Diseño Hidrológico

Período Académico: Septiembre 2013 – Marzo 2014

No. De créditos: 4 cdts

Ing. Diego Mora Serrano, PhD

diego.mora@ucuenca.edu.ec
Facultad de Ingeniería Civil
Universidad de Cuenca
Contenido Sesión Actividad-Tarea
Introducción al Diseño Hidrológico   Lectura:
  1 Cap 13 Ven T Chow
2
Mediciones Hidrológicas 3 Lectura:
    Cap 3 Fattorelli; Cap 6 Ven T Chow
     
 
 
Análisis de Frecuencia 4 Lectura:
  5 Cap 4 Fattorelli; Cap 12 Ven T Chow
   
  Ejercicios:
ECQ
Construccion de IDF, QDF
Modelación 6  
  7 Lectura:
8 Cap 7 Fattorelli
  Ejercicios:
 
WETSPRO
 
  VHM
 
 
Contenido Sesión Actividad-Tarea
Tránsito de Crecidas 9 Cap 8, 9 Ven T Chow; Cap 8 Fattorelli
  10
  11
   
 

Hidrología Urbana 12 Cap 11 Fattorelli

13  
Hidrologia de Riego 14 Cap 13 Fattorelli
15  
 Evaluación
Actividad %

Ejercicios en clase, lecciones y tareas 25%

Trabajos de diseño disertado 25%

Exámenes (20 interciclo, 30 final) 50%

   

Total 100%
 Bibliografía
• Bibliografía Básica

– Fattorrelli S., Fernández P., Diseño Hidrológico II Edición, WASA-GN, ISBN: 978-987-05-
2738-2

– Ven Te Chow, Maidment David, Mays Larry. Hidrología aplicada, Mc Graw Hill
Interamericana, S.A., 1994

• Bibliografía Complementaria

– Mays L. W., Water Resources Engineering, First Edition , John Wiley & Sons, Inc. 2001

– Linsey R.K., Franzini J.B., Freyberg D.L., Tchobanogous G., Water-Resources

Engineering, Fourth Edition, Mc Graw-Hill Inc., 1992
 Capítulo 1
Introducción al Diseño Hidrológico
• Concepto:
– Es el proceso de evaluación del impacto de los
eventos hidrológicos en un sistema de recursos
hidráulicos
– Es la determinación de los valores de las variables
hidrológicas más relevantes para un sistema o un
proyecto
 Diseño hidrológico
• Diseño hidrológico – Diseño hidráulico
– El diseño hidrológico es fundamental para el diseño
de estructuras hidráulicas (canales, captaciones,
tanques, presas, diques, etc.)
– En el diseño hidráulico, aparte del diseño hidrológico
se incluyen otros factores: estructuras, geotécnia,
seguridad, salud pública, economía, estética,
aspectos legales, etc.
– En ese sentido el diseño hidrológico debe ser
realizado en armonía con los demás factores
 Diseño Hidrológico
• 1. Control del Agua:
• La tarea del Hidrólogo en Eventos
– Drenaje extremos de corta
cualquier
duración
– Crecientes
categoría
– Reservorios es determinar un caudal
Caudales picos de crecida o
Caudales mínimos de una
– Control de entrada de diseño, transitarlo
de contaminación sequía a
– Control de sedimentos / salinidad
través del sistema y verificar que los
• 2. Uso del Agua
valores
– Agua potable de caudal de salida sean
e industrial Hidrogramas de caudales
satisfactorios
– Agua para riego completos durante un
– Generación hidroeléctrica período de varios años
– Recreación
– Ambiental
• Valor Limite Estimado:
– Cual es el límite superior de la escala de
diseño de una variable (caudal)?
(infinito, finito con un valor
determinado). El LS es desconocido
pero se puede utilizar un estimado
– Valor Límite Estimado es la máxima
magnitud posible de un evento
hidrológico en un lugar dado utilizando
la mejor información hidrológica
posible.
– La incertidumbre del VLE depende de la
calidad y confiabilidad de la
información, conocimiento técnico y
exactitud del análisis.

