Documentos de Académico
Documentos de Profesional
Documentos de Cultura
8
Avenidas
Las Avenidas sólo
pueden describirse,
en cuanto a su
ocurrencia, en
términos
probabilísticos.
11
Avenidas
• Desde tiempos
inmemoriales, las avenidas
son una amenaza periódica
en todo el mundo.
12
Avenidas
• Son producto de la:
– Precipitación
– fusión de nieve
– rotura de barrages
14
Crecidas
• Qué tipos de protección, normalmente se usan
contra las crecidas?
• construcción de
diques
• construcción de
compuertas
• aumento de sección
del río
• restauración de zonas de
protección
15
Descargas máximas Río Piura (m3/s)
16
Análisis de máximas avenidas
a) Métodos directos
b) Métodos empíricos
17
Análisis de máximas avenidas
a) Métodos directos
Cuando no existen datos medidos en zona de interés;
Fijar u observar marcas dejadas por posición del nivel
máximo en cauce o por información de pobladores más
antiguos de zona, sobre magnitud de máxima avenida
registrada y año de ocurrencia.
Con nivel máximo (marca), se estima valor de avenida,
midiendo área de sección transversal y pendiente del
cauce y uso de fórmulas hidráulicas empíricas (fórmula de
Manning).
18
b) Métodos empíricos
19
Método Racional
Este método consiste en relacionar en
forma directa un cierto coeficiente de
escorrentía (C), una intensidad de lluvia de
diseño (I) y un área aportante (A).
Q = 0,278 C I A
Q: Caudal (m3/s)
C: coeficiente de escorrentía
I: intensidad (mm/h)
A: área (km2)
20
Coeficiente de escorrentía: razón entre escorrentía y
precipitación total
o Caudal
máximo
ocurre
cuando la
duración de
tormenta
iguala al
tiempo de
concentración
22
Tiempo de concentración
24
Intensidad de precipitación
o Determinación de intensidad
máxima de precipitación para
una duración de precipitación
igual al tiempo de
concentración de cuenca,
puede obtenerse a través de
curvas de intensidad –
duración – frecuencia, para
tiempo de recurrencia
definido.
25
Otras fórmulas empíricas: Santi
Qmax ( m s ) c.A 3 1/ 2
Qmax ( m s ) c.A
3 2/3
A 125
1
27
c) Métodos hidrológicos: hidrograma
unitario
28
Hidrograma de escorrentía directa
P
Precipitación Modelo
F, D Distribución
precipitación
T
P R
Modelo
Exceso
precipitación
T
T
R Q
Modelo
Hidrograma
escorrentía
T T
29
Componentes del hidrograma
• Hidrograma de avenida se divide en:
– Escorrentía directa.
– Flujo base.
Flujo base:
o Contribución de agua
subterránea a
corriente.
o Relativamente más
importante en cuencas
grandes.
30
Separación de flujo base
• Método 2: Extender
recesión del flujo base,
bajo el pico, luego del
punto de inflexión.
31
Hidrograma de avenida
tL
P
Punto de inflexión en curva de
tc recesión de hidrograma
D
tp
tiempo
Tb
32
Hidrograma de avenida
33
Definición de hidrograma unitario
Exceso de
precipitación que
1/D genera escorrentía
D-hr Hidrograma
unitario
hidrograma 1 in
unitario
1 in
D
34
Derivación de UH
• Separar flujo base para determinar
p.e. L = 2
hidrograma de avenida
• Determinar volumen de
hidrograma de avenida en lámina D
(cm) dividiendo total de
escorrentía directa por área de
cuenca
• Dividir ordenadas de hidrograma
por lámina de escorrentía directa
• Determinar duración según
hietograma
35
Definiciones
o Tr: duración de
lluvia.
