Beruflich Dokumente
Kultur Dokumente
Universidad Nacional
De San Agustín
INGENIERÍA CIVIL
Informe de Hidrologia:
ESTUDIO HIDROLOGICO DE LA CUENCA NUMERO
5
Ingeniero:
Vitaliano Perez
Grupo: A
Nombre: Acevedo Echegaray Juan Rodolfo
2016
INDICE
INTRODUCION GENERALIDADES ............................................................................................ 3
A) DELIMITACION DE UNA CUENCA 3
B) ANÁLISIS DE DISTRIBUCIÓN DE FRECUENCIAS 4
C) TIEMPO DE CONCENTRACIÓN 7
UBICACIÓN ...................................................................................................................................... 8
OBJETIVOS........................................................................................................................................ 9
METODOLOGIA ........................................................................................................................... 10
A) ARC GIS, 10
B) SMADA 18
B.1) ESTACION PAMPA UMALSO 19
B.2) ESTACION VILCOTA 26
B.3) ESTACION SITAJARI 33
C) HEC Geo HMS, 40
D) HEC-HMS 42
INTRODUCION GENERALIDADES
Una cuenca hidrográfica y una cuenca hidrológica se diferencian en que la primera se refiere
exclusivamente a las aguas superficiales, mientras que la cuenca hidrológica incluye las aguas
subterráneas (acuíferos).
Para estimar la probabilidad de ocurrencia “P” de cada uno de los eventos extremos de
la muestra en análisis, se usa el orden de sus posiciones en una serie ordenada. En la
literatura hidrológica estas estimaciones son conocidas como posiciones graficas
(McCuen R. H., 1999).
Se han propuesto varias fórmulas para la posición gráfica de series de registros, las cuales son
en su gran mayoría de carácter empírico, con la fórmula planteada por Weibull ecuación (2.11),
debido a su gran aplicación para las 6 distribuciones probabilísticas antes mencionadas y
adecuada atenuación de la incertidumbre en modelos hidrológicos.
a) Distribución Normal
Función de distribución de probabilidad normal (Chow, Maidment y Mays 1994):
f) Distribución Gumbel
La distribución Gumbel ó extremo tipo I, es usada frecuentemente para el estudio de
magnitud-duración y frecuencias de lluvias y como para también de la distribución de
valores máximos de caudales anuales de un río. Gumbel en 1958, estudio la aplicación
para datos de descargas diarias.
La función de densidad de probabilidad para la distribución de valores Gumbel es según (Chow,
Maidment, & Mays, 1994).
D) TIEMPO DE CONCENTRACIÓN
Se define como el tiempo que tarda en llegar a la sección de salida de interés la gota
de lluvia caída en el extremo hidráulicamente más alejado de la cuenca (Reyes Trujillo,
Ulises Barroso, & Carvajal Escobar, Guía Básica para la Carcterización Morfométrica
de Cuencas Hidrográficas, 2010).
UBICACIÓN
Latitud: 369318.16026
Longitud: 8084841.31511
OBJETIVOS
EN EL ARGIS
Utilizar el programa como herramienta para delimitar una cuenca, con un margen
de error minimo.
Demostrar que es más productivo trabajar con medios informáticos (herramientas
SIG) que de forma clásica, ya que se aumenta la precisión y se reduce el tiempo de
trabajo.
EN EL HEC-HMS
Conocer las capacidades de cálculo que ofrece HEC-HMS para el modelaje de tipo
evento en cuencas de tamaño diverso.
Estimar caudales de avenida asