CAPITULO DE INGENIERA CIVIL COLEGIO DE INGENIEROS CIVILES DE PER

CONSEJO DEPARTAMENTAL CAJAMARCA

XVIII CONGRESO NACIONAL DE INGENIERA CIVIL
CONIC 2011







ESTIMACIN DE CAUDALES DE DISEO CON LA
DISTRIBUCIN DE DOBLE GUMBEL


M.Sc. Ing. Clara Marina Faras Zegada de Reyes, Ing. Claudia Palacios Santa Cruz
Instituto de Hidrulica, Hidrologa e Ingeniera Sanitaria de la Universidad de Piura,
Av. Ramn Mugica 131, Urb. San Eduardo, Piura, Per, marina.farias@udep.pe,
Claudiapalacios@hotmail.com, 73-284520






















CAJAMARCA - PER
RESUMEN:

Para determinar los caudales de diseo la modelacin probabilstica juega un papel
importante, la eleccin de la distribucin ms adecuada es difcil ante diversas opciones
disponibles. Durante aos se han usado distribuciones probabilsticas de una sola
poblacin: Log-Normal, Gamma, Gumbel, Pearson, etc. Sin embargo, en Mxico, donde se
tiene presencia de crecidas debidas a dos mecanismos generadores: crecidas normales y las
debidas a huracanes, stas se modelan bajo la distribucin Doble Gumbel, ajustando a cada
grupo un modelo Gumbel individual. En Piura, ubicada en el noroeste peruano, las lluvias
se presentan generalmente en el verano y son de poca intensidad, trayendo consigo un
aumento no muy significativo del caudal del ro Piura. Sin embargo, existen tambin aos
en que son originadas por el mundialmente conocido Fenmeno El Nio (FEN), las cuales
significan un aumento excepcional en los caudales del ro. Ya que la ocurrencia de lluvia y
caudales en la regin estn regidos por dos mecanismos diferentes, como es el caso
mexicano, se han estimado los caudales de diseo con mayor precisin utilizando la
distribucin Doble Gumbel y se ha comprobado que dicho modelo ajusta mejor a esta serie
que los clsicos de una sola poblacin.

PALABRAS CLAVES: Caudal, probabilidades, Doble Gumbel



















INDICE DE MATERIAS
INTRODUCIN: ............................................................................................................................... 4
1 MARCO TERICO: .................................................................................................................. 4
1.1 Distribucin de Gumbel ..................................................................................................... 4
1.2 Distribucin Doble Gumbel ............................................................................................... 6
1.2.1 Funcin de distribucin Doble Gumbel ..................................................................... 6
1.2.2 Ajuste de parmetros .................................................................................................. 6
1.2.3 Bondad de ajuste ........................................................................................................ 7
1.2.4 Estimaciones con la distribucin Doble Gumbel ....................................................... 7
2 ANLISIS DE LOS CAUDALES DEL RIO PIURA ............................................................... 8
3 RESULTADOS Y CONCLUSIONES ....................................................................................... 9
BIBLIOGRAFA .............................................................................................................................. 10


INTRODUCIN:
La Hidrologa aplicada a la Ingeniera Civil busca resolver principalmente dos
interrogantes: de cunta agua dispongo y de cunta agua debo proteger a mi
infraestructura. Para ello dispone de muestras de caudales y precipitaciones puntuales o
regionales que analiza para llegar a las mejores estimaciones de valores de diseo. En este
contexto, la modelacin probabilstica juega un papel importante, siendo que la eleccin de
la distribucin de probabilidad ms adecuada es difcil ante las diversas opciones que se
presentan.Durante muchos aos las distribuciones probabilsticas que modelan una sola
poblacin han sido las ms utilizadas, tales como Log-Normal, Gamma, Gumbel, Pearson,
etc. Sin embargo, en regiones de Mxico, donde se tiene presencia de crecidas debidas a
dos tipos de mecanismos generadores, las crecidas normales y las debidas a huracanes,
stas se modelan bajo la distribucin de Doble Gumbel y a cada grupo se le ajusta un
modelo Gumbel propio.
En la ciudad de Piura, ubicada en el noroeste peruano, las lluvias se presentan
generalmente en el verano. Durante este periodo de tiempo hay lluvias de poca intensidad,
las cuales traen consigo un aumento del caudal del ro Piura, pero no muy significativo. Sin
embargo, existen tambin aos en que las lluvias son originadas por el Fenmeno El Nio
(FEN), las cuales s significan un aumento excepcional en los caudales del ro del mismo
nombre (Reyes, 2003).
El FEN es un evento climtico cclico y de carcter mundial, que se manifiesta en la
regin Piura con fuertes precipitaciones debido a su situacin geo-climtica caracterizada
por la presencia de la cordillera de los Andes relativamente baja en esta zona, que permite
la presencia de nubes calientes amaznicas, mar caliente durante la primavera y el verano,
mar fro durante el invierno-otoo. A este escenario se le asocia con lluvias de gran
intensidad y destruccin de bienes e infraestructura.
Ya que la ocurrencia de lluvia y caudales en la regin Piura estn regidos por dos
mecanismos diferentes, como es el caso mexicano, se plantea estimar el caudal de diseo
con mayor precisin utilizando la distribucin Doble Gumbel.


