ARTICULO DE INVESTIGACIÓN

(CONTRASTE DE PREDICCIONES DE LLUVIA DIARIA OBTENIDAS

CON LA DISTRIBUCIÓN TERC, EN 53 PLUVIÓMETROS DEL ESTADO
DE SAN LUIS POTOSÍ)

CÁTEDRA : HIDROLOGIA GENERAL

CATEDRATICO : Ing Abel Muñiz Paucarmayta

ALUMNO : Murillo Jaime Gianfranco

HUANCAYO
SEMESTRE : VIII PERÚ
2012
 CONTRASTE DE PREDICCIONES DE LLUVIA DIARIA OBTENIDAS CON
LA DISTRIBUCIÓN TERC, EN 53 PLUVIÓMETROS DEL ESTADO DE
SAN LUIS POTOSÍ

RESUMEN
De inicio se justifica la importancia de las predicciones de lluvia diaria como base para la
estimación de las crecientes de diseño, cuando no existe información hidrométrica ni
pluviográfica. En seguida, se describe la información pluviométrica utilizada. Posteriormente, se
cita el origen de la distribución Tipo Exponencial de Raíz Cuadrada (TERC), se destaca su baja
sensibilidad a los eventos extremos y se expone con detalle el método de estimación de sus
dos parámetros de ajuste. A continuación se establece el planteamiento de su contraste con las
distribuciones Log–Pearson tipo III (LP3) y la General de Valores Extremos (GVE), basado en el
error estándar de ajuste, por ello se desarrolla un procedimiento para su cálculo con el modelo
TERC. Por último, se analizan e interpretan las predicciones de lluvia diaria y se formulan varias
conclusiones, las cuales destacan la sencillez y utilidad de la distribución TERC.

Palabras clave: precipitación diaria máxima anual, distribuciones TERC, LP3 y GVE, error
estándar de ajuste.

ABSTRACT
Information justifies the importance of the daily- rain predictions as base in order to the flood
tides's esteem designing, itself if not Of start hidrométrica neither pluviográfica. At once, the
pluviometric information once was utilized is described. Posteriorly, gives him an appointment
the distribution's origin Tipo Exponencial by the roots Balanced out ( TERC ), his hushed
sensibility stands out to the extreme events and the esteem method of his two parameters of
setting exposes itself with attention to detail. Below Log establishes his contrast's proposal with
the distributions himself - Pearson fellow III ( LP3 ) and Valores Extremos's General ( GVE ),
once was based astray standard of setting, hence a procedure in order to his calculation with the
model TERC develops . Finally, they examine themselves and they interpret the daily- rain
predictions and they formulate several conclusions, which they emphasize the simplicity and the
distribution's utility TERC.

Key words: Daily rainfall maximum yearly, distributions TERC, LP3 and GVE, standard setting
error.
INTRODUCCIÓN:
Cuando no se dispone de información hidrométrica en el sitio de interés o cerca de éste, la
estimación de las crecientes o avenidas de diseño no puede ser realizada con base en métodos
probabilísticos, entonces, el procedimiento a seguir consiste en construir unas curvas
Intensidad–Duración–Frecuencia (IDF), que representan las características de las tormentas de
la zona y después mediante una relación lluvia–escurrimiento, por ejemplo el hidrograma
unitario, se obtiene el gasto o creciente que se estima. Este enfoque acepta tácitamente que el
periodo de retorno, inverso de la probabilidad de excedencia, de la predicción de lluvia de
diseño se corresponde con el de la creciente que se estima. Por otra parte, cuando no existe
información pluviográfica para la elaboración de las curvas IDF, su estimación (Campos, 2010)
se aborda a través de las predicciones de lluvia diaria, utilizando los registros pluviométricos de
lluvias diarias máximas anuales (PDMA).

El análisis probabilístico de los registros de PDMA, ha sido abordado utilizando las mismas
distribuciones de probabilidad que se emplean en el procesamiento de gastos máximos anuales

DESARROLLO

Información pluviométrica utilizada.

