Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Huancayo - 2018
Análisis de Tormentas
Tormenta: Una o
más precipitación
(lluvias) ocurridas en
un determinado
período de tiempo.
Importancia del Análisis de Tormentas:
Una tormenta puede durar desde unos pocos minutos hasta varias horas y aun
días, puede abarcar extensiones de terrenos muy variables.
11:00 - - - - -
12:00 60 60 0.5 0.5 0.5
12:50 50 110 8.5 9.0 10.2
2:00 70 180 10 19.0 8.57
2:40 40 220 4.5 23.5 6.75
4:20 100 320 0 23.5 0.00
6:05 105 425 5.9 29.4 3.37
7:20 75 500 3 32.4 2.40
8:50 90 590 0.8 33.2 0.53
9:30 40 630 1.2 34.4 1.80
10:00 30 660 2.4 36.8 4.80
12:45 165 825 2.6 39.4 0.95
2:45 120 945 1.6 41.0 0.80
4:30 105 1050 0.8 41.8 0.46
7:45 195 1245 3 44.8 0.92
9:50 125 1370 0.2 45.0 0.10
Hietograma
Calcular las intensidades máximas para una duración de: 10 min, 20 min, 60 min,
120 min y 200 min
HORA MIN PRECIPITACION INTENSIDAD
6:00
50 5.4
6:50 Máxima
30 18.8
intensidad
7:20
40 17.55
8:00
130 3.092
10:10
PARA 10 MIN PARA 20 MIN PARA 60 MIN PARA 120 MIN PARA 200 MIN
PROCEDIMIENTO
1) Tomamos la intensidad mas alta, que es de …….
2) La intensidad para 10 min y 20 min va ser porque esta dentro del tiempo de
30 min
30 + 30
Ojo: UNA VEZ TOMADO UN DATO NO
SE PUEDE REPETIR ESE MISMO
(X) + (X) = ……. DATO
PARA 10 MIN PARA 20 MIN PARA 60 MIN PARA 120 MIN PARA 200 MIN
Relación entre periodo de retorno, duración e intensidades
maximas
Periodo
N° de de 10 30 60 120 240
Orden retorno
T
1 30 105 83 65 50 23
2 15 102 81 64 42 20
3 10 83 72 50 28 18
..
…
…
N=29
Curvas intensidad-
frecuencia-duración
Ecuación general para curvas idf
PPmm = -C1 x ln (año) + C2
Donde:
i : intensidad (mm/h)
Tr: período de retorno
(años)
d: duración (min)
k, c, d, n : parámetros
Construir las curvas intensidad – duración- periodo de
retorno (IDT)
Según los pasos siguientes:
• Trazar los ejes coordenados: en el eje X, colocar las
duraciones (min) mientras que en el eje Y, colocar los
valores de las intensidades (mm/hr).
• Para un periodo de retorno T (en años ubicar los pares
(duración, intensidad), para ese periodo de retorno T.
• Trazar una curva que una los puntos (duración, intensidad).
• Repetir los dos últimos pasos para otros valores de T.
Se muestran tres curvas para Periodos de Retorno de 10, 15, y
30 años, son útiles para la obtención de la intensidad máxima
para una duración y un periodo de retorno dado
Intensidad
(mm/hr)
Duración
(min)
Curvas intensidad-duración (idf)
• Características:
• intensidad de tormenta
disminuye con
duración.
• intensidad aumenta
cuando aumenta Tr.
Cálculo de intensidad para un determinado periodo de
retorno – Método Gumbel
1 Se tiene el siguiente registro de intensidades máximas por años
Max 24 hr
N° AÑO
mm 2 Cálculo de Pm:
Pm = 28.92
1 2009 32.8
2 2010 32.1
3 Cálculo de la desviación estándar de la precipitación
3 2011 32.0
7 2015 25.5
σ ܲܲ ଶ= 9,343.95
8 2016 24.2
N= 11
9 2017 24.6
10 2018 24.6
࣌ࡼࡼ = 3.81
11 2019 26.9
Cálculo de intensidad para un determinado periodo de
retorno – Método Gumbel
4 Cálculo de los coeficientes ߪே y ܻே , para 11 años
ߪே = 0.9676
ܻே = 0.4996
ߪ
ܲ ௫ ൌ
ܲ െ ሺܻതே െ݈݊ ܶ כሻ
ߪே
Pm = 28.918 ܵ௫௫ ൌ
ܰ ܺଶ െ ܺ݅ ܵ௫ ൌ
ܰ ܲ ܺ כ െ ܲ ܺ
Xm2 = 0.34
ଶ
ܵ ൌ
ܰ ܲଶ െ ܲ݅
b= -49.9282
Sxx = 21.37
Sqq = 1595.84
Sxq = -143.43
Cálculo de intensidad para un determinado
periodo de retorno – Método Nash
4 Cálculo del intervalo de confianza
ଶ
ܵ ଶכ
ͳ ͳ ܵ௫
οܲ ൌ
േʹ ܺെܺ כ ܵ െ
ܰଶሺܰ െ ͳሻ ܰെ ʹ ܵ௫௫ ܵ௫௫
X (5a) = -1.0136
X (10a) = -1.3395
X (20a) = -1.6522
X (25a) = -1.7513
οܳሺͷܽሻൌ2.7858
ܽ
οܳሺͳͲܽ ሻൌ3.5899
οܳሺʹͲ
ܽ ܽ ሻൌ4.5204
οܳሺͷ
ʹ ͷܽሻൌ 4.8338
Qd(10a) = 70.47 mm
Qd(20a) = 87.01 mm
Cálculo de intensidad para un determinado
periodo de retorno – Método Nash
Cálculo de intensidad para un determinado
periodo de retorno – Método Nash
Cálculo de intensidad para un determinado
periodo de retorno – Método Nash
Hietograma de Diseño
En ocasiones no es suficiente el dato de que (por ejemplo) la
precipitación máxima para las 5 horas más lluviosas es de 100 mm. Es
posible que necesitemos conocer la evolución de esos 100 mm. a lo
largo de esas 5 horas.
