Universidad Nacional Agraria La Molina Facultad de Ingeniera Agrcola

Departamento de Recursos Hdricos

Curso: Hidrologa
Dr. Eduardo A. Chvarri Velarde

CLASE VI

ANLISIS DE TORMENTAS

1. Conceptos

1.1. Tormenta

El concepto de tormenta puede ser descrito en funcin al siguiente grfico denominado

hietograma o hietgrafo.

En primer lugar debe notarse que el registro no es continuo; asimismo la tormenta tiene una
determinada duracin que en este caso es de 24 horas y finalmente podemos tener idea de su
magnitud mediante el valor de la lmina de lluvia precipitada que en este caso es igual a 91.8
mm.

Para el ejemplo, la intensidad pico es de 14.2 mm/h, con una intensidad media de 3.8 mm/h.

1.2. Periodo de retorno

El periodo de retorno se define como el lapso promedio entre la ocurrencia de un evento igual o
mayor a una magnitud dada.

Entonces, al hablar de una tormenta de periodo de retorno igual a 25 aos, se entiende que
dicho evento ser igualado o excedido en promedio una vez cada 25 aos, en el transcurso de
un gran nmero de aos.

Como en hidrologa se utilizan muestras integradas por eventos hidrolgicos anuales, se podr
plantear la siguiente ecuacin basndose en el concepto de probabilidad:

1 1
T
P( X x) 1 P( X x)

Con frecuencia resulta interesante estimar la probabilidad de que un evento con un

determinado periodo de retorno, sea igualado o excedido en un cierto intervalo, para responder
a dicha pregunta se define el concepto de riesgo de falla.

1 10/05/17
 Universidad Nacional Agraria La Molina Facultad de Ingeniera Agrcola
Departamento de Recursos Hdricos
Curso: Hidrologa
Dr. Eduardo A. Chvarri Velarde

Sea p la probabilidad de excedencia del evento igual a 1/T, esto es, la probabilidad de
ocurrencia en cualquier ao. La probabilidad de no ocurrencia del evento en cualquier ao ser
(1-p). Considerando que los eventos anuales son estadsticamente independientes, la
probabilidad de que el evento no suceda en dos aos consecutivos es (1-p)2. Extendiendo este
razonamiento a la vida til (N) del proyecto, se tendr (1-p)N. Finalmente, la probabilidad de
que el evento si ocurra durante la vida til ser:
1 N
R 1 (1 p) N 1 (1 )
T
1
T 1
1 (1 R) N

Sin embargo, es importante notar que la definicin de tiempo de retorno no constituye

suficiente informacin para un ingeniero dedicado a los recursos hdricos. Por ejemplo, la
nocin de tiempo de retorno no permite responder a la siguiente pregunta:
Cul sera el nmero de veces que un evento con tiempo de retorno T se presente por lo
menos 02 veces en los prximos 10 aos?

A fin de responder a la interrogante realizada, es til la ley de probabilidades de Bernoulli o

Binomial.

Nos interesa entonces la situacin en la que un evento de precipitacin mxima con tiempo de
retorno T denotado por PT, sea sobrepasado durante un intervalo de tiempo fijo en un ao.

Si definimos una variable x que pueda tomar dos valores: 0 si la precipitacin no es

sobrepasada dentro de un ao 1 en la situacin contraria. La ley de probabilidades de esta
variable es:

Si mantenemos el ejemplo anterior a n aos considerados estadsticamente independientes, la

ley de probabilidades se puede escribir como:

Ejemplo:
Desea Usted construir una obra de proteccin para una vida til de 100 aos y quiere saber la
probabilidad de que un evento con tiempo de retorno de 50 aos sea sobrepasado dentro de
los prximos 100 aos.

La variable aleatoria x representar el nmero de veces que el evento crtico pueda ser
sobrepasado durante el periodo de 100 aos siguiendo la ley Binomial B(100, 0.02). La
probabilidad ser:

2 10/05/17
 Universidad Nacional Agraria La Molina Facultad de Ingeniera Agrcola
Departamento de Recursos Hdricos
Curso: Hidrologa
Dr. Eduardo A. Chvarri Velarde
Entonces, se podra afirmar que un evento con periodo de retorno de 50 aos tiene una
probabilidad del 87% de ser sobrepasado durante un periodo de vida til de obra de 100 aos.
Ello evidentemente sera muy peligroso de aceptar.