– Ejemplo: ????
Precipitación Máxima Probable; Creciente máxima Probable
• VLE basado en probabilidades:
– Metodo determinisitico: Se basa en observaciones. Es
necesario registros hidrológicos suficientemente largos para
llegar a una frecuencia adecuada. (Las magnitudes de
eventos son pequeñas ya que estan ubicadas en un rango
de observaciones frecuentes)

– Metodo probabilistico: manejan distribuciones de

probabilidad. Son menos subjetivos y adecuados para
determinar niveles de diseño óptimos

La densidad poblacional, condiciones de terreno, importancia

de la obra, riesgos, entre otros, influyen en la escala de
diseño hidrológico
• Presas pequeñas
(area: 0,2 – 4 km2;
altura: 7 – 12 m)

• Presas medianas
(area: 4 – 20km2;
altura: 12 – 30 m)

• Presas grandes
(area: > 20 km2;
altura > 30 m)
• Diseño para usos de agua:
El diseño para usos de agua se formula de manera
similar que el diseño para control de aguas (crecidas),
excepto que el problema es de agua insuficiente en
lugar de agua en exceso.

Los eventos de sequía ocurren en largos intervalos y son

menores que los de crecidas.

Es más fácil determinar los niveles de diseño de sequías

mediante el análisis de frecuencias (una base común
para el diseño es la sequía crítica de registro).

Se considera un diseño exitoso si se puede suministrar

las tasas requeridas durante el período crítico
• Nivel de Diseno:
Es la magnitud del evento hidrologico que debe
considerarse para el dise;o de una estructura o
proyecto.
No siempre es economico disenar utilizando el Valor
Limite Estimado.

Existen 3 formas comun de estimarlo:

Aproximacion empirica
Analisis de riesgo
Analisis hidroeconomico
• Aproximacion empirica
– En 1900 se disenaba para crecientes con una
magnitud de 50 a 100% mayor que la mayor
creciente registrada en un periodo de 25 anos
• Es un criterio empirico
• Es arbitrario
– La probailidad de que el evento mas extremo de
los pasados N anos sea igualado o excedido una
vez en los proximo n anos puede estimarse como:
• Aproximacion empirica
– Adicionalmene, si un evento (p.e. una sequia)
tiene una duracion de m anos , el numero de
secuencias con longitud m en los N anos
registrados es N-m+1, y en los n anos proximos es
n-m+1.
– Entonces la probabilidad de que el peor evento,
abarcando los periodos pasados y futuros en los n
anos futuros es:
• Analisis de riesgos
– Especialmente en el diseno de control de aguas, se
debe incluir los riesgos.
– La estructura puede fallar si la magnitud
hidrologica correspondiente a un periodo de
retorno de diseno T, se excede durante la vida util
de la estructura
– El riesgo hidrologico puede calcularse utilizando:

• Donde n es la vida util de la estructura

• R representa la probabilidad de que un evento x>=xT
ocurra por lo menos una vez en n anos
• Incertidumbre
– La incertidumbre puede ser tratada utilizando un
factor de seguridad FS, o un margen de seguridad
MS.
– Si el valor dado por el diseño hidrologico es L y la
capacidad real adoptada para el proyecto es C,
entonces:
• Analisis Hidro-economico
El período de retorno de diseño se puede
determinar por el análisis hidro-económico. Se debe
determinar:
– Naturaleza probabilistica de un evento hidrológico
– Daño que resultaría si éste ocurre

El costo de una obra aumenta si el período de

retorno es alto, sin embargo el costo de los daños
esperados disminuyen si se diseña con un período
de retorno alto.
Un evento con período de retorno alto, genera mayor daño (Daño esperado).
El daño esperado total sera el producto del daño de cada evento y la probabilidad de que este
evento ocurra
La ec. Anterior se evaluar al dividir el rango de
x>xT en intervalos y calcular el costo anual de
daños esperado para eventos en cada uno de
los intervalos (x i-1 < x < x i+1)

Entonces:
Si se suman los costos de capital (de la obra) y los costos de los daños
esperados anualmente, se puede encontrar el período de retorno de diseño
que tenga los menores costos totales
 Capitulo 2.
Mediciones Hidrológicas
• El acopio de la informacion hidrológico es importante para el
diseño hidrológico.

