HIDROESTA

1. INTRODUCCION:
Los estudios hidrol
ogicos requieren del analisis de cuantiosa informacion hidrometeorologica; esta informaci
on puede consistir de datos de precipitacion, caudales, temperatura, evaporacion, etc.
Los datos recopilados, solo representan una informacion en bruto, pero si estos se organizan y analizan
en forma adecuada, proporcionan al hidrologo una herramienta de gran utilidad, que le permite tomar
decisiones en el dise
no de estructuras hidraulicas.
Para realizar los c
alculos, los hidr
ologos tienen que enfrentarse a una serie de problemas, debido a que:
El procesamiento de la informaci
on que se tienen que realizar son bastante laboriosos.
Las ecuaciones que se tienen que solucionar, en la mayora de los casos son muy complejas, y para
su soluci
on se requiere del uso de metodos numericos.
Las simulaciones que se realizan manualmente consumen mucho tiempo, debido a los calculos que se
requieren.
Por lo laborioso del proceso de la informacion y de los calculos se puede incurrir en errores, por lo que se
requiere de un software que brinde al hidrologo de una herramienta que le permita simplificar todos estos
procesos, e inclusive permitirle simular sus resultados, permitiendo con esto optimizar su dise
no.

2. DESCRIPCION:
HidroEsta, es un Herramienta computacional utilizando Visual Basic, para calculos hidrologicos y estadsticos aplicados a la Hidrologa. Este software facilita y simplifica los calculos laboriosos, y el proceso
del an
alisis de la abundante informaci
on que se deben realizar en los estudios hidrologicos. El software
permite el c
alculo de los par
ametros estadsticos, calculos de regresion lineal, no lineal, simple y m
ultiple
as como regresi
on polinomial, evaluar si una serie de datos se ajustan a una serie de distribuciones, calcular a partir de la curva de variaci
on estacional o la curva de duracion, eventos de dise
no con determinada
probabilidad de ocurrencia, realizar el analisis de una tormenta y calcular intensidades maximas, a partir
de datos de pluviogramas, los c
alculos de aforos realizados con molinetes o correntometros, el calculo de
caudales m
aximos, con metodos empricos y estadsticos, calculos de la evapotranspiracion y calculo del
balance hdrico.
HidroEsta proporciona una herramienta que permite realizar calculos, simulaciones rapidas, y determinar
los caudales o precipitaciones de dise
no.
3. IMPORTANCIA:
HidroEsta representa una contribuci
on para simplificar los estudios hidrologicos, es importante porque:
Proporciona una herramienta novedosa y facil de utilizar para los especialistas que trabajen en el
campo de los estudios hidrol
ogicos.
Permite simplificar el proceso de la abundante informacion y los calculos laboriosos.
Permite a partir de la informaci
on proporcionada, simular los parametros de dise
no de las estructuras
a construir.
Reduce enormemente el tiempo de calculo.
Permite obtener un dise
no
optimo y economico.
4. APLICACIONES:
El sistema permite resolver los problemas mas frecuentes que se presentan en los calculos hidrologicos, los
cuales son:
El c
alculo de los par
ametros estadsticos, para datos agrupados y no agrupados, tanto con los momentos tradicionales como con momentos lineales.
C
alculos de regresi
on lineal, no lineal, simple y m
ultiple as como regresion polinomial.
Evaluar si una serie de datos se ajustan a una serie de distribuciones: normal, log-normal de 2 y
3 par
ametros, gamma de 2 y 3 parametros, log-Pearson tipo III, Gumbel y log-Gumbel, tanto con
momentos ordinarios, como con momentos lineales. Si la serie de datos se ajusta a una distribuci
on,
permite calcular por ejemplo caudales o precipitaciones de dise
no, con un perodo de retorno dado o
con una determinada probabilidad de ocurrencia.
Calcular a partir de la curva de variacion estacional o la curva de duracion, eventos de dise
no con
determinada probabilidad de ocurrencia.
1