1 MARCO TERICO:
1.1 Distribucin de Gumbel
La distribucin de valores extremos tipo I o de Gumbel busca representar la
distribucin de una variable aleatoria definida como la mayor de una serie de n variables
aleatorias independientes e idnticamente distribuidas con una distribucin de tipo
exponencial a medida que n crece indefinidamente.
La funcin de distribucin acumulada o probabilidad de no excedencia de Gumbel
viene dada mediante la expresin siguiente:
( )
|
o

=
x
e
e x F ) (
............................................................................................................... (1)
Donde:
x : Evento hidrolgico a considerar, viene de los datos muestrales
: Parmetro de posicin de la funcin
: Parmetro de escala de la funcin
Estos parmetros se pueden estimar conociendo que la media y la desviacin
estndar de la funcin son respectivamente:
| o . + =
...................................................................................................................... (2)
6
t
| o =
......................................................................................................................... (3)
Siendo la constante de Euler-Mascheroni ( 0.577216).
De modo que si se tuviera una muestra de tamao infinito se podran estimar los
parmetros de la funcin, y , a travs de los estadgrafos de la muestra, con las
siguientes expresiones:
t
|
6
x
s =
......................................................................................................................... (4)
| o . = x
....................................................................................................................... (5)
Donde x

y

son la media y la desviacin estndar muestrales, respectivamente.

Sin embargo, en la prctica se trabaja con muestras de tamao finito, por tanto el
valor de los parmetros debe modificarse. Gumbel obtuvo valores modificados
minimizando la suma de cuadrados de los errores perpendiculares a la recta de ajuste de
valores extremos. Las ecuaciones que obtuvo estn en funcin del tamao de la muestra y
de los parmetros y son las siguientes (Varas y Bois, 1998):
n
x
s
s
= |
.............................................................................................................................. (6)
| o .
n
y x =
...................................................................................................................... (7)
Donde:

: Valor esperado de la variable reducida y
m

: Desviacin estndar de la variable reducida y
m

Estos estadgrafos pueden obtenerse de la variable reducida ordenando la muestra de
manera decreciente y calculando para cada x
i
la correspondiente variable reducida y
m
con
la siguiente expresin de Weibull:
(

|
.
|

\
|
+
+
=
1
1
ln ln
n
m n
y
m
............................................................................................... (8)
Donde:

: Tamao de la muestra
: Nmero de orden
Suele ser til trabajar con tablas que entreguen el valor de y
n
y s
n
directamente en
funcin del tamao de la muestra n, ya que stos no dependen de los valores x
i
de la
muestra (Tabla 1 y Tabla 2).

Tabla 1 - Valor esperado, y
n
, de la variable reducida, y
m

n 0 1 2 3 4 5 6 7 8 9
10 0,4952 0,4996 0,5035 0,5070 0,5100 0,5128 0,5157 0,5181 0,5202 0,5220
20 0,5230 0,5252 0,5268 0,5283 0,5296 0,5309 0,5320 0,5332 0,5343 0,5353
30 0,5362 0,5371 0,5380 0,5388 0,5396 0,5402 0,5410 0,5418 0,5424 0,5430
40 0,5436 0,5442 0,5448 0,5453 0,5458 0,5463 0,5468 0,5473 0,5477 0,5481
50 0,5485 0,5489 0,5493 0,5497 0,5501 0,5504 0,5508 0,5511 0,5515 0,5518
60 0,5521 0,5524 0,5527 0,5530 0,5533 0,5535 0,5538 0,5540 0,5543 0,5545
70 0,5548 0,5550 0,5552 0,5555 0,5557 0,5559 0,5561 0,5563 0,5565 0,5567
80 0,5569 0,5570 0,5572 0,5574 0,5576 0,5578 0,5580 0,5581 0,5583 0,5585
90 0,5586 0,5587 0,5589 0,5591 0,5592 0,5593 0,5595 0,5596 0,5598 0,5599
100 0,5600