• La variable hidrológica real es diferente a la variable

hidrológica medida

• Toda información hidrológica de carácter historico, es una

aproximación a la realidad y es util para realizar
extrapolaciones estadísticas o numéricas, calibrar y validar
modelos matemáticos para aproximarnos a la realidad
hidrológica
 Observaciones de variables
hidrológicas:
- Precisión temporal
- Precisión espacial
- Precisión de medición de
variable
 Medicion de precipitacion
• Sin registro
– Cualquier recipiente puede medir la precipitación.
Pero la necesidad de estandarizar y debido a otros
factores se establecio medidores estandar.
• Con registro
– El registro puede ser análogo o digital

Tener en cuenta la elección del sitio para su instalación

(acceso, distorsión de medición como árboles o edificios,
etc.)
• Diámetro de boca = 0,357m,
equivale a un área de 0,1 m2
• Se instala normalmente a
1,5m del suelo en áreas
abiertas
• Se lo coloca vertical (90°)
• Tipos de pluviografo:
– De balanza: recoge la lluvia de manera constante
en un taque que determina el peso equivalente a
una lamina.
– De flotador: tiene una cámara con un flotador que
sube cuando se incrementa el nivel de agua. El
ascenso es registrado.

– De cubeta basculante: utiliza dos cubetas

calibradas, que vuelcan su contenido cada vez que
recogen un volumen (peso) de agua equivalente a
1mm de lámina. Cada impulso es registrado.
• Nieve o granizo:
– Se puede medir con pluviómetros con calentadores o
cubetas con líquido anticongelante.
– Resultan mas adecuadas las mediciones del nivel de nieve
caida (en cajones expuestos, levant. Topográfico, y
perforaciones)

• Intercepción:
– la precipitación capturada por la vegetación se determina
comparando pluviografos por debajo de la vegetación vs.
Pluviografo en zonas abiertas.
 Ejercicio
• De un registro de datos medidos en un
pluviografo de cubeta basculante durante
varios meses, determinar la precipitación
diaria.

• Archivo: GUA_23FEB06-5JUL06.txt
MEDICION DE LA EVAPOTRANSPIRACIÓN
• Cuencos de evapotranspiración
• El color, tamaño y posición del cuenco tendrá diferente influencias en los
resultados medidos (Clase A; Colorado)
 Mediciones de nivel en cursos de
agua
• El nivel de agua en rios o lagos nos indican
indirectamente los niveles maximos de
crecientes o niveles en funcion del tiempo.
• Se la realiza en lugares donde la seccion sea lo
más estable posible, sin cambios en su forma
(erosión o deposicion de sedimentos) y con
velocidad uniforme (flujo laminar)
 Tipos de limnigrafos
• Flotante: Consta de un
flotador que sube o baja su
nivel a medida que el
calado de agua sube o baja
en el tiempo. Los niveles
son registrados y
guardados digitalmente o
analogamente
• Acusticos: Se basan en el
cambio de la velocidad
del sonido debido a
humedad.
• Pueden ser precisos,
aunque la turbulencia,
espuma y otros factores
podrian generar ruido en
sus mediciones
• Presión: la presión es
directamente proporcional a la
carga del líquido sobre un
punto. Se permite que una
pequeña cantidad de aire o gas
inerte (por ejemplo el
nitrógeno) pase a un orificio en
lacorriente a través de un caño
o tubería. No necesitan un
pozo de amortiguación ni ser
sensibles a los sedimentos, si la
concentración es normal.
 Medicion de Caudal
• El caudal es la cantidad de agua que pasa en
cierto instante a través de una seccion.
– Si Q = A. V donde:
• Q= Caudal
• V = Velocidad
• A = Seccion de area
– Es necesario medir apropiadamente la sección de
area y la velocidad
– La medición del área se la realiza midiendo la
forma y geometría de la misma
• Medicion de la velocidad:
– Se la mide utilizando molinetes o correntómetros
a distintos puntos de la sección transversal:
• En rios pequeños se lo cruza a pie
• En ríos grandes se lo hace desde un puente o garabita
– Sonar acustico dopler
• Mide la velocidad basada en el cambio de la velocidad
del sonido entre dos puntos. Son mas precisos siempre
y cuando la turbiedad del agua se encuentre dentro de
rangos aceptables
 Determinacion de caudal en base
al nivel de agua
• El caudal puede ser medido si el volumen de
agua se lo hace pasar por una sección de área
en donde el caudal tenga una relación con el
nivel en dicha seccion.
• El nivel del curso de agua y caudal se miden
frecuentemente desde estructuras hidaulicas
como caídas, vertederos, orificios
(compuertas)
Vertedero
• Una estructura hidráulica guarda la relación
entre caudal y nivel de agua

