manning
cercanos; en caso afirmativo, calcular bAFOSM resultaría en un decremento de b y pS, mientras
con la ecuación: que un incremento en la pendiente y en el
Ciencias del Agua, octubre-diciembre de 2010
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
28
Cuadro 9. Sensibilidad del método AFOSM según Hasofer.
Método avanzado del primer orden del C11 = 0.463; C 21 = −1.0; C 3 = 2.67; C4 = 0.5
segundo momento (AFOSM) según Tang
Las derivadas parciales del gasto son:
La función de comportamiento del problema
si: ∂Q 1 1
= 0.463 D 8/3S 1/2(− 2 ) = C 11* D C 3S C 4 (− 2 )
∂n n n
QD = 0.463n-1D2.67S 0.5
= C 11 D C3S C 4 ( − nC 21−1 )
W ( n, D, S ) = 35 − 0.463n-1D 2.67S 0.5 ∂Q
Ciencias del Agua, octubre-diciembre de 2010
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
∂Q Discusión de resultados
= 0.463 (0.015) −1(0.005 )1/2 (2.67(3)5/3 ) = 36.499
∂D
El resumen de los métodos de estimación de
∂Q riegos se muestra en el cuadro 11.
= 0.463 (0.015 ) −1 (3) 8/3 (0.5 ( 0.005) −1/2 )
∂S Se pueden señalar las siguientes observa-
= 4 100.98787 ciones: 29
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
Probabilidad
Media Varianza Confiabilidad Riesgo de falla
Método de evaluación de no falla
mw Var (W) b pF
ps
Integración directa 0.15853 0.0059765 2.0506 0.97818 0.02182
Ciencias del Agua, octubre-diciembre de 2010
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
Similar a la convolución de las transformadas ANG, A., ANG, G.L. and TANG, W.H. Multidimensional
exponencial y de Fourier, la transformada de Kernel method in importance sampling. ICASP no. 6,
México, D.F., 1991.
Mellin se puede asociar con múltiples variables
ANG, A. and CORNELL, C.A. Reliability of structure safety
estocásticas independientes, en un producto
and design. Journal of the Structure Division, ASCE. Vol.
que es simplemente igual al producto de las
100, no 9, September, 1974, pp. 1755-1769.
transformadas individuales de cada variable, BORGMAN, L.E. Risk criteria. Journal of Waterways an
asociada con su función de distribución de Harbors Div. American Society of Civil Engineers. Vol.
probabilidad. 89, no. WW3, 1963, pp. 1-35.
Los cuadros A.1 y A.2 muestran la trans- CHOW, V.T. Frequency-Analysis of hydrologic data with special
formada de Mellin de algunas distribuciones aplication to rainfall intensities. Bulletin 414. Urbana, USA:
University of Illinois Engineering Experimental Station,
comúnmente usadas.
1953.
El cuadro A.3 muestra la transformada de CORNELL, C.A. Structural safety specifications based on second
Mellin de algunas funciones de densidad de moment analysys. Final report of the IABSE. Symposium
probabilidad comunes. on Concepts of Safety Structures and Methods of Design,
London, 1969.
Publicado por invitación
32
Cuadro A.1. Propiedades operativas de la transformada de Mellin sobre distintas distribuciones de probabilidad.
FDP
Propiedad Variable aleatoria Transformada de Mellin
fx(x)
Cuadro A.2. Productos y cocientes de la transformada de Mellin sobre variables aleatorias estocásticas.
W = Xb fX(x) MX(bs – b + 1)
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
Cuadro A.3. Transformada de Mellin para algunas funciones de distribución de probabilidad (FDP) y
de densidad fx(x) comúnmente usadas.