 Realizar el an
alisis de una tormenta y calcular intensidades maximas, a partir de datos de pluviogramas, as como la intensidad m
axima de dise
no para una duracion y periodo de retorno dado, a partir
del registro de intensidades m
aximas. Tambien permite el calculo de la precipitacion promedio por
los metodos promedio aritmetico, polgono de Thiessen e isoyetas.
Los c
alculos de aforos realizados con molinetes o correntometros.
El c
alculo de caudales m
aximos, con metodos empricos (racional y Mac Math) y estadsticos (Gumbel
y Nash).
C
alculos de la evapotranspiraci
on con los metodos de Thorthwaite, Blaney-Criddle, Penman, Hargreaves y c
alculo del balance hdrico.
La aplicaci
on, proporciona una ayuda para usar sin ninguna dificultad el software, y tambien donde se da
explicaci
on de los conceptos y ecuaciones utilizadas. Es posible almacenar la informacion de entrada en
archivos, a fin de repetir los c
alculos las veces que se desee. Los datos procesados y resultados obtenidos,
se almacenan en archivos de textos en formato .RTF, de donde se puede agregar a un documento .DOC
cuando se quiera elaborar un informe.
PRINCIPAL:
5. OPCIONES DEL MENU
El sistema HidroEsta, tiene un Men
u Principal, como el que se muestra en la Figura 1, el cual permite al
usuario elegir la opci
on deseada seg
un el calculo que tenga que realizar.

Figura 1, Men
u Principal de HidroEsta
Las opciones del men
u principal son:

6. EJEMPLOS APLICATIVOS:
Para empezar a usar el Software lo ejecutamos dando doble clic en el cono:
Aparecera el men
u principal

Seleccionamos la opcion deseada

6.1 Par
ametros estadsticos: El hidr
ologo generalmente tendra disponible un registro de datos hidrometeorol
ogico (precipitaci
on, caudales, evapotranspiracion, temperaturas, etc.), a traves de su conocimiento
del problema fsico, escoger
a un modelo probabilstico a usar, que represente en forma satisfactoria el comportamiento de la variable. Para utilizar estos modelos probabilsticos, se deben calcular sus parametros
estadsticos y realizar la prueba de bondad de ajuste. Dentro de estos parametros estadsticos calculados
por los momentos ordinarios, se tiene:
media
rango
desviaci
on est
andar
varianza
coeficiente de variaci
on
coeficiente de sesgo
coeficiente de curtosis
Tambien estos par
ametros estadsticos se pueden calcular utilizando los momentos lineales (L-moments).
Los c
alculos son dependiendo de si los datos son datos agrupados o no agrupados.
6.1.1. Datos no agrupados: En este caso los datos son datos no muy detallados o en bruto como
se dice, (es decir, no se presentan clasificados) estos no son necesarios clasificarlos ni generar una tabla
de frecuentas, ya que no tiene mucho sentido. Debido a que estos elementos son de menor cantidad
(generalmente son menores a 20 elementos).
Ejemplo: Datos no agrupados
Se tiene los datos de precipitaciones mensuales a partir del a
no 1914 hasta el a
no 2009 de la cuenca del
rio chancay, utilizada para analizar los cauces en la bocatoma Raca Rumi.
Soluci
on:
De los datos presentados si se quiere hacer un analisis de datos no agrupados tomaremos el promedio de
las precipitaciones mensuales de todos los a
nos desde 1914 hasta 2009 Teniendo los siguientes datos.
1o : Abrimos el software hidroesta, buscamos en la primera opcion parametros estadsticos, datos no
agrupados y se nos abrir
a una ventana.
3

axima
2o : Una vez abierta esta ventada se procedera ha ingresar los datos, uno por uno. Una sera un m
de 20 como se estipula que se clasifican los datos no agrupados.

3o : Damos clic en calcular, e instant

aneamente el programa te dara los resultados que presentaremos a
continuaci
on.

4o : Estos datos pueden ser exportados al Microsoft Word como se ve mas adelante.