Tabla 2- Desviacin estndar, s
n
, de la variable reducida, y
m

n 0 1 2 3 4 5 6 7 8 9
10 0,9496 0,9676 0,9833 0,9971 1,0095 1,0206 1,0316 1,0411 1,0493 1,0565
20 1,0628 1,0696 1,0754 1,0811 1,0864 1,0915 1,0961 1,1004 1,1047 1,1086
30 1,1124 1,1159 1,1193 1,2260 1,1255 1,1285 1,1313 1,1339 1,1363 1,3880
40 1,1413 1,1430 1,1458 1,1480 1,1499 1,1519 1,1538 1,1557 1,1574 1,1590
50 1,1607 1,1623 1,1638 1,1658 1,1667 1,1681 1,1696 1,1708 1,1721 1,1734
60 1,1747 1,1759 1,1770 1,1782 1,1793 1,1803 1,1814 1,1824 1,1834 1,1844
70 1,1854 1,1863 1,1873 1,1881 1,1890 1,1898 1,1906 1,1915 1,1923 1,1930
80 1,1938 1,1945 1,1953 1,1959 1,1967 1,1973 1,1980 1,1987 1,1994 1,2001
90 1,2007 1,2013 1,2020 1,2026 1,2032 1,2038 1,2044 1,2049 1,2055 1,2060
100 1,2065


1.2 Distribucin Doble Gumbel
Mientras que la funcin de distribucin de Gumbel est pensada para una poblacin,
la distribucin de Doble Gumbel permite modelar el comportamiento de dos poblaciones
consideradas mutuamente excluyentes.
Una funcin de distribucin de probabilidad para dos poblaciones se puede plantear
como sigue (Raynal y Raynal, 2004):
() ( )(

) (

) ............................................................................ (9)
Donde:
: Probabilidad de que la variable x pertenezca a la segunda poblacin, que
agrupa a elementos sucedidos en condiciones climatolgicas ordinarias.
1.2.1 Funcin de distribucin Doble Gumbel
Con base en la ecuacin (9), la probabilidad de excedencia de Gumbel de dos
poblaciones se expresa mediante la ecuacin siguiente:
() ( )

.................................................................... (10)
Esta funcin de distribucin cuenta con cinco parmetros, dos de cada poblacin:
, , , ,
2 2 1 1
| o | o mientras el quinto es la proporcin de mezcla, p.
1.2.2 Ajuste de parmetros
El ajuste ms adecuado se realiza mediante un proceso de iteracin hasta llegar a un
juego de parmetros apropiados a la muestra disponible.
Se inicia con el anlisis de la muestra de mximos anuales disponible para identificar
aquellos aos que se alejan de la normalidad, es decir que son muy diferentes al resto,
que exceden cierto umbral y que por informacin histrica se conoce adems que tuvieron
presencia del fenmeno diferente, tal como FEN, huracn, etc.
Con esa clasificacin, la muestra de n
t
aos quedar dividida en dos grupos, el
primero de n
1
aos extraordinarios y el segundo de n
2
aos ordinarios o normales,
definiendo preliminarmente el parmetro p como:
2 1
2
n n
n
p
+
= ..................................................................................................................... (11)
A continuacin se trabaja por separado con los dos grupos definidos, ajustando los
parmetros Gumbel de una sola poblacin con las ecuaciones (6), (7) y (8) y las Tablas 1 y
2. Esto permitir contar con los cuatros parmetros restantes.
1.2.3 Bondad de ajuste
El ajuste realizado segn el acpite anterior deber ser evaluado mediante una prueba
de bondad de ajuste. Estas pruebas evalan el grado de concordancia entre la distribucin
de un conjunto de valores de la muestra y alguna distribucin terica especfica. Determina
si razonablemente puede pensarse que las mediciones muestrales analizadas provienen de
una poblacin que tiene dicha distribucin terica, mediante la comparacin de las
distribuciones de frecuencia acumulativa, terica y observada.
De uso frecuente son la prueba _
2
, la de Kolmogorov-Smirnov y la del error
cuadrtico estndar. La primera trabaja con valores agrupados, por lo que no es muy
prctica; la segunda no requiere agrupar valores, se concentra en determinar el punto en el
que estas dos distribuciones muestran la mayor divergencia, pero no evala las diferencias
en su conjunto; mientras que la tercera es una mezcla de ambas pruebas, trabajando con los