1 b s− a s
Uniforme
b−a s (b − a )
1 − z2/2 2s−1 Γ s
Normal estándar e 2
2π ,para s impar, o para s par
π
1 1 ln X − µ ln X 2
− ( ) 1 2 2
Log normal e 2 σ
exp (s −1) µ ln X + (s −1) σ ln X
2 π xσ ln X 2
Exponencial β e −β x β 1− s Γ(s)
β β s−1Γ(α + s − 1)
Gamma (β x)α −1 e− β x
Γ (α ) Γ (α)
2 x−a
, a ≤x ≤m
b − a m − a 2 b( bs − ms ) a ( ms− as )
Triangular −
2 b −x s (s + 1 ) (b − a ) b − m m −a
, m≤ x≤ b
b −a b − m
33
α x − ξ
α −1
x ξα s −1
s − 1 k s−1−k k
Weibull exp − − ∑ β ξ Γ +1
β β k =0 k
β α
s −1
s − 1 s−1−k
xα −1 (1 − x) ∑ k
a ( b − a ) M X ( k),
k
Beta estándar k =0
B(α , β )
donde MX(k) para la beta estándar
DUCKSTEIN, L. and BOGARDI-SZIDAROVSKY, I. LEIRA, J.B. Importance sampling distributions for Gaussian
Reliability of underground flood control system. Journal vector process. México, D.F.: ICASP, 1991.
of the Hydraulics Division. ASCE. Vol. 107, July, 1981, pp. MCKAY, M.D., BECKMAN, R.J. and CONOVER, W.J. A
817-827. comparison of three methods for selecting values of
HAAN, C.T. Adequacy of hydrologic records for parameter input variables in the analysis of output from a computer
estimation. Journal of the Hydraulics Division. Vol. 98, code. Technometrics, Vol. 21, 1979, pp. 239-245.
ASCE, August, 1972, pp. 1387-1393. MARENGO, M.H. Análisis de riesgo de falla en presas,
HARR, M.E. Probabilistic Estimates for Multivariate estadísticas y parámetros de referencia. Ingeniería
Analyses. Applied Mathematical Modelling. Vol. 13, 1989, hidráulica en México. Vol. XI, núm. 2, mayo-agosto de
pp. 313-318. 1996, pp. 65-77.
Ciencias del Agua, octubre-diciembre de 2010
HOSHIYA, M., KUTSANA, Y. and FUJITA, M. Adaptive MARENGO, M.H. Case Study: Dam safety during
estimation of structural reltability by importance sampling, construction, lessons of the overtopping diversion works
ICASP no. 6, México, D.F., 1991. at Aguamilpa dam. Journal of Hydraulic Engineering.
KARMESHU, F. and LARA-ROSANO, F. Modelling Data ASCE. Vol. 132, no. 11, November, 2006, pp. 1121-1127.
Uncertainty in Growth Forecasts. Applied Mathematical MATALAS, N.C., SLACK, J.C. and WALLIS, R. Regional
Modelling. Vol. 1, 1987, pp. 62-68. skew in search of a parent. Water Resources Research. Vol. ll,
IBRAHIM, Y. and RAHMAN, S. Reliability analysis of no. 6, 1975, pp. 815-826.
uncertain using systems using importance sampling. ICASP MAYS, L.W. and TUNG, Y.K. Hydrosystems Engineering and
no. 6, México, D.F., 1991. Management. New York: McGraw-Hill, 1992.
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
PARK, C.S. The Mellin Transform in Probabilistic Cash TANG, W.H. bayesian frequency analysis. Journal of the
Flow Modeling. The Enginnering Economist. Vol. 32, no. Hydraulics Division. ASCE. Vol. 106, July, 1980., pp.
2, 1987, pp. 115-134. 1203-1218.
RACKWITZ, R. and FIESSLER, B. Non-normal distributions U.S. ARMY CORPS OF ENGINEERING. Recomended
in -structural reliability. SFB 96, Technical University of guidelines for safety inspection of dams. ER 1110-2-106. Vol.
Munich, Ber Zur Sicherheitstheorie der Bauwerke no. 1. Appendix D. Washington, D.C.: National Program
29, 1978, pp. 1-22. Inspection of Dams, 1979.