6.1.2. Datos agrupados: Son aquellos que su fin es resumir la informacion. Por lo general, los elementos
son de mayor tama
no, por lo cual requieren ser agrupados, esto implica: ordenar, clasificar y expresar los
en una tabla de frecuencias. Se agrupa a los datos, si se cuenta con 20 o mas elementos. Aunque contemos
con m
as de 20 elementos, debe de verificarse que los datos n sean significativos.
Ejemplo: De datos agrupados
De debe calcular todos los par
ametros estadsticos para los datos de la tabla antes mencionada, para esto
tomaremos las datos de las misma tabla antes mencionada, pero se tomaran las precipitaciones maximas
de cada a
no. Con un minino de 30 a
nos.
Soluci
on:
1o : Abrimos el software hidroesta, buscamos en la primera opcion parametros estadsticos, datos agrupados y se nos abrir
a una ventana.

2o : Con la ventada abierta como se muestra se ingresaran los datos seleccionados de la tabla los cuales
ser
a las m
aximas precipitaciones por cada a
no, introducimos los datos.

3o : Damos clic en calcular, e instant

aneamente mente el programa te dara los resultados que presentaremos
a continuaci
on.

4o : Estos datos pueden ser exportados al Microsoft Word como se ve mas adelante.

6.2. Regresiones: El an
alisis de regresion, es una tecnica determinstica, que permite determinar la
naturaleza de la relaci
on funcional entre dos o mas variables, permite predecir los valores de y = f (x),
ecuaciones de regresi
on, con un cierto grado de aproximacion. Algunas ecuaciones de regresion m
as
utilizadas en hidrologa, son:
a) Regresi
on lineal.
b) Regresi
on simple.
c) Regresi
on m
ultiple 2 variables independientes.
d) Regresi
on m
ultiple 3 variables independientes.
e) Regresi
on polinomomial 2o grado.
f) Regresi
on polinomomial 3o grado.
Para poder hacer m
as did
actica la explicacion, nos basaremos en un ejemplo practico de aplicacion:
EJEMPLO: Completar la informaci
on para la estacion pluviometrica A, a partir de las estaciones
ndice B y C, pr
oximas a A y de altitudes parecidas, mediante los diferentes metodos de regresi
on
aplicables en Hidrologa. Las cifras de informacion se refieren a precipitaciones anuales en milmetros.

6.2.1. Regresi
on lineal: En ocasiones la distribucion de la muestra toma la forma de una recta que
sigue una ecuaci
on lineal determinada:

Del cuadro anterior, comparamos la estacion B con A, y luego C con A, para buscar cual tiene mejor
correlaci
on con la estaci
on A.
B con A:

C con A:

10

Como se puede ver en los reportes, la mejor correlacion es entre las estaciones A y B, por lo tanto el
valor del dato faltante para el a
no 1971 es de 911.8967. Debido a que es el que tiene mayor coeficiente de
correlaci
on m
ultiple (0.58928).
6.2.2. Regresi
on simple:
Hay 3 formas de desarrollar y hallar datos faltantes siguiendo una regresion simple:
a) Regresi
on lineal.
b) Regresi
on no lineal.
La regresi
on lineal ya fue vista anteriormente, por eso nos centraremos en la regresion no lineal simple.
6.2.3. Regresi
on no lineal simple:
Hay 2 tipos de regresi
on no lineal simple: a) Regresi
on exponencial:

11

Ser
a aquella en la que la funci
on de ajuste sera una funcion exponencial del tipo y = a.bx La regresi
on
exponencial aunque no es lineal es linealizable tomando logaritmos ya que haciendo el cambio de variable
v = log y tendremos que la funci
on anterior nos generara:
v = logy = log(a.bx) = loga + xlogb
La soluci
on de nuestro problema vendra de resolver la regresion lineal entre v y
x, y una vez obtenida
supuesta esta:
v = A + Bx ; obviamente la soluci
on final sera:
a = antilogAyb = antilogB
Del cuadro anterior, comparamos la estacion B con A, y luego C con A, para buscar cual tiene mejor
correlaci
on con la estaci
on A. Como ya se vio el que tiene mayor correlacion es la lista B, por lo que para
el a
no 1971 la precipitaci
on ser
a de 905.3504 mm.