• Una sección natural del río tambien puede

guardar una relación entre nivel de agua y
caudal
– La sección de río debe ser estable en su forma (sin
socavación, ni tener deposición de sedimentos)
– La velocidad del flujo debe ser lo más uniforme
posible (flujo laminar)
• La relación entre caudal y el nivel de curso de
agua en una sección natural, es llamada curva
de descarga
– La curva de descarga relacione h vs Q. La relacion
puede ser potencial, exponencial (entre otras)
 Ejercicio
• Encontrar la curva de descarga para los aforos
realizados en una sección del río Huigra
(archivo: c descarga.xls)

• Determinar los caudales utilizando la curva de

descarga de la serie de niveles medidos con un
sensor de presión (Huigra_20051118.xls)
 Capitulo 3
Análisis de Frecuencias
• Para entender un análisis de frecuencia es necesario
conocer probabilidad y estadística en hidrología

– Estadística: Trata del ordenamiento y computación de los datos

registrados de una muestra. Trata la obtención y análisis de los datos
de las poblaciones de una variable.

– Probabilidad: Cálculo de la posibilidad de ocurrencia de valores iguales

a los de la muestra. Es la teoría matemática que determina la relación
que existe en una población o variable entre el número de casos
favorables y el número total de casos posibles.

– La población (o variables) hidrológicas pueden ser series de tiempo de

un evento natural registrado en el tiempo de forma discreta o
• Datos Hidrometeorológicos:
– Datos históricos: registrados cronológicamente en
forma discreta o contínua (ej. Precipitacion,
caudal)
– Datos hidrológicos in situ: se toman
esporádicamente y no necesariamente en forma
secuancial (ej. Infiltración, sedimentacion)
– Datos de laboratorio: muestras llevadas a un
análisis mas detallado (ej. Calidad de agua,
conductividad hidráulica)
• Parametros Estadísticos:
– Media
• Media Aritmetica

• Media Geometrica

• Mediana: valor que la variable con probabilidad de 0.5

• Moda: Valor de la variable que ocurre con mayor

frecuencia
Determine la media aritmetica, media
geometrica, mediana y moda para la
siguiente serie de caudal
• Parametros Estadísticos:
– Dispersion
• Desviacion media

• Desviación estandar

• Varianza

• Covarianza

• Coeficiente de variacion
• Probabilidad:

• Si una muestra de n observacions tiene nA valores en

el rango del evento A, entonces la frecuencia relativa
de A es nA/n

• Las probabilidades obedecen ciertos principios:

– Probabilidad total. Si el espacio muestral Ω esta
completamente dividido en m eventos o areas no
traslapadas A1, A2.. Am
– Probabilidad Complementaria: Se sigue que si Ā es el
complemento de A, es decir Ā = Ω-A, entonces

– Probabilidad condicional: Al existir dos eventos A y B, su

interseccion es A ᴖB. es decir l probabiidad de que ambos
ocurran.
 Frecuencia empirica
• Si el numero de observaciones se mantiene en %, se obtiene un
histograma de frecuencia relativo

• Si los valores de la variable se muestran de manera acumulada se obtiene

un histograma
De la misma serie del ejemplo
anterior, obtener al histograma de
frecuencias relativas y absolutas
(Realizar con incrementos de 2
m3,s-1)
• Período de Retorno:
– El principal objetivo en el diseño hidrológico dada una
serie de datos, es determinar el período de retorno de un
evento de determinada magnitud (o viceversa)
– El Período de retorno de un evento de magnitud dada, es
el tiempo promedio entre eventos que igualan o exceden
esa magnitud.
– El intervalo dentro del cual un evento de determinada
magnitud puede ser igualado o excedido

– El período de retorno es inversamente proporcional a la

frecuencia (probabilidad)
• Frecuencia:
– Se la obtiene ordenando la serie de mayor a
menor asignados una posición 1,2,3….N
– Puede ser obtenida por medio de funciones de
distribución de probabilidads o calculado la
frecuencia experimental (empírica)

– Weibull:
 Cual es la desventaja del método de
California???

• Método de Hazen
• Para el diseñador hidrológica interesa conocer
el riesgo de falla en el período de vida útil de
una obra.

• Si P es la probabilidad de ocurrenica de un
evento, la probabilidad de no ocurrencia es:

• La probabilidad de que un evento igual o

mayor a uno dado, para un TR ocurra en n años
es:
Cual es el riesgo de falla de una presa que ha sido diseñada con un T R
de 1000 años en una vida util de 100 años?
Cual es el período de retorno con que se debe calcular un puente cuya vida
util se estima en 50 años, para que el riesgo de falla no sea mayor al 15%?
EJERCICIO 2
• De la serie de caudales resultante del trabajo
anterior. Determine el histograma de
frecuencias absoluto y relativo.