Entonces la pregunta sera Qu tiempo de retorno se debe elegir en este caso para por
ejemplo tener una probabilidad de ocurrencia de sobrepaso del 25%?

Se obtiene

Esta probabilidad permite obtener un periodo de retorno de T=1/p = 345 aos.

2. Anlisis de frecuencia de la precipitacin

La mayora de los parmetros hidrolgicos, incluyendo la precipitacin, escorrenta,

evaporacin etc., son al fin y al cabo series temporales, es decir, sus magnitudes varan con el
tiempo.

La determinacin de la frecuencia de un episodio de lluvia de una determinada magnitud es de

especial inters en la ingeniera. Por ejemplo, necesitamos ser capaces de conocer si la
magnitud de una tormenta de 30 mm/h tiene una frecuencia de una vez al ao o una vez en 50
aos. En otras palabras, necesitamos ser capaces de establecer el periodo de retorno o
frecuencia de ocurrencia. Esta determinacin ser ms precisa si la extensin de los registros
conocidos es larga.

Es as que si conocemos por ejemplo la precipitacin anual durante 100 aos, podemos,
mediante la estadstica, determinar y pronosticar muchas propiedades a partir de este conjunto
de datos.

Por ejemplo, la siguiente figura muestra las diferentes distribuciones estadsticas de los
registros diarios de lluvia para el Reino Unido (Shaw, 1994).

3 10/05/17
 Universidad Nacional Agraria La Molina Facultad de Ingeniera Agrcola
Departamento de Recursos Hdricos
Curso: Hidrologa
Dr. Eduardo A. Chvarri Velarde
3. Anlisis Intensidad - Duracin - Frecuencia (IDF)

El anlisis intensidad -duracin - frecuencia tiene como objeto construir la curva IDF similar a la
mostrada en la siguiente figura:

En ellas se puede mostrar que a medida que aumenta la intensidad de la lluvia, su duracin
a
disminuye, es decir I t-1. Esto puede expresarse como: I n , para t > 120 minutos.
t
Para el caso en que la duracin de la tormenta est entre 5 minutos <= t <= 120 minutos, la
a
ecuacin ser : I , donde a y b son parmetros caractersticos de cada regin, que
bt
pueden ser determinados estadsticamente.

Con el objeto de considerar la variacin de la intensidad con la frecuencia, se fija, cada vez una
duracin determinada.

Sin embargo, la ecuacin ms utilizada para representar la relacin I-D-F es:

kt m
I n
D
Donde: k, m y n, son constantes que se determinan mediante correlacin lineal mltiple.

4 10/05/17
 Universidad Nacional Agraria La Molina Facultad de Ingeniera Agrcola
Departamento de Recursos Hdricos
Curso: Hidrologa
Dr. Eduardo A. Chvarri Velarde
4. Mtodos Estadsticos1

Los mtodos estadsticos se apoyan en la existencia de series que son, sometidas a un anlisis
de frecuencias basadas por lo tanto en la observacin de eventos pasados.

Los resultados sern confiables siempre que exista suficientes datos disponibles y se acepta la
condicin de que el comportamiento del sistema continuar siendo el mismo durante el futuro.

Dentro de los mtodos estadsticos podemos mencionar las siguientes distribuciones de

probabilidades ms usadas en el anlisis de mximos eventos en hidrologa.
Distribucin Log-Normal de 2 Parmetros
Distribucin Log-Normal de 3 Parmetros
Distribucin de Valor Extremo Tipo I o Distribucin Gumbel
Distribucin Log-Gumbel
Distribucin Pearson Tipo III
Distribucin Log-Pearson Tipo III

Las distribuciones probabilsticas a tratar en esta clase sern la Distribucin Log Normal 2 P y
la Distribucin Gumbel.

4.1. Distribucin Log-Normal de dos Parmetros

La distribucin Log-Normal al igual que la distribucin Normal son de gran utilidad debido a la
facilidad de calcular sus dos parmetros respectivamente. Basta calcular la media y la
desviacin estndar de los datos para el caso de la distribucin Normal y la media y la
desviacin estndar de sus logaritmos para el caso de la distribucin Log - Normal.