Corresponde a la disponible sobre PDMA en el sistema ERIC II (IMTA, 2000), para las
estaciones pluviométricas del estado de San Luis Potosí con 35 o más años de registro; bajo tal
restricción se detectaron 53. En la Figura 1 se muestra la ubicación de las 53 estaciones
pluviométricas que serán analizadas y en la Tabla 1 se presentan sus características generales,
que incluyen: clave, coordenadas geográficas, amplitud de registro, valores mínimo, máximo y
máximo subsecuente, así como los siguientes cuatro parámetros estadísticos insesgados
(Yevjevich, 1972):

media aritmética
n

xi 1
i
x (1)
n

desviación estándar
n

 x  x 
2

i
(2)
i 1
S=
n1
coeficiente de variación

S
Cv = (3)
x
Descripción de la distribución TERC.

Etoh et al. (1987) inicialmente derivaron la distribución SQRT–K para la cantidad total de lluvia
originada por una tormenta única; como tal modelo tiene una fórmula impráctica, al estar
expresada en términos de una función de Bessel modificada de segundo tipo, estos autores
aceptaron una expansión asintótica para tal función y consideraron que las ocurrencias de las
tormentas severas siguen una distribución de Poisson y entonces definieron la distribución de
probabilidades para lluvias diarias máximas anuales, designada SQRT–ET–max como
abreviatura de square–root exponential type distribution of the maximun y por ello denominada
distribución tipo exponencial de raíz cuadrada (TERC), ésta es:

F(x) = exp [–k (1 + α  x ) exp (– α  x ) ] (5)

en la cual, F(x) es la probabilidad de no excedencia asociada a la variable x, k es el parámetro

de frecuencia y α el de escala. En este modelo el argumento negativo de la segunda
exponencial, el cual está expresado en términos de la raíz cuadrada de la variable x, origina una
cola derecha más amplia para tal distribución, que por ejemplo el modelo Gumbel, cuyo
argumento es lineal (Etoh et al., 1987). Nanía y Gómez (2004) indican que la distribución TERC
ha sido establecida en España como un modelo de referencia, debido a su origen específico
para la modelación probabilística de lluvias diarias máximas anuales.

Procedimiento de ajuste.
Para la estimación de los parámetros de ajuste (k,α) de la distribución TERC, se ha utilizado el
método de las regresiones polinomiales del logaritmo natural del Cv y k, desarrollado por
Zorraquino (2004), el cual comienza por evaluar el coeficiente de variación (Cv) con la ecuación
3 y con base en tal valor seleccionar uno de los tres intervalos siguientes: 0.190 a 0.30, 0.30 a
0.70 y 0.70 a 0.999. El parámetro de frecuencia se estima con la fórmula siguiente:

6 i
k = exp  ai log Cv 
 (6)

 i 0 

en la cual los coeficientes ai están definidos en la tabulación siguiente.

0.190  Cv  0.30 0.30<Cv  0.70 0.70<Cv  0.999

a0 –3,978.19 b0 –0.93151 a0 1.801513 b0 2.342697 a0 1.318615 b0 2.307319

a1 –18,497.5 b1 2.156709 a1 2.473761 b1 –0.14978 a1 –3.16463 b1 –0.13667
a2 –35,681.4 b2 –0.77977 a2 23.55620 b2 –0.09931 a2 –1.59552 b2 –0.07504
a3 –36,581.5 b3 0.112962 a3 49.95727 b3 0.003444 a3 –6.26911 b3 –0.01346
a4 –21,017.8 b4 –0.00934 a4 59.77564 b4 0.001014 a4 –11.3177 b4 0.003228
a5 –6,471.12 b5 0.000412 a5 35.69688 b5 –0.00014 a5 –22.6976 b5 0.000521
–6 –6
a6 –813.381 b6 –7.5·10 a6 8.505713 b6 5.49·10 a6 –22.0663 b6 –0.00014
Como este método en realidad se basa en el de momentos (Zorraquino, 2004), entonces el
parámetro de escala se calcula con la expresión siguiente:

k I1
α= k (7)
1 e 2 x

en donde la integral I1 se estima con la fórmula polinomial:

  6 
 b logk 
I1 = exp  i
i
(8)

  i 0 

en la cual los coeficientes bi están definidos en la tabulación anterior. Este método denominado
de las regresiones polinomiales, definido por las ecuaciones 6, 7 y 8, es bastante sencillo,
rápido y sobretodo consistente, en comparación con el propuesto por Etoh et al. (1987) que se
basa en la función de máxima verosimilitud.