• Determine los parámetros estadísticos: media

aritmetica, geometrica, mediana y moda

• Determine la probabilidad de excedencia

según los métodos de Weibull, California y
Hazel
• Análisis de eventos extremos

– El análisis de frecuencias puede ser realizado

mediante la distribución de probabilidad empirica
o estadística de una serie de datos (caudal,
precipitación u otra variable hidrológica)

– El análisis de frecuencia de eventos extremos,

puede ser realizado de la misma manera, sin
embargo su análisis es más óptimo si los eventos
extremos son identificados previamente y
analizados por separado
Herramiento WETSPRO:
Permite realizar la separación de flujos de una serie de caudales
Permite realizar la separación de eventos independientes
Filtering subflows
 recession constants
 discharges of surface runoff, interflow and baseflow

Routing models Rainfall measurements

 rainfall fractions to subflows

Rainfall
model
Evapotranspiration Ep
Rainfall
input X
Vo Overland flow
Surface storage Routing
Vi Interflow
Soil moisture storage
(unsaturated zone) U

Baseflow
Groundwater storage Vb
 Step 2: Filtering subflows

Filtering baseflow:
10
Measurements
Filtered baseflow
Slope recession constant for baseflow

1
Discharge [m3/s]

0.1

0.01
0 1000 2000 3000 4000 5000 6000 7000 8000
Time [number of hours]
 Step 2: Filtering subflows

Filtering interflow:
10
Measurements, after subtraction filtered baseflow
Filtered interflow
Slope recession constant for interflow

1
Discharge [m3/s]

0.1

0.01
500 550 600 650 700 750 800 850 900 950
Time [number of hours]
 Step 2: Filtering subflows

Filter results:
7
Measurements
6 Filtered baseflow
Filtered interflow
5 Filtered total discharge
Discharge [m3/s]

0
500 550 600 650 700 750 800
Time [number of hours]
• Selección de eventos independientes

– La herramiento Peak Over Threshold (POT),

incluida en el software WETSPRO, facilida la
identificación de eventos independientes en 3
metodologías diferentes:
 Separación de eventos independientes

Basado en la selecion de caudales picos independientes (POT

peaks):
10
Filtered discharge series
9
Peak-over-threshold (POT) extreme values
8 Separation hydrograph events
Discharge [m3/s]

0
17100 17150 17200 17250 17300 17350 17400

Time [number of hours]

 Extracción de POT
8
Measurements
Debietmeetreeks
7 POTvalues
POT waarden

6
[m3/s]

5
Debiet [m3/s]
Discharge

1
baseflow
0
1-Nov-93 11-Nov-93 21-Nov-93 1-Dec-93 11-Dec-93 21-Dec-93 31-Dec-93
Tijd
Time
 Extracción de POT
Method 1: based on baseflow
qmax qmin - qbase
p based on max. ratio q
max

Method 2: based on baseflow +

interflow
qmin
qbase idem

Method 3: independent on subflows

based on min. indep. period p > k
based on max. ratio
min. peak height qmin
qmax
qmax
Ejercicio 3.

1. Realizar el filtrado de la serie de caudales del río Tomebamba en el sitio

de Ucubamba (archivo: Datos Caudal Tomebamba en Ucubamba.xls)

2. Realizar la separación de eventos independientes POT considerando las

tres metodologias
Analisis de Valores Extremos
Se busca una distribucion fX(x) y FX(x)

35
POT waarden
Hill-type regressie independent extreme
30
Optimale drempel values
25
x [m3/s]

20
Debiet

15 extreme value
distribution above a
10 xt threshold xt

0
0 1 2 3 4 5 6
-ln ( 1-G(x)
-ln( “exceedance )
probability” )
-ln( i / (m+1) )
-ln( 1 - G(x) )
Analisis de valores extremos

• Se extraen los valores de eventos extremos independientes ‘Peak-Over-

Threshold (POT)’ or ‘Partial-Duration-Series (PDS)’:
Se los ordena de mayor a menor x1  x2  ...  xm

• Pickands (1975) :
Generalized Pareto distribution (GPD)

1
x  xt   x  xt
G ( x ) 1  (1   ) G ( x ) 1  exp(  )
 
for γ<>0 for γ =0

• Indice de valor extremos γ :

Indica la medida del peso de la cola de distribución
 Analisis de valores extremos

