FACULTAD DE CIENCIAS DE INGENIERIA

ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA CIVIL-HVCA

TRABAJO ESCALONADO N 02
HEC-4

CTEDRA:
PRESAS Y OBRAS DE EMBALSE

CATEDRTICO:
Ing. Ivan A.

Ayala Bizarro CLAVERTH

ESTUDIANTE: -RAMOS
QUISPE

Contents

1. HEC-4
1.1. 1.2. CRACTERISTICAS DE HEC 4 . . . . . . . . . . . . . . . . . MTODOS DE CLCULO . . . . . . . . . . . . . . . . . . .

2
2 2

2. BIBLIOGRAFIA
1 2

1 UNIVERSIDAD 2 UNIVERSIDAD

NACIONAL DE HUANCAVELICA E.A.P. ING. CIVIL HVCA NACIONAL DE HUANCAVELICA E.A.P. ING. CIVIL HVCA

Captulo 1 HEC-4

1.1.

CRACTERISTICAS DE HEC 4

El HEC-4 ujo mensual corriente modelo de simulacin desarrollado por el Centro de Ingeniera Hidrolgica, Davis, California, se utiliza para extender los registros histricos disponibles de caudales en el rea central de Ohio. El objetivo principal de este trabajo es examinar la ecacia del modelo HEC-4 en la generacin de ujos mensuales sintticos. Importantes parmetros estadsticos se evalan con el n de relacionar las propiedades estadsticas de los ujos histricos y generados. Al hacerlo, se observa que la media, desviacin estndar, y la asimetra de los ujos generados son consistentemente mayores que las correspondientes estimaciones basadas en ujos histricos. Sin embargo, los resultados muestran que estas estadsticas, as como el retraso-1 de correlacin en serie, son generalmente bien mantenido por las secuencias generadas. El grado en que las diferencias estadsticas seran crtica, desde el punto de vista de ingeniera de diseo, se demuestra mediante la utilizacin de sus caractersticas de bajo ujo. Las estimaciones de depsito seguro-rendimientos, basados en una masa no secuencial anlisis de la curva de los ujos bajos histricos y generada, indican una diferencia nominal en este estudio particular. Este programa analizar escurrimientos mensuales en un nmero de estaciones interrelacionados para determinar sus caractersticas estadsticas y generar una secuencia de caudales hipotticas de cualquier longitud deseada que tiene esas caractersticas. Se reconstituir falta caudales en la base de los ujos concurrentes observado en otros lugares y obtener la mxima y las cantidades mnimas de cada mes y durante periodos especicados en Los ujos registrados, reconstituidas y generado. Tambin utilizar la generalizada modelo de simulacin para la generacin de caudales mensuales en lugares sobre la base de los estudios regionales. Hay muchas opciones de uso de la programa para diversos nes relacionados, y que puede ser utilizado para otras variables tales como precipitacin, evaporacin, y los requisitos de agua, solos o en combinacin.

1.2.

MTODOS DE CLCULO

En la parte de anlisis estadstico de este programa, los ujos por cada mes calendario en cada estacin primero se incrementa en 1 por ciento de su calendario de meses promedio con el n de evitar innito negativo logaritmos. Este incremento es ms tarde restante. La media, la desviacin estndar y los coecientes de sesgo para cada mes estacin y el calendario se calcula entonces. Esto implica las siguientes ecuaciones:

UNIVERSIDAD NACIONAL DE HUANCAVELICA Escuela Academica Ingenieria Civil-Hvca

En los que: X = Logaritmo del ujo se incrementa mensualmente. Q = caudal mensual registrada. q = pequeo incremento de ujo usado para prevenir logaritmon innitas Los meses con caudal cero X'= La media del logaritmo incrementados ujos mensuales N = Total de aos de registro S = imparcial estimacin de la desviacin estndar de la poblacin g = imparcial estimacin del coeciente de poblacin sesgar i = mes nmero m = nmero de aos Para cada estacin y mes con registro incompleto, la bsqueda es hecha por largos registros entre las estaciones utilizadas, para encontrar lo que se ms contribuyen a aumentar la abilidad de la computarizada estadsticas desde el registro incompleto. La desviacin media y estndar se a continuacin se ajusta. Ecuacin 5 se usa para calcular el registro equivalente requerido para obtener estadsticas ables igualmente a estas estadsticas ajustadas y es la base para seleccionar el mejor registro para ser usado en el ajuste. Las ecuaciones anteriores son las ecuaciones de ajuste.