datos independientes y sumando las divergencias parciales entre las probabilidades de

excedencia o distribuciones de frecuencias, terica, P
teo
, y emprica, P
emp
. Para esta prueba
de error cuadrtico estndar se aplica la siguiente frmula:

(

(12)
Donde:

: Nmero de parmetros de la distribucin terica, que en el caso de Doble

Gumbel es 5.
A continuacin se deber repetir el anlisis anterior para diferentes valores del
parmetro p, mayores y menores que el preliminar, con la finalidad de determinar aqul
que arroja el mnimo error, E, y el conjunto definitivo de parmetros.
1.2.4 Estimaciones con la distribucin Doble Gumbel
Contando con la funcin de Doble Gumbel ajustada a la serie, se pueden hacer
estimaciones de caudales mximos para diferentes perodos de retorno utilizando la
expresin (10) y sabiendo que la probabilidad de no excedencia, F(x), y el perodo de
retorno, Tr, estn relacionados por la siguiente expresin:
()

(13)

2 ANLISIS DE LOS CAUDALES DEL RIO PIURA
Se cuenta con los registros de los caudales mximos anuales del ro Piura desde el
ao 1925 al 2008, conformando una muestra de 84 datos. Dentro de este periodo se han
presentado lluvias debidas a los dos mecanismos descritos anteriormente: lluvias normales
y lluvias por FEN, las cuales originan un crecimiento diferente del caudal en el ro Piura.
Por ello se han considerado dos poblaciones, la primera para los caudales durante el FEN y
la segunda para los caudales durante las lluvias regulares, cada una con un nmero
diferente de datos.
El clculo se inici con un p preliminar de 0,70, probando adems con valores desde
0,88 hasta 0,50, obtenindose el mejor valor del error E para p = 0,55 (Tabla 3); esto
significa que, dada la muestra de 84 aos utilizada, lo ms probable es que sta provenga
de un universo con el 45% de los aos dominados por eventos lluviosos asociados al FEN,
mientras que el 55% de los aos corresponde a aos normales con caractersticas secas.

Tabla 3 Errores estndar E obtenidos para diferentes valores de p en los caudales del ro Piura
p 0,88 0,80 0,74 0,70 0,60 0,55 0,52 0,50
E 0,423 0,225 0,172 0,158 0,131 0,113 0,124 0,145

Este ajuste corresponde a los siguientes parmetros:
1
=988,8,
1
=821,0;
2
=63,7,

2
=92,7; y p=0,55. Luego de ajustar la distribucin, sta se aplic de forma inversa para
estimar los caudales de diseo para diferentes periodos de retorno, segn se describi en
1.2.4.
Asimismo se ajustaron modelos de uso frecuente en Hidrologa para una sola
poblacin, tales como Gamma, Exponencial, Gumbel, Log Normal 3, Pearson III, Log
Pearson III, y se realizaron las pruebas de bondad de ajuste, obtenindose con ellos errores
mayores que con la distribucin de Doble Gumbel (Tabla 4).

Tabla 4 Estimaciones de crecidas con diferentes modelos usados en Hidrologa
Tr Doble Gumbel LP III Gamma LN3 Exponencial Pearson III Gumbel
2 230 353 378 290 432 474 566
5 1.431 1.188 1.173 1.011 1.267 1.306 1.429
10 2.128 1.830 1.844 1.911 1.899 1.903 2.001
20 2.750 2.394 2.546 3.221 2.531 2.492 2.549
25 2.943 2.555 2.777 3.748 2.734 2.681 2.723
50 3.531 2.986 3.503 5.783 3.366 3.268 3.259
100 4.109 3.321 4.242 8.536 3.998 3.857 3.791
1.000 6.008 3.905 6.751 25.376 6.096 5.836 5.548
10.000 7.899 4.044 9.310 62.158 8.195 7.867 7.302
Error 0,222 0,288 0,356 0,379 0,513 0,608 0,749