• γ >0:
0.05 Pareto-class; cola pesada
0.045
• γ =0:
0.04
Gumbel/Exponential - class; cola normal
probability density fX(x)

0.035
• γ <0:
0.03
cola liviana
0.025

0.02

0.015

0.01 Extreme value index :

positive
0.005 zero
negative
0
0 10 20 30 40 50 60
x
 Analisis de valores extremos
Exponential quantile plot:
35
POT waarden
Hill-type regressie
30
Optimale drempel

25
[m3/s]


[m3/s]

20
Discharge
Debiet

15

xt
10
x  xt
G ( x ) 1  exp(  )
5

0
0 1 2 3 4 5 6
-ln ( 1-G(x)
-ln( “exceedance )
probability” )
-ln( i / (m+1) )
-ln( 1 - G(x) )
 Analisis de valores extremos
Pareto quantile plot:

35
POT waarden
Hill-type regressie
30
Optimale drempel
x [m3/s] )

25


Debiet [m3/s]

20
ln( Discharge

15

xt 1
10 x  xt 
G ( x ) 1  (1   ) 
5 
0
0 1 2 3 4 5 6
-ln ( 1-G(x) )
-ln( “exceedance probability” )
-ln( i / (m+1) )
-ln( 1 - G(x) )
Analisis de valores extremos
Examples:
Exponential QQ-plot
Dataset 1 - normal tail
100

90

80

70

60

50
x

40

30

20

10

0
0 1 2 3 4 5 6
-ln( 1-G(x) )
 Analisis de valores extremos
Examples:
Slope in exponential QQ-plot
Dataset 1 - normal tail
30 1000

900
25
800

700
20
600

MSE
slope

15 500

400
10
300

200
5
100

0 0
0 50 100 150 200 250 300
number of observations above threshold
 Analisis de valores extremos
Examples:
Pareto QQ-plot
Dataset 1 - normal tail
5

4.5

4
ln( x )

3.5

2.5
0 1 2 3 4 5 6
-ln( 1-G(x) )
 Analisis de valores extremos
Examples:
Slope in Pareto QQ-plot
Dataset 1 - normal tail
1 0.7

0.9
0.6
0.8
0.7 0.5

0.6 0.4
slope

MSE
0.5
0.3
0.4
0.3 0.2

0.2
0.1
0.1
0 0
0 20 40 60 80 100 120
number of observations above threshold
 Distribuciones de cola normal
Exponential Q-Q plot: Pareto Q-Q plot:
Exponential QQ-plot Pareto QQ-plot
Dataset 1 - normal tail Dataset 1 - normal tail
100 5

90

80 4.5

70

60 4

ln( x )
50
x

40 3.5

30

20 3

10

0 2.5
0 1 2 3 4 5 6 0 1 2 3 4 5 6
-ln( 1-G(x) ) -ln( 1-G(x) )

Slope in exponential QQ-plot Slope in Pareto QQ-plot

Dataset 1 - normal tail Dataset 1 - normal tail
30 1000 1 0.7

900 0.9
25 0.6
800 0.8
700 0.7 0.5
20
600 0.6
0.4
slope

MSE
slope

MSE

15 500 0.5
0.3
400 0.4
10
300 0.3 0.2

200 0.2
5 0.1
100 0.1

0 0 0 0

0 50 100 150 200 250 300 0 20 40 60 80 100 120

number of observations above threshold number of observations above threshold
Distribuciones de cola normal

UH plot:
Slope in UH-plot
Dataset 1 - normal tail
1 10

0.8 9

0.6 8

0.4
extreme value index

0.2
6

MSE
0
5
-0.2
4
-0.4
3
-0.6
-0.8 2

-1 1

0 20 40 60 80 100 120
number of observations above treshold
 Distribuciones de cola pesada
Exponential Q-Q plot: Pareto Q-Q plot:
Exponential Q-Q plot
Dataset 2 - heavy tail Pareto QQ-plot
3 Dataset 2 - heavy tail
1.2

1
2.5
0.8
2
0.6

0.4

ln ( x )
1.5
x

0.2
1
0

-0.2
0.5
-0.4
0
-0.6
0 1 2 3 4 5 6 0 1 2 3 4 5 6
-ln( 1-G(x) )
Slope in exponential Q-Q plot Slope in Pareto QQ-plot
Dataset 2 - heavy tail Dataset 2 - heavy tail
0.6 0.7 0.4 0.7