Los nmeros primos indican los valores a largo plazo y los que no primos se basan en el perodo de cuerdo corto para ambas estaciones. N = longitud de registro. R = coeciente de correlacin lineal. Cada ujo individual se convierte entonces en un estndar normalizado variable aleatoria, utilizando la aproximacin siguiente de la distribucin de Pearson Tipo III. 3

UNIVERSIDAD NACIONAL DE HUANCAVELICA Escuela Academica Ingenieria Civil-Hvca

t = Pearson Tipo III estndar desviarse K = desviacin normal estndar Despus de la transformacin de los ujos para todos los meses y las estaciones a la normalidad, el bruto (simple) coecientes de correlacin R entre todos los pares de estaciones por cada mes natural en curso y el anterior se calcula mediante el uso de la siguiente frmula:

en los que: Las variables para calcular un coeciente de correlacin requerida, ese valor debe ser estima. Cada valor faltante se estim mediante el examen de su relacin a los pares relacionados de valores en el mes en curso y el anterior por el uso de la siguiente frmula utilizando i J, y los subndices k para indicar variables utilizado en la correlacin bruto.

Dado que, con el n de ser consistentes con los dos coecientes de correlacin relacionadas, el coeciente de correlacin debe estar comprendida entre los lmites dados por la ecuacin Li, el ms bajo lmite superior y el lmite inferior ms alto se establecen para todo lo relacionado pares, y 'Nos promedio de estos dos lmites se toma como la correlacin estimada coeciente. Caudales mensuales que faltan de los registros de las distintas estaciones. Se estima que para todas las estaciones de cada mes en turno. En consecuencia, siempre un ujo que falta est siendo reconstituido, siempre existe una vlida valor para todas las estaciones ya examin ese mes y para todos los restantes estaciones, ya sea en el mes actual o anterior. Para estas restantes estaciones, el valor actual se selecciona cuando se disponga lo contrario, lapreiin valor se utiliza. Con el n de reconstituir el valor que falta, una recesin ecuacin en trminos de variables aleatorias normales estndar se calcula seleccionando coecientes necesarios de la matriz de correlacin completa para ese mes y resolver por el mtodo Crout Se ha encontrado que el uso vlido de la tcnica de regresin requiere que todos los coecientes de correlacin de acuerdo con los datos que 4

UNIVERSIDAD NACIONAL DE HUANCAVELICA Escuela Academica Ingenieria Civil-Hvca

se sustituirn en las ecuaciones y los coecientes de correlacin que ser coherentes entre s. La inconsistencia en los coecientes de correlacin hace que el dependiente variable a ser excesivamente denido y se evidencia por un coeciente de determinacin mayor que 1,0. Si esto ocurre (debido a datos incompletos), el independiente variable menos contribuir a la correlacin se ha cado, y un ecuacin recesin nuevo se calcula. Este proceso se repite segn sea necesario hasta que se alcanza la consistencia (que debe ser en el momento en que slo uno variable independiente sigue siendo). Con el n de hacer que la matriz de correlacin coherente con la matriz de datos, todos los coecientes de correlacin afectadas, despus de cada estimacin de datos faltantes. Normales se desva estndar se convierten a continuacin ujos mediante el uso de la siguientes ecuaciones;

