Ondas Marinas

OCEG1049
Docente: Iván Saltos
(jsaltos@espol.edu.ec)

9. Probabilidad y Espectros de
ondas
Probabilidad de olas

• Probabilidad (Estadística)
• Corto-termino
• Largo-termino
• Espectros
• Pierson-Moskowitz (PM)
• JONSWAP
Estadística de oleaje de corto termino
Estadística de oleaje

Corto-término
• Se basa en la asunción que la elevación superficial del mar sigue un proceso
estacionario y Gaussiano.
• Sin embargo, los modelos Gaussianos de densidad de probabilidad subestiman los
valores de elevación superficial del mar reales.
• La elevación real de la superficie del mar es sesgada hacia la izquierda.
• La altura del oleaje tiene una distribución Rayleigh (bandas espectrales estrechas).
• Por medio de esta distribución, es posible obtener rápidamente la altura significativa
del oleaje 𝑯𝒎𝒐
Elevación instantánea del nivel mar (η)
Cresta de Ola
• Se suele definir de manera
natural que la cresta es la
elevación máxima en el eje
positivo.
• Si el espectro es estrecho,
es cierto esta afirmación,
sin embargo si el espectro
es amplio (olas irregulares),
las crestas también pueden
estar en el eje negativo (Ver
Figura 4.4).
Cresta de Ola
(Probabilidad)
• Para olas de espectro
estrecho, la probabilidad
que las cresta de una ola
excedan cierto nivel, es
relativamente cercana al
numero relativo de las
crestas sobre ese nivel.
Distribución Rayleigh
• Longuet-Higgins (1952) demostró que esta distribución
es mejor definida por una distribución de probabilidad
del tipo Rayleigh.
• Rayleigh es una distribución de probabilidad para
valores positivos de variables aleatorias (como el
oleaje y el viento).

2𝐻 − 𝐻 Τ𝐻𝑟𝑚𝑠 2
𝑝 𝐻 = 2
𝑒 Holthuijsen (2007)
𝐻𝑟𝑚𝑠

𝑁
p(H) → PDF Rayleigh 1
𝐻𝑟𝑚𝑠 = ෍ 𝐻𝑖2
Probability Density Function (PDF) 𝑁 i-olas
𝑖=1
 Probabilidad de Alturas de olas
Distribución Rayleigh Rayleigh

Para conocer H de olas mas altas

En base a la altura significativa Hs

De la distribución Rayleigh, obtenemos las siguientes relaciones:

Ejercicio: Calculo de Probabilidad (H)
• Dado los siguientes valores de Alturas de Olas:
H = [0.82; 0.94; 0.94; 0.82; 0.94; 0.82; 0.82; 0.94; 0.94; 1.05; 1.05; 1.17; 1.17]

Calcular, cual seria la Probabilidad de que una altura de ola cualquiera sea mayor a 1 metro?

Rayleigh

1) Calculamos Hrms 0.927m

1
2 1 − 0.927 ^2
2) Aplicamos Rayleigh 𝑃 𝐻 > 1𝑚 = 0.927 2
𝑒 = 0.726
Estadística de oleaje de largo termino
Estadística de oleaje