ROSENBLUETH, E. Point estimates for probability VRIJLING, J.K. Development of probabilistic design
moments. Procedings. National Academy of Science. Vol. in flood defenses in the Netherlansds. Reliability and
72, no. 10, 1975, pp. 3812-3814. Uncertainty Analysis in Hidraulic Design. Yen, B.C. and
ROSENBLUETH, E. Two-point estimates in probabilities. Tung, Y.K. (editors). New York: ASCE, 1993, pp. 133-
Applied Mathematical Modelling. Vol. 5, 1981, pp. 329-335. 178.
SPRINGER, M.D. The Algebra of Random Variables. New WEN, Y.K. Statistical combination of extreme loads.
York: John Wiley and Sons, 1979. Journal of the Structural Division. ASCE. Vol. 103, no. 5,
TANG, W.H. Probability concepts in engineering planning May, 1977, pp. 1079-1093.
and design. Vol. I, Basic Principles. Vol. 11, Decision, Risk, WOOD, E.F. An analysis of flood levee reliability. Water
and Reliability. New York: Wiley and Sons, 1984. Resources Research. Vol. 13, no. 3, 1977, pp. 665-671.
34
Ciencias del Agua, octubre-diciembre de 2010
Tecnología y
Marengo et al., Evaluación de riesgos en proyectos hidráulicos de ingeniería. Incertidumbres y confiabilidad
Abstract
MARENGO, H., ARREGUÍN, F.I. & ROMERO, I. Risk assessment in hydraulic engineering
projects: uncertainties and reliability. Water Technology and Sciences, formerly Hydraulic
engineering in Mexico (in Spanish). Vol. I, no. 4, October-December, 2010, pp. 5-35.
This article presents the procedure and application of several methods of risk and reliability
analysis to a simple problem, such as the discharge capacity of a sewer. The analysis considers
that the three variables of roughness, diameter, and slope have normal probability distributions
and are applied for comparing direct integration methods; the Monte Carlo Method; Mellin
Transform, with first-order variance estimation; Rosenblueth’s and Harr’s Point Estimation
Method; the First Order Second Moment Method (MFOSM); and two versions of the Advanced
First Order Second Moment Method (AFOSM): Hasofer-Lind’s and Tang’s. The result of the
probability of failure obtained with the direct integration method is taken as true (which is
not possible in complex analyses, especially when uncertainties are significant) and results
are compared. Most methods can be applied, and it is possible to obtain reliable estimations
when the methods come close to linear behaviors, but when the variables are not linear or
when uncertainties increase significantly, the accuracy of some methods deteriorates rapidly.
Such is the case of the MFOSM method. For methods with samples with sizeable variables,
the Monte Carlo method is the most commonly applied, but the reliability of the method
converges when there is a large number of simulations, and the final result of the probability of
failure is strictly unknown; another important limitation is that the number of variables may
cause the problem not to have a practical solution. Methods where point estimation is used 35
(Rosenblueth and Harr) may be very attractive from a computational perspective in as much
as the number of variables increases and may seem to be good to use, since they offer similar
results to those obtained with the Monte Carlo method and the direct integration method.
However, if uncertainties are significant, there may be meaningful differences. The MFOSM
method is applicable only in very simple cases where the behavior function is clearly defined
and there is variable linearity; however, it rapidly looses accuracy in complex problems. The
MFOSM method is quite applicable and can take into account uncertainties in case the analyst
decides to make correlations of the variables that intervene in the problem and that most of
the times are associated with uncertainties. This seems to be a great advantage over the other
methods, since it is possible to involve variables that are many times ignored or undervalued
because they cannot be analyzed. The Hasofer Method seems to be quite appropriate for simple
problems; however, the Tang Method is quite attractive for analyzing the failure limit state of
the problem studied.
Dirección institucional de los autores Insurgentes Sur 2416, piso 8, colonia Copilco el Bajo
04340 México, D.F., México
Dr. Humberto Marengo Teléfonos: +52 (55) 5174 4401 y 5174 4400, extensión 1620
Fax: +52 (55) 5174 4402
Coordinador de Proyectos Hidroeléctricos felipe.arreguin@conagua.gob.mx
Comisión Federal de Electricidad
Ciencias del Agua, octubre-diciembre de 2010
Tecnología y