o Tp: instante de
pico
Tp tr / 2 tp
36
Hidrograma unitario sintético
• Cuando no se cuenta con datos para elaboración
del HU, puede obtenerse un HU estimado o HU
sintético, mediante los métodos:
– HUS de Snyder
– HUS SCS
(cfs) Qp =640CpA/tL
tp
(mi2)
tL tp = D/2 + tL
(~2)
D = tL/5.5 (mi)
W50
D
Tb = 3 + tL/8
tiempo
Tb
38
Hidrograma del SCS
39
HUS SCS
(cfs) (mi2)
Qp = 484A(P=1)/tp
tp
tL tp = D/2 + tL (h)
P=1 tL = 0.6 tC
D = 0.133 tC (Recomendado)
D tC
Tb = 5*tp
tiempo
Tb
40
Método de SCS
P: lluvia total
Pe: lluvia excedente
Ia: infiltración inicial
Fa: infiltración antes de inicio de
escorrentía superficial
directa
S: infiltración potencial máxima
Fa Pe
S P Ia
Continuidad:
P Pe Ia Fa
41
Figura SCS
42
Método de SCS
Combinando ambas ecuaciones y despejando Pe:
Pe S P Ia S
P Pe Ia P Ia Pe
P Ia P Ia
Pe
P Ia 2
Estudiando resultados de
P Ia S diversas cuencas, SCS tiene
Substituyendo en la siguiente relación:
ecuación anterior: Ia 0,2 S
Pe
P 0,2 S
2
, P 0,2 S
P 0,8 S
43
Método de SCS
Se plotea valores
de P y Pe para
diversas cuencas,
SCS construye
curvas
mostradas en
figura:
44
Método de SCS
SCS creó un parámetro adimensional
denominado CN (“curva número”), que posee
las siguientes propiedades:
• 0 < CN ≤ 100
o para áreas impermeables CN = 100
o para otras superficies CN < 100
46
Análisis Regional
Transferencia de cuencas con información de descargas
máximas a otras que no cuenten con dicha información.
Se busca relación entre descargas máximas y
características geomorfológicas de cuencas, de
comportamiento hidrológico similar, por correlación
múltiple:
Qm = f(A, H, P, I, Dd)
Qm = caudal máximo; A = área de cuenca; P = perímetro de
cuenca; I = pendiente del cauce principal; Dd = densidad de
drenaje.
47
d) Métodos estadísticos-probabilísticos
48
Estadística hidrológica y análisis de frecuencia
El Comportamiento de una variable aleatoria está descrito
por una ley de probabilidades, que pueden ser discretas
(toma un valor específico) o continuas (toma valor dentro
de un rango).
49
Probabilidad
Una variable aleatoria X es una variable descrita por
una distribución de probabilidad, la que determina la
posibilidad de que una observación Xi se encuentre
en un rango especificado de X.
• La probabilidad de un evento A, P(A); es la
posibilidad de que éste ocurra cuando se hace una
observación de la variable aleatoria.
• Esta puede estimarse en función del cálculo de la
frecuencia relativa (na/n).
50
Probabilidad
Es importante señalar que probabilidades estimadas,
utilizando información muestral, son sólo aproximaciones
debido a que dependen de valores específicos de
observaciones en una muestra de tamaño limitado.
51
Función de densidad
• Con una variable aleatoria continua, carece de sentido
determinar probabilidad de que asuma un valor x dado,
ya que en cualquier intervalo existen infinitos valores
posibles y por tanto:
P(x) = Número de casos favorables
Número de casos posibles = 0
• En consecuencia para describir distribución de una
variable continua, se utiliza función de densidad f(x), que
proporciona probabilidad de que x pertenezca a un
intervalo (a,b) dada como área bajo curva entre a y b.
52
Análisis de frecuencia
Período de retorno de un evento Xi≥XT, es tiempo promedio (o
recurrencia promedio) entre observaciones donde se cumple
que Xi≥XT.
Sea X1, X2, X3,..., XN, una muestra de N años de observaciones
(ocurrencias) p.e. de caudales máximos.
Se establece el evento “caudal máximo anual mayor o igual
que XT“, que se produce en M ocasiones.
Es lo mismo decir que caudales máximos anuales observados
en M años de la serie de N años, coinciden o exceden con XT.
Entonces, años de ocurrencia del evento M, definen M-1
intervalos entre eventos.