Largo-término
• Están relacionados con series de tiempo de años.
• La teoría se basa en observar y/o analizar valores extremos del oleaje.
• Los valores extremos del oleaje pueden ser obtenidos mediante otras
distribuciones probabilísticas (ej. períodos de retorno, probabilidad de
excedencia)
• Son de gran aplicación en el campo de ingeniería (Oce. Costera, Diseño Costero)
• Las funciones estadísticas mas usadas para el calculo de probabilidad de
excedencia de ola o altura de retorno de olas son: a)Log-Normal; b) Weibull; c)
Gumbel
Estadística de Largo-termino
• Las funciones estadísticas mas usadas para el calculo de probabilidad de excedencia de ola o
altura de retorno de olas son:
(Cansing y Mena 2018)
- Log-Normal
- Weibull
- Gumbel
Espectros PM y JONSWAP
 • Cuanto más rápido es el viento y cuanto más
grande es el área (fetch) sobre la que sopla el
viento, más grandes son las olas.
• Al diseñar barcos o estructuras en alta mar,
Espectros deseamos conocer las olas más grandes
producidas por la velocidad del viento.
• Un espectro típico de olas oceánicas será
mucho más complicado y variable.
• Los espectros de oleaje mas utilizados son
Pierson-Moskowitz y JONSWAP.
 • Propuesta por Pierson y Moskowitz en 1964.
• Supusieron que, si el viento soplaba de
manera constante durante un largo período
Espectro de sobre un área grande, las olas se
equilibrarían con el viento.
Pierson- • Este es el concepto de un mar
Moskowitz completamente desarrollado (un mar
producido por vientos que soplan
constantemente durante cientos de km
durante varios días).
 • Para obtener un espectro de un mar
completamente desarrollado, utilizaron
mediciones de olas hechas por
Espectro de acelerómetros en barcos meteorológicos
británicos en el Atlántico Norte.
Pierson- • Primero, seleccionaron datos de olas para
Moskowitz momentos en que el viento había soplado
constantemente durante largos períodos
y sobre grandes áreas (fetch) del Atlántico
Norte.
Espectro de Pierson-Moskowitz
• Luego calcularon los espectros de olas para varias velocidades del viento, y descubrieron que los espectros
tenían la forma:

donde:
E(f) = densidad de variancia (m2/Hz),
f = frecuencia de ola (Hz),
Uw = velocidad del viento (m/s) a 19,5 por encima de la superficie del mar,
g = gravedad (m/s2)
α = magnitud sin dimensiones, α = 0,0081.

• La Ecuación nos permite calcular mo en función de la velocidad del viento.

• Por consiguiente, Hmo para un mar plenamente desarrollado:

Hmo≈0.22 (U10) 2g
Espectro de Pierson-Moskowitz (PM)
High Frequency

Low Frequency

PM Spectrum
Espectro de JONSWAP
• Joint North Sea Wave Observation Project

• Hasselmann (1973), después de analizar los datos recopilados (en JONSWAP), descubrió que el espectro de
las olas nunca se desarrolla por completo.

• Continúa desarrollándose a través de interacciones onda-onda no lineales incluso durante tiempos y

distancias muy largos. Por lo tanto, se agregó un factor adicional al espectro de Pierson-Moskowitz para
mejorar el ajuste a sus mediciones.

• El espectro JONSWAP es, por lo tanto, un espectro de Pierson-Moskowitz multiplicado por un factor de mejora
de pico adicional γ(f)
Espectro de JONSWAP
Espectro de JONSWAP
Espectros PM - JONSWAP

Figure 3 Wave spectra of a developing sea for different fetches according to Hasselmann et al. 1973

El espectro JONSWAP es similar al espectro P-M, excepto que las ondas continúan
creciendo con la distancia (o el tiempo) según lo especificado por un término, y el
pico en el espectro es más pronunciado, según lo especificado por el término g.
Esto último resulta ser particularmente importante porque conduce a
interacciones no lineales mejoradas y un espectro que cambia en el tiempo según
la teoría de Hasselmann 1966.
Referencias

• Holthuijsen L. (2007). Waves in oceanic and coastal waters. Cambridge University Press.

• Longuet-Higgins M.S. (1952). On the statistical distribution of the height of sea waves. J.
Marine Res. 11(3), 245-266.

• Press W., S. Teukolsky, W. Vetterling and B. Flannery (1992). Numerical recipes in C: The art
of scientific computing. 2nd Edition. Cambridge University Press.

• Sorensen R. (1997). Basic coastal engineering. 2nd Edition. Springer-Science+Business

Media, B.V.
Referencias

• Emery W.J. and R.E. Thomson (2001). Data analysis methods in Physical Oceanography. 2nd
Edition.

• Glover D., W.J. Jenkins and S.C. Doney (2011). Modeling methods for Marine Science.

• WMO (1998). Guide to wave analysis and forecasting. World Meteorological Organization.
WMO No. 702.