Cuando el conjunto de ujos se ha completado, todas las matrices de correlacin deben ser coherentes con excepcin de los errores de truncamiento en el ordenador, ya que los datos matrices son completos. Cualquier consistencia de matrices obtenida de esta manera o de matrices ledos en el ordenador tendr como resultado coecientes de determinacin mayor que 1,0. Si esto ocurre, la consistencia de cada matriz de correlacin es asegurado por la primera prueba todas las combinaciones de triadas de los coecientes de correlacin en el mes en curso y el anterior para todos los meses del calendario y elevando el ms bajo de los tres coecientes para obtener una trada consistente. La prueba de consistencia de cada matriz completa es. la repeticin de toda consistencia trada pruebas hasta que todas las matrices son consistentes. Si la consistencia no se alcanza, coecientes en cada matriz inconsistente se mueven hacia el medio valor de todos los coecientes en esa matriz hasta que se alcanza la consistencia. Generacin de caudales hipotticos se logra calculando una ecuacin de regresin, por el mtodo Crout para cada estacin y mes y luego los caudales de clculo para cada estacin en a su vez por un mes a la vez usando la siguiente ecuacin. Este proceso se inicia con valores medios (desviacin cero) para todas las estaciones del primera mes y desechar los primeros 2 aos de los ujos generados por.

UNIVERSIDAD NACIONAL DE HUANCAVELICA Escuela Academica Ingenieria Civil-Hvca

En los que: K = logaritmo ujo mensual, expresado como un estndar normal desviarse = Coeciente Beta calculado a partir de la matriz de correlacin i = mes nmero j = Nmero de estacin n = nmero de 'estaciones relacionadas entre s R = coeciente de correlacin mltiple Z = nmero aleatorio de la poblacin normal estndar Los ujos mximos, mnimos y promedio se obtiene para la totalidad perodo de los ujos como se registra y por perodos determinados reconstituida y los ujos generados por la tcnica de revisin de rutina Los ujos mximos, mnimos y promedio se obtiene para la totalidad perodo de los ujos como se registra y por perodos determinados reconstituida y los ujos generados por la tcnica de revisin de rutina. Debido a las limitaciones en el tamao de la memoria del ordenador y debido a creciente cambio de inestabilidad computacional con matrices ms grandes, el nmero de estaciones utilizables simultneamente en este programa ha sido limitado a 10. Sin embargo, el programa puede reconstituir y generar caudales para cualquier nmero de estaciones en grupos de 10 o menos. Es normalmente estar deseable incluir una o ms estaciones de los grupos anteriores en cada uno grupo sucesivo con el n de preservar correlaciones importantes. y los nmeros de identicacin de la estacin para los estaciones. Estos nmeros deben ser listados en la misma secuencia que su lata estaba dispuestas en pases anteriores. Los datos para las nuevas estaciones para el nuevo pase entonces deben ser ledo. Ninguno de estos ujos puede ocurrir en un ao a ms tardar el ltimo ao para el que existen datos de ujo se produjo en la primera pasada Tan pronto como los ujos se reconstituyen para cualquier paso, se leen en la cinta de ujo. Despus de estadsticas se calculan a partir transformado ujos reconstituidas, son ledos en la cinta estadsticas (despus identicada las estaciones para futura referencia). Final datos ecuacin de regresin para cada pasada se leen sobre la misma cinta en la mismo tiempo (para su uso ms adelante). Para cada nuevo pase, el ujo y las cintas de las estadsticas se buscan por separado los datos de las estaciones ya usado que tambin se producen en el paso de nuevo. Con el n de leer y escribir alternativamente en las mismas cintas, es necesario de registros de cinta a n de asegurar que cualquier declaracin leer hace no leer ms all de la marca de registro y as ocurre que las declaraciones.

1 UNIVERSIDAD

NACIONAL DE HUANCAVELICA E.A.P. ING. CIVIL HVCA

Captulo 2 BIBLIOGRAFIA
-WWW.HEC 4.COM.PE. -INTERNET. 1

1 UNIVERSIDAD

NACIONAL DE HUANCAVELICA E.A.P. ING. CIVIL HVCA