0.5 0.6 0.35 0.6

0.5 0.3
0.5
0.4
extreme value index

0.25
0.4
Slope

0.4
MSE

MSE
0.3 0.2
0.3
0.3
0.2 0.15
0.2
0.2
0.1
0.1
0.1
0.05 0.1

0 0
0 0
0 50 100 150 200 250 300 0 50 100 150 200 250 300
number of observations above threshold number of observations above threshold
Distribuciones de cola pesada

UH plot:
Slope in UH-plot
Dataset 2 - heavy tail
0.3 4

0.2 3.5

0.1
3
extreme value index

0
2.5

MSE
-0.1
2
-0.2

1.5
-0.3

-0.4 1

-0.5 0.5
0 50 100 150 200 250 300
number of observations above threshold
 Analisis de valores extremos

Metodo con máximos anuales (periodico) :

: Generalized Extreme Value (GEV) distribution
x  xt 1 / 
H ( x)  exp( (1   ) ) if 0

x  xt
 exp(  exp(  )) if 0

Metodo con eventos extremos independientes Peak-Over-Threshold (POT) or
Partial-Duration-Series (PDS) :
: Generalized Pareto Distribution (GPD)
x  x t 1 /   0
G ( x )  1  (1   ) if

x  xt
G ( x )  1  exp(  ) if  0

Analisis de valores extremos

Extreme value Extreme value

index γ>0 index γ=0

Method of GEV distribution Gumbel distribution

periodic maxima
jaarlijkse maxima

POT method GPD distribution Exponential distribution

Analisis de valores extremos
Período de Retorno T(x):

para eventos extremos POT:

Numero total de años
n 1
T ( x) 
t P[ X  x | X  xt ]
Numero de excedentes extreme value
sobre el nivel límite distribution
(threshold level xt )

T : return period [years]

Analisis de valores extremos
Período de Retorno T(x):

para eventos extremos POT:

Numero total de años

n 1
T [ years ] 
t 1  G ( x)
Numero de excedentes extreme value
sobre el nivel límite distribution
(threshold level xt )
 Analisis de valores extremos
Influencia de puntos disparados (outliers)

20 Simulatieresultaten, periode 1986-1996

Simulation results rainfall-runoff model
Simulatieresultaten, periode 1898-1997
Extreme value distribution
Extreme-waarden-verdeling

15
[m3/s]
Debiet [m3/s]
Discharge

10

0
0.01 0.1 1 10 100
Return period [years]
Terugkeerperiode [jaar]
 Análisis de valores extremos
Para valores mínimos (e.j. caudales bajos o analisis de frecuencia de
sequías)

• Se puede utilizar la misma metodología vista anteriormente para valores

extremos, luego de la transformacion x = -x or x = 1/x

• El limite bajo para caudales cero debe ser considerado

 El limite bajo se convierte en un limite superior con
la transformacion -x (con saltos, cola livianal)
 Y sin salros con la transformación 1/x (normal o cola pesada)
Analisis de frecuencia caudales bajos

Distribución Weibull para máximos de

1/Q
(regression Weibull Q-Q plot):
x 
G ( x ) 1  exp(  ( ) )


Distribución Fréchet para mínimos

de Q :
G ( x ) exp(  ( x )  )
Analisis de frecuencia caudales bajos

Distribución Exponencial para máximos

de 1/Q
(regression exponential Q-Q plot):

Distribución Fréchet para mínimos

de Q, con índice γ > 0 :
Analisis de frecuencia caudales bajos
4.5

3.5
[m3/s]

3
Debiet [m3/s]
Discharge

2.5

1.5

0.5

0
0.1 1 10 100 1000 10000

Return period [years]

Terugkeerperiode [jaren]
 CURVAS IDF
• Una curva IDF o de Intensidad-Duración-
Frecuencia es una relación matemática,
generalmente empírica, entre la intensidad de
una precipitación, su duración y la frecuencia
con la que se observa