3 RESULTADOS Y CONCLUSIONES
3.1.Anlisis de Resutados
Al aplicar a los datos las distribuciones clsicas de una sola poblacin de mayor
difusin para estimar los caudales de diseo, se obtuvo un error cuadrtico estndar de
0,222 para Doble Gumbel y 0,288 para Log-Pearson III, como el mejor ajuste de las
distribuciones de una sola poblacin.
Como se puede apreciar, si se utiliza el mejor ajuste a una sola poblacin, el modelo
de Log Pearson III dara estimaciones muy bajas afectando la seguridad de las obras. Si por
el contrario se hubiera tomado directamente la clsica distribucin Log-Normal 3, como
aquella que casi siempre se logra ajustar las muestras hidrolgicas, se tendran valores de
caudales mucho mayores que los hallados con la distribucin Doble Gumbel y que los
observados.
Esto lleva a que al momento que se diseen las estructuras se sobredimensionen, ya
que en realidad estos caudales estn muy por encima de lo que se espera. Este
sobredimensionamiento genera una mayor inversin y en algunos casos impide la
ejecucin de proyectos por falta de presupuesto suficiente. Para tiempos de retorno
mayores, como 10.000 aos, se aprecia que la distribucin Doble Gumbel tambin dar
mejores resultados (Fig.1 y 2), por el lado de mayor seguridad para el diseo de obras de
envergadura como aliviaderos de presas.


Figura 1 Caudales estimados hasta 10.000 aos con LN3, LPIII y Doble Gumbel


Figura 2 Detalle de caudales estimados hasta 100 aos con LN3, LPIII y Doble Gumbel
-
10,000
20,000
30,000
40,000
50,000
60,000
70,000
1 10 100 1,000 10,000
C
a
u
d
a
l
(
m
3
/
s
)
Tr (aos)
LN3
DbGumb
LP III
Emprica
-
1,000
2,000
3,000
4,000
5,000
6,000
7,000
8,000
9,000
10,000
1 10 100
C
a
u
d
a
l
(
m
3
/
s
)
Tr (aos)
LN3
DbGumb
LP III
Emprica
3.2.Conclusiones
Tradicionalmente la Hidrologa Probabilstica ha manejado la estimacin de caudales
de diseo bajo el enfoque de una sola poblacin, con modelos de mucha difusin y
aceptacin, tales como Log Pearson III, Log Normal 2 y 3, etc.
Existen regiones geogrficas que por su naturaleza ven configurada su Hidrologa
por dos mecanismos de formacin, tal es el caso de regiones donde se presentan huracanes
y aquellas afectadas por el Fenmeno El Nio. El modelo Doble Gumbel permite manejar
las muestras hidrometeorolgicas dividindolas en dos grupos y modelar adecuadamente
los caudales, evitando sobre estimar o subestimar los valores de diseo, lo que incide en la
realizacin y en la economa de las obras proyectadas.
Los caudales mximos anuales del ro Piura, en la costa norte del Per, se han
logrado modelar probabilsticamente mediante Doble Gumbel, que se ajusta ms que los
modelos de una sola poblacin.
El modelo ajustado indica una presencia de aos atpicos del 55% debida al FEN en
la cuenca del ro Piura.


BIBLIOGRAFA
Raynal, J.A.; Raynal, M.E. (2004). Clculo de los lmites de confianza de la
Distribucin de Probabilidad de valores extremos tipo I para dos poblaciones
Informacin tecnolgica La Serena V.15 n.1, pp. 87 94. Disponible en
<http://www.scielo.cl/scielo.php?script= sci_arttext&pid=S0718-
07642004000100014&lng=es&nrm=iso>. accedido en 17 jun. 2011. doi: 10.4067/S0718-
07642004000100014.
Reyes, J. (2003). Per, en Inundaoes urbanas na Amrica do Sul. Org. por Tucci, E.
M.; Bertoni, J.C. Ed. Associaao Brasileira de Recursos Hidricos, Porto Alegre, pp. 379 -
428.
Varas, E. ; Bois, P. (1998). Hidrologa Probabilstica. Ediciones Universidad Catlica
de Chile, 156 p.