53
Análisis de frecuencia
• Así, el intervalo de ocurrencia promedio o período de
retorno T del evento definido estará determinado por:
N añosserie N
N int ervalos M 1
54
Análisis de frecuencia
La Probabilidad P de un evento Xi ≥ XT, es la posibilidad de
que éste ocurra cuando se hace una observación Xi de una
variable aleatoria X.
Expresión del período de retorno τ en función de
probabilidad P de excedencia de una observación Xi viene
dada por:
P1 1 P
2 1
P
La Probabilidad de que una observación exceda el
valor XT está determinada por la inversa de la
ecuación anterior:
P( X i X T ) 1 /
55
Análisis de frecuencias utilizando factores de
frecuencia
La Magnitud xT de un evento hidrológico extremo puede
representarse mediante la Ecuación de Frecuencia, que
considera la media más una desviación xT de la
variable con respecto a la media:
xT = + x T
La Desviación con respecto a la media, puede igualarse
al producto de la desviación estándar y el factor de
frecuencia KT, que es función del período de retorno y
del tipo de función de probabilidad a utilizarse.
Entonces:
x T = + KT
56
Análisis de frecuencias
Puede aproximarse mediante:
xT = x + KT sx
Si la variable analizada es y = log x, se aplica el mismo método a
las estadísticas para el logaritmos de los datos, utilizando:
yT = y + KT sy
y valor requerido de xT se encuentra con antilog yT.
58
Distribuciones para valores extremos
Valores extremos: valores máximos ó mínimos seleccionados de
un conjunto de datos.
59
Funciones de distribución de probabilidades
teóricas
Las Funciones de distribución de probabilidades
teóricas que más se ajustan a las series de caudales
máximos son:
Distribución Lognormal : variable aleatoria (y =
log x) está distribuida en forma normal;
Distribución de valor extremo, Gumbel:
Distribución log-Pearson tipo III: variable log x
sigue la distribución Pearson Tipo III.
60
Distribución normal
• La más importante de las distribuciones continuas es
la distribución normal o de Laplace-Gauss, tanto por
frecuencia con que se encuentra como por su
aplicación teórica.
63
Distribución Log normal (µ, 2)
2
ln x - µ
x-1 _ 1
e
2
f(x) =
2
2 2
64
Factor de Frecuencia para Distribución
Normal y Log-Normal
Es el mismo que la variable normal estándar Z definida por la
ecuación siguiente: QQ
K Z
SQ
1
1/ 2 (0 < P 0.5)
W ln 2
P
1/ 2
1
W ln
2 (P > 0.5)
(1 P)
65
Distribución de valores extremos - Ajuste de
función de Gumbel
Definición de función de Gumbel señala que una variable
aleatoria ε sigue una distribución de probabilidad de este
tipo si:
d ( xu)
F ( X ) P X e e con - x
6 T
1
T
K 0.5772 ln ln
1 exp exp 0.5772
K
T 1 6
67
Intervalo de confianza:
IC
tSQ
1 0.5Z
2 1/ 2
n
Límite de Confianza Superior:
LCS = Q + IC
Límite de Confianza Inferior:
LCI = Q - IC
Número de grados de libertad se calcula restando
número de parámetros (k) al tamaño de muestra (n):
=n-k
68
Bondad de ajuste
• Se utiliza para la comparación de la
distribución de una muestra con alguna
distribución teórica que se supone describe a
la población de la que se extrajo.
69
Distribución 2
70
Función t de Student
71
Método gráfico
Probabilidad
Cada función de
Log normal probabilidad tiene
Q Log Pearson III su propio tipo de
gráfico
Gumbel
Se selecciona la
función que tenga el
menor error.
Periodo retorno
72
Análisis de frecuencias
73
Método analítico
• En el método analítico, se trabaja con la inversa de
la probabilidad hidrológica.