Por el teorema de lmite central, tenemos que si X es una variable aleatoria con distribucin
normal, se puede esperar una variable Y = ln(X), tambin con distribucin normal con media Y
y variancia y2. La funcin de densidad de distribucin normal para Y es:

f(Y): funcin de densidad de la distribucin normal para Y (Y, y2)

f(X): funcin de densidad de la distribucin log-normal para X (Y, y2)

Por lo tanto, Y tiene distribucin normal, mientras que X tiene distribucin Log-normal.
Los parmetros Y y y2 pueden ser estimados por sus parmetros muestrales mediante la
transformacin Yi = Ln (Xi)

1
Texto extrado del Libro Hidrologa Aplicada. Abel Meja M. UNALM.

5 10/05/17
 Universidad Nacional Agraria La Molina Facultad de Ingeniera Agrcola
Departamento de Recursos Hdricos
Curso: Hidrologa
Dr. Eduardo A. Chvarri Velarde
4.2. Distribucin de Gumbel

La Distribucin de Gumbel o de valor extremo, tiene actualmente gran utilidad. De acuerdo con
la ley de los extremos (Pinto et al., 1976), la ley de distribucin de la serie de n trminos
constituidos por los mayores valores de cada muestra tiende asintticamente a una ley simple
de probabilidades, que es independiente de la que rige la variable aleatoria en las diferentes
muestras y en el propio universo de la poblacin infinita.

6 10/05/17
 Universidad Nacional Agraria La Molina Facultad de Ingeniera Agrcola
Departamento de Recursos Hdricos
Curso: Hidrologa
Dr. Eduardo A. Chvarri Velarde
Ejemplo:

Si se muestra de datos de caudales picos tiene como media 81 y desviacin estndar 23.
Determinar el perodo de retorno T, correspondiente a Q = 91 m 3/s, si se asume que los datos
siguen una distribucin Gumbel.

5. Factores de frecuencia1

Este concepto fue usado por Ven Te Chow (1951) en combinacin con la frmula general para
el anlisis de frecuencias hidrolgicas:
_
X X KS
Donde :

X : Precipitacin para un determinado periodo de retorno T

_
X : Es la media de la serie de precipitacin.
K : Factor de frecuencias
S : Desviacin estndar de los datos.

5.1. Factor de frecuencia para la distribucin Normal y la distribucin Log Normal

7 10/05/17
 Universidad Nacional Agraria La Molina Facultad de Ingeniera Agrcola
Departamento de Recursos Hdricos
Curso: Hidrologa
Dr. Eduardo A. Chvarri Velarde
Tabla de factores de frecuencia para la distribucin Normal y Log Normal

5.2. Factor de frecuencia para la distribucin Gumbel

El factor de frecuencia K de la distribucin Gumbel depende del periodo de retorno y se puede

encontrar a partir de la siguiente ecuacin:

6
T
K 0.5772 ln ln

T 1

8 10/05/17
 Universidad Nacional Agraria La Molina Facultad de Ingeniera Agrcola
Departamento de Recursos Hdricos
Curso: Hidrologa
Dr. Eduardo A. Chvarri Velarde

5. Precipitacin Mxima Probable (PMP) - Mtodo Estadstico

El mtodo estadstico de estimacin de la precipitacin mxima probable, fue desarrollado

alrededor de 1960 por David M. Hershfield y puede ser empleado siempre y cuando se
disponga de suficientes datos de precipitacin mxima en 24 horas y es particularmente til
para realizar estimaciones rpidas. El mtodo bsicamente permite realizar las estimaciones de
la PMP para cuencas no mayores a 1000 km2.

El mtodo de Hershfield es especialmente til ya que solamente emplea registros de lluvia

mxima 24 horas, recomendndose de ser posible el uso de registros no menores de 20 aos
o cuando menos mayores a 10 aos, pues lo de menor longitud no se deben emplear.