CONCLUSIONES:

Primera: La distribución tipo exponencial de raíz cuadrada (TERC), constituye un modelo

probabilístico que siempre será conveniente probar cuando se estiman predicciones de
precipitación diaria, pues ha sido formulada para el análisis estadístico de este tipo de variable
climatológica y además, debido a su estructura matemática es menos sensible a la presencia de
valores máximos extremos.
Segunda: En el contraste realizado al modelo TERC, con base en las distribuciones Log–
Pearson tipo III y General de Valores Extremos (Tablas 2, 3 y 4), se observa que de manera
general los errores estándar de ajuste de estas tres funciones son siempre de mismo orden de
magnitud y que para periodos de retorno < 100 años, sus predicciones son, también en general,
bastante similares. Lo anterior brinda confianza a los resultados.
Tercera: En la gran mayoría de las 53 estaciones analizadas, la distribución TERC conduce a
predicciones más conservadoras en los altos periodos de retorno (> 500 años), esto es notable
en las estaciones: Cedral, Cárdenas, Presa Alvaro Obregón, Altamira, El Tigre, Requetemu,
San Antonio de los Guayabos, Santa Cruz y Tanzabaca; es decir que de manera casi general lo
anterior se cumple en los registros cuyo coeficiente de asimetría (Cs) está próximo a 2.0 o es
superior a tal valor, debido quizás a la presencia de valores dispersos.

Cuarta: En varios registros la distribución TERC condujo a predicciones mayores en los altos
periodos de retorno, esto es sobresaliente en las estaciones: San Luis Potosí, Cerritos, Tierra
Nueva, Villa Juárez, Maitines, San Dieguito y San Martín Chalchicuautla; casi en general tal
comportamiento se presenta en los registros cuyo Cs es inferior a la unidad.
BIBLIOGRAFIA:

Benson, M. A. 1962. Plotting positions and economics of engineering planning. Journal of

Hydraulics Division, Vol. 88, HY6, pp. 57–71.

Bobée, B. & F. Ashkar. 1991. The Gamma family and derived distributions applied in hydrology.
Chapter 1: Data requirements for hydrologic frequency analysis, pp. 1–12. Water Resources
Publications. Littleton, Colorado, U.S.A. 203 p.

Campos Aranda, D. F. 1989. Estimación de los parámetros óptimos de la distribución Gumbel

Mixta por medio del algoritmo de Rosenbrock. Ingeniería Hidráulica en México, Vol. IV, número
1, páginas 9–18.

Campos Aranda, D. F. 2001. Contraste de cinco métodos de ajuste de la distribución GVE en 31

registros históricos de eventos máximos anuales. Ingeniería Hidráulica en México, Vol. XVI,
número 2, páginas 77–92.

Campos Aranda, D. F. 2010. Intensidades máximas de lluvia para diseño hidrológico urbano en
la república mexicana. Ingeniería. Investigación y Tecnología, Vol. XI, Número 2, pp. 179–188.

Etoh, T., A. Murota & M. Nakanishi. 1987. SQRT–Exponential Type Distribution of Maximum.
Hydrologic Frequency Modeling, edited by V. P. Singh, pp. 253–264. D. Reidel Publishing
Company. Dordrecht, Holland.

Instituto Mexicano de Tecnología del Agua (IMTA). 2000. Eric II: Extractor Rápido de
Información Climatológica 1920–1998. Secretaría de Medio Ambiente y Recursos Naturales–
IMTA. Jiutepec, Morelos.

Kite, G. W. 1977. Frequency and Risk Analyses in Hydrology. Chapter 12: Comparison of
frequency distributions, pp. 156–168. Water Resources Publications. Fort Collins, Colorado,
U.S.A. 224 p.
Nanía, L. S. y Gómez V., M. 2004. Ingeniería Hidrológica. Capítulo 7: Estadística Hidrológica,
páginas 205–232. Grupo Editorial Universitario. Granada, España. 278 páginas.
1
2