• al aumentarse la duración de la lluvia

disminuye su Intensidad
• Las curvas IDF pueden tomar diferentes expresiones
matemáticas, teóricas o empíricas, que se ajustan a
los datos de precipitación de un determinado
observatorio.
• Para cada duración (p.e. 5, 10, 60, 120, 180...
minutos)
• Se estima una ecuación de distribución
• Se fija una frecuencia o período de retorno
 determinado
• Muchas obras de ingeniería civil e ingeniería agrícola se destaca por su
importancia las precipitaciones pluviales. En efecto, un correcto
dimensionamiento del drenaje garantizará la vida útil de una carretera,
una vía férrea, un aeropuerto, cultivos, etc.
• El conocimiento de las precipitaciones pluviales extremas y el
consecuente dimensionamiento adecuado de los órganos extravasores de
las represas garantizará su seguridad y la seguridad de las poblaciones,
cultivos y demás estructuras que se sitúan aguas abajo de la misma.
• El conocimiento de las lluvias intensas, de corta duración, es muy
importante para dimensionar el drenaje urbano y rural , de esta manera
evitar inundaciones en los centros poblados o cultivos.
• Las características de las precipitaciones que deben conocerse
para estos casos son principalmente, la intensidad de la
lluvia y duración de la lluvia. Estas dos características están
asociadas mediante las curvas IDF.
• Las precipitaciones pluviales extremas, es decir con 
tiempos de retorno de 20, 500, 1.000 y hasta 10.000 años, o la
precipitación máxima probable, son determinadas para cada
sitio particular con procedimiento estadísticos, con base en
observaciones de larga duración.
• Duracion de la lluvia: Duracion de la lluvia de
diseño es igual al tiempo de concentracion tc
del área de drenaje, en la mayoria de casos.

• Período de retorno: Está íntimamente

relacionado a la importancia de la obra. El Tr
se selecciona de acuerdo a estándares de
diseño
• Utilizando la informacion del archivo:
GUA_23FEB06-5JUL06.txt
y mediante la distribucion de Gumble,
construir las curvas IDF para las siguientes
duraciones y periodos de retorno:
Duracion: 5min, 10min, 30min, 60 min
Periodos de retorno: 5, 10, 20, 50, 100 anos
 Tipos de Modelos Numéricos
Clasificación según: Detalle temporal, detalle espacial y detalle de procesos

Por Detalle Temporal:

– Discretos (basados en eventos)
– Continuos (de simulacion a largo plazo)

Por Detalle Espacial:

- Completamente Distribuidos
- Semi-distribuidos
- Agregados (lumped)

Por Detalle de Procesos:

- Modelos físicos detallados (cajas blancas)
- Modelos parcialmente físicos (cajas grises)
- Modelos empíricos (cajas negras)
 Identificación de función lineal de
transferencia
• “Linear transfer
function model” es un
modelo de caja negra

• Simula
simultaneamente la
relación de datos de donde:
entradas-salidas de una y(t) = dato de salida en un tiempo t
manera empírica sin x(t) = dato de entrada en un tiempo t
una estructura física a0, a1, …, ap = parametros del modelo basados en una
operacion de media movil (Moving Average (MA)) aplicado a los
datos de entrada x(t)
• Es necesaria una b0, b1, …, bq = parametros del modelo en abse a una operacion
calibracion previa y no Auto Regresiva (Auto Regressive (AR)) aplicada a los datos de
existe una salida y(t)
interpretación física de
sus parámetros p= numero de MA parameters
q = numero de AR parameters

Tomebamba River Catchment 116

 Función lineal de transferencia–
Modelo conceptual de reservorio
• Del modelo de funcion
lineal de transferencia
(caja negra) se puede
transformar a un modelo
Conceptual de
Reservorio (caja gris)

• El M. F. L. R puede ser
presentado en la forma
de un modelo
conceptual (caja gris) y
los parámetros si tienen
una interpretación física

Moving Average part; a0= 0.5(1- α) and

Auto Regressive part; b0 = α

Tomebamba River Catchment 117

 Reservoir Conceptual Model
The sum of squared errors with the VHM model vs. the input rainfall data is:

• For a better fit of the VHM

model with the Conceptual
Reservoir Model, the use of
three recession constants The sum of squared errors with the RCM vs. the input rainfall data is:
was performed Cum Cum RCM Squared
Upstream output Error with MSE RCM Coefficient
input(m³.s-¹) (m³.s-¹) RCM output output RCM
• The use of these 3 19041 19054.494 194 5136 1
recession constants k1, k2
and k3 could be considered
as a Linear Transfer
Function model of order
p=1 and q=3.

• K1 = 3.21 day-1
• K2 = 1 day-1
• K3 = 1 day-1

Tomebamba River Catchment 119

Reservoir Conceptual Model

Tomebamba River Catchment 120

 Ejemplo
Archivo: Copia de Excersise 1_Linear
Model_dmora.xls
 Ejercicio 5
• Utilizando los datos del archivo “ejercicio5.xls”
Simular un modelo conceptual de reservorio