Donde:
Pi = Precipitación observada para la fecha faltante en las estaciones auxiliares
circundantes (como mínimo 2), en milímetros.
Wi = 1/Di^2, siendo, Di = distancia entre cada estación circundante y la estación (Km)
Se recomienda utilizar cuatro estaciones circundantes (las más cercanas), y de
manera que cada una quede localizada en uno de los cuadrantes que definen
unos ejes coordenados que pasan por la estación incompleta.
43
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau
Ejemplo. En la siguiente tabla se muestra un registro de precipitación mensual que tiene registros incompletos. Se solicita
completar los registros mensuales faltantes por medio del método del U.S. National Weather Service.
44
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau
Solución:
45
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau
Ejemplo . Completar
los registros de
precipitaciones
mensuales de la
estación AASANA
con los datos
registrados en tres
estaciones
circundantes, por el
método del U.S.
NATIONAL
WEATHER SERVICE
Precipitaciones
mensuales, Estación
AASANA
46
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau
Ejemplo . Completar los registros de precipitaciones mensuales de la estación AASANA con los datos
registrados en tres estaciones circundantes, por el método del U.S. NATIONAL WEATHER SERVICE
47
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau
Precipitaciones
mensuales
estación
TAMBORADA
48
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau
Precipitaciones
mensuales Estación
SARCO SENAMHI
49
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau
Precipitaciones
mensuales
estación
PAROTANI
50
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau
Solución
Con los datos de las tres estaciones circundantes se procede a calcular:
.
.
.
.
Y ASI SUCESIVAMENTE SE SIGUE CALCULANDO LOS DATOS QUE FALTAN.
51
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau
Resultados de
la aplicación
del método
U.S. National
Weather
Bureau Service
en la estación
pluviométrica
de AASANA-
CBBA.
52
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método racional deductivo
Donde:
i = cada uno de los meses desconocidos, como máximo pueden ser once.
Pi = precipitación mensual desconocida en cada año incompleto, en mm.
ΣSi = suma de los porcentajes promedio de los meses cuya precipitación se
desconoce, en porcentaje.
Σp = suma de las precipitaciones mensuales conocidas en los años incompletos,
en mm.
Si = porcentaje promedio asignado a cada uno de los meses desconocidos o
faltantes.
55
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método racional deductivo
Estimación de datos mensuales faltantes en la estación PAROTANI, por el método racional deductivo.
57
I. Estimación de datos faltantes/ I.A. Estimación de registros anuales faltantes
58
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ a) Método de los promedios
59
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de los promedios
Ejemplo.
Con los datos de precipitación en la estación Laguna
Taquiña (Estación Índice) complementar los datos
faltantes en las estaciones faltantes Largunmayu,
Linkupata y Janamayu, por el método de los promedios.
60
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de los promedios
61
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de los promedios
62
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal
64
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal
65
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal
Ejemplo.
Solución: Como primer paso construir un diagrama de dispersión con las parejas de datos comunes de las dos estaciones.
67
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal
Solución: Con los 22 años de registro común de las estaciones se prepara se tiene la tabla
anterior, con los cuales se calcula el coeficiente de correlación lineal y la eficiencia
estadística.
68
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal
69
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal
En la Tabla se
obtiene ro=0.423,
para =22-2=20
grados de libertad.
Como rxy=0.6934 es
mayor que ro,
entonces no existe
posibilidad de que
rxy sea igual a cero.
70
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal
71
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal
72
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal
La inferencia se realiza
sustituyendo cada uno de los
valores observados en la estación
ANZALDO, como variable
independiente (x) y se calcula el
correspondiente valor de y, para la
estación PAROTANI.
En esta tabla se muestran los 14
años estimados en la estación
PAROTANI, cuya precipitación
media anual del periodo 1964-
2001 (36 años) adopta un valor de
554.1mm.
73
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal
Ejemplo.
Considerando que las estaciones pluviométricas de AASANA (estación patrón) y Sarco
Senamhi (con datos faltantes), tienen en común la altura en msnm, condiciones
topográficas y características fisiográficas, siendo la distancia corta que los separa (3.5
km.); se pide completar la información de precipitaciones totales faltantes aplicando el
método de regresión lineal.
75
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal
Solución
Con los datos proporcionados en Tabla 3.15, graficamos en el eje x,
los datos de la estación AASANA y en la ordenada los datos de la
estación Sarco Senamhi y con el método de los mínimos cuadrados
se obtiene una ecuación lineal (Y=1.1677X- 57.518) que tiene una
correlación de 0.89, como se muestra en la figura siguiente.
76
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal
77
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal
78
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal
79
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal
Relleno de
datos de la
estación
SARCO
SENAMHI
con los datos
de la
estación
AASANA
80
rnunez@continental.edu.pe