• En general, la ecuación puede ser expresada como:
desviación
Variable
Y = Y + KT*SY estándar de
la variable
aleatoria aleatoria
Factor de
Media de frecuencia
variable aleatoria
74
Método Log-normal
Y = logX ó lnX
Y = media de variable Y
SY = desviación estándar
de variable Y
KT = f (T = tiempo de
retorno)
(Tabla o Excel)
75
Método de Gumbel
• Por medio de la fórmula:
y = -Ln[-Ln (1-1/Tr)]
77
Método de Log-Person Tipo III
• Este método se basa en transformar eventos x en sus
logaritmos a partir de las fórmulas:
logx = log xi/n
Slogx = [(log xi - logx))2/(n-1)]1/2
g = n[(logxi - logx))3]/[(n-1)(n-2)(Slogx)3]
• Al usarse el evento como logx, la ecuación de Chow
queda como:
logx = logx + K.Slogx
• Donde valor de K puede obtenerse de tablas que están
en función de g (coeficiente de asimetría).
78
Método Log Pearson III
Y = logx ó lnx
Y = media de variable Y
SY = desviación estándar de
variable Y
KT = f (T = tiempo de retorno)
Cs = coeficiente de
sesgo) (Tabla)
79
Uso de software
80
Uso de software
81
Uso de software
82
Log Pearson tipo III
Log Pearson tipo III
84
Ejemplo de aplicación de distribución Log-Normal
SY i
Soma 37,2851 92,7004
n 1 14
85
Ejemplo de aplicación de distribución Log-Normal
86
Ejemplo de aplicación de distribución Log-Normal
SY = 0,0376
• A partir de Tabla 1, puede extraerse los valores de KT:
• Para Tr = 50 KT = 2,054
• Para Tr = 1000 años KT = 3,090
• Utilizando la fórmula general de Ven Te Chow para Y, se tiene:
YT Y SY KT
• Substituyendo valores de , KT y SY:
Y
Y50 = 2,4857 + 2,054 x 0,0376 = 2,5629
Y1000 = 2,4857 + 3,090 x 0,0376 = 2,6019
87
Ejemplo de aplicación de distribución Log-Normal
• Finalmente, calculando
antilogaritmo de Y50 e
Y1000:
• Para Tr = 50 años
Qmáx = 102,5629 365,5
m3/s
• Para Tr = 1000 años
Qmáx = 102,6019 399,9
m3/s.
88
Distribución
Log Pearson III
Tabla – Valores de KT
para coeficientes de
asimetría y períodos de
retorno
89
Ejemplo de aplicación de distribución Gumbel
• Solución:
• Media de caudales: Q 4607,2
Q 307 ,1 m 3 / s
i
n 15
• Desviación estándard:
Q n Q 1.426.109,0 15 ( 307,1 )2
2 2
= 28,6 m3/s SQ
i
n 1
14
• Para T = 50 años: 50 1
y50 ln ln 3,902
50
Q50 307,1 0,45 28,6
3,902
0,7797 28,6 Q50 = 381,2 m3/s
1000 1
y1000 ln ln 6,907
• Para T = 1.000 años 1000
90
Ejemplo de aplicación de distribución Gumbel
Ano Xi Xi^2
• Puede aplicarse también la distribución de 1967 348,2 121243,2
Gumbel utilizando fórmula general de Ven Te 1968 295,4 87261,2
Chow. Factor de frecuencia es calculado de 1969 315,6 99603,4
1970 278,8 77729,4
siguiente forma: 1971 304,3 92598,5
1972 290,5 84390,3
6 T 1973 277,9 77228,4
KT 0 ,577 ln ln
T 1
1974
1975
362,1
314,7
131116,4
99036,1
1976 288,0 82944,0
6 50
Para T = 50 años: K 50
0,577 ln ln 2 ,5924
50 1
1977 260,5 67860,3
1978 335,4 112493,2
1979 310,0 96100,0
Q50 = 307,1 + 2,5924 x 28,6 = 381,2 m3/s 1980 294,3 86612,5
1981 331,5 109892,3
Para T = 1.000 años: Soma 4607,2 1426109,0
6 1000
K1000 0,577 ln ln 4 ,9357
1000 1
91