La ecuacin general es:

PMP = (Xnf11f12+KSnf13f14)f1 f2
Donde:

PMP : Precipitacin Mxima Probable (mm)

Xn : Promedio de las mximas precipitaciones anuales (mm)
Sn : Desviacin estndar del registro (mm)
K : Coeficiente que depende de X n e igual a 19x10-0.000965Xn
f11 : Factor de ajuste por nmero de aos de registro en la media.
f12 : Factor de ajuste por algn valor elevado en la media.
f13 : Factor de ajuste por nmero de aos del registro en la desviacin estndar.
f14 : Factor de ajuste por algn valor alto en la desviacin estndar.
f1 : Factor de ajuste por nmero de lecturas/da en el pluvimetro.
f2 : Factor de ajuste por transicin de la lluvia puntual a un rea.

Segn la frmula se determinan la media (Xn) y la desviacin tpica (Sn) de la muestra. Pero si
existe algn valor alto se le debe abstraer y calcular las nuevas media (X n-m) y desviacin
estndar (Sn-m), originndose los siguientes factores de correccin:

X nm
f 12
Xn
S nm
f 14
Sn

Por la longitud del periodo de registro nacen los factores correctivos f11 y f13.

Finalmente por el nmero de lecturas/da, se introduce el factor f1 y por transicin de la lluvia

puntual a un rea el factor f2.

Sin embargo, hay que tener en cuenta la demostracin realizada por Koutsoyiannis (1999),
correspondiente a que la PMP es equivalente a una precipitacin mxima para un periodo de
retorno de aproximadamente 60,000 aos.2

2A probabilistic view of Hershfields method for estimating probable maximum precipitation. Demetris
Koutsoyiannis. Department of Water Resources, Faculty of Civil Engineering, National Technical
University, Athens, Greece.

9 10/05/17
 Universidad Nacional Agraria La Molina Facultad de Ingeniera Agrcola
Departamento de Recursos Hdricos
Curso: Hidrologa
Dr. Eduardo A. Chvarri Velarde

FACTOR f1

Fuente:L.L.Weiss citado por Campos Aranda 'Procesos del Ciclo Hidrolgico',1987.

10 10/05/17
 Universidad Nacional Agraria La Molina Facultad de Ingeniera Agrcola
Departamento de Recursos Hdricos
Curso: Hidrologa
Dr. Eduardo A. Chvarri Velarde

FACTOR f11 (Media) y f13 (Desviacin Estndar)

Fuente: D.M.Hershfield citado por Campos Aranda 'Procesos del Ciclo Hidrolgico',1987.

11 10/05/17
 Universidad Nacional Agraria La Molina Facultad de Ingeniera Agrcola
Departamento de Recursos Hdricos
Curso: Hidrologa
Dr. Eduardo A. Chvarri Velarde

FACTOR K

Fuente: D.M.Hershfield citado por Campos Aranda 'Procesos del Ciclo Hidrolgico',1987.

12 10/05/17
 Universidad Nacional Agraria La Molina Facultad de Ingeniera Agrcola
Departamento de Recursos Hdricos
Curso: Hidrologa
Dr. Eduardo A. Chvarri Velarde

FACTOR f14

Fuente: D.M.Hershfield citado por Campos Aranda 'Procesos del Ciclo Hidrolgico',1987

13 10/05/17
 Universidad Nacional Agraria La Molina Facultad de Ingeniera Agrcola
Departamento de Recursos Hdricos
Curso: Hidrologa
Dr. Eduardo A. Chvarri Velarde

FACTOR f12

Fuente: D.M.Hershfield citado por Campos Aranda 'Procesos del Ciclo Hidrolgico',1987.

14 10/05/17
 Universidad Nacional Agraria La Molina Facultad de Ingeniera Agrcola
Departamento de Recursos Hdricos
Curso: Hidrologa
Dr. Eduardo A. Chvarri Velarde

FACTOR f2

Fuente: D.M.Hershfield citado por Campos Aranda 'Procesos del Ciclo Hidrolgico',1987.

15 10/05/17
 Universidad Nacional Agraria La Molina Facultad de Ingeniera Agrcola
Departamento de Recursos Hdricos
Curso: Hidrologa
Dr. Eduardo A. Chvarri Velarde

Ejemplo del clculo de la precipitacin mxima probable considerando una serie de 48 aos de
precipitacin mxima 24 horas registrada en la Estacin Jos A. Quinez (Huanuco)

16 10/05/17