b) Regresi
on potencial:

12

Ser
a aquella en la que la funci
on de ajuste sea una funcion potencial del tipo: y = a.xb
tambien en este caso se resuelve linealizando la funcion tomando logaritmos ya que:
logy = loga + blogx
Considerando las nuevas variables v = logyu = logx resolveramos la regresion lineal entre ellas de forma
que si el resultado fuera: v = A + Bu
La soluci
on final quedara como a = antilogAyb = B

Del cuadro anterior, comparamos la estacion B con A, y luego C con A, para buscar cual tiene mejor
correlaci
on con la estaci
on A. Como ya se vio el que tiene mayor correlacion es la lista B, por lo que para
el a
no 1971 la precipitaci
on ser
a de 910.5895 mm.
6.2.4. Regresi
on m
ultiple 2 variables independientes:
13

Para dos variables independientes la formula general de la ecuacion de regresion m

ultiple es:
Y = a + b1 x 1 + b2 x 2
x1 y x2 son la variables independientes.
a es la intersecci
on en Y
b1 es el cambio neto en Y para cada cambio unitario en x1 , manteniendo en x2 constante. Se denomina
coeficiente de regresi
on parcial, coeficiente de regresion neta o bien coeficiente de regresion.
b1 es el cambio neto en Y para cada cambio unitario en x2 , manteniendo en x1 constante. Se denomina
coeficiente de regresi
on parcial, coeficiente de regresion neta o bien coeficiente de regresion.
P

y = na + b1

x1 y = a

x 1 + b1

x 1 2 + b2

x2 y = a

x 2 + b1

x 1 x 2 + b2

x1 + b2

x2
P

x1 x2

Un ejemplo con datos de 2 estaciones pluviom

etricas A, B:

Reporte:
Un ejemplo con datos de 2 estaciones pluviom
etricas A, B:

14

x2 2

6.2.5. Regresi
on m
ultiple 3 variables independientes:
Para dos variables independientes la
formula general de la ecuaci
on de regresion m
ultiple es: Y = a + b1 x1 + b2 x2 + b3 x3
Se va usar el criterio de mnimos cuadrados para el desarrollo de esta ecuacion. Como es tedioso el c
alculo
se usa programas de computadora como el hidroesta, para nuestros calculos.
Un ejemplo con datos de 3 estaciones pluviom
etricas A, B, C

Reporte:

15

6.2.6. Regresi
on polinomomial 2o grado: Muchas veces en la nube de puntos de los datos obtenidos,
se ajusta mejor a una curva de ecuaci
on polinomomial.

Del ejemplo anterior, comparamos la estacion B con A, y luego C con A, para buscar cual tiene mejor
correlaci
on con la estaci
on A. B con A:

16

Reporte:

C con A:

17

Reporte:

Como se puede ver en los reportes, la mejor correlacion es entre las estaciones A y B, por lo tanto el
valor del dato faltante para el a
no 1971 es de 888.8190. Debido a que es el que tiene mayor coeficiente de
correlaci
on m
ultiple.
6.2.7. Regresi
on polinomomial 3o grado:
Es muy similar a la regresi
on polin
omica de 2o grado, pero aqu la correlacion m
ultiple es mayor.
Del ejemplo anterior, comparamos la estacion B con A, y luego C con A, para buscar cual tiene mejor
correlaci
on con la estaci
on A.
B con A:

18

C con A:

Como se puede ver en los reportes, la mejor correlacion es entre las estaciones A y B, por lo tanto el
valor del dato faltante para el a
no 1971 es de 893.3597. Debido a que es el que tiene mayor coeficiente de
correlaci
on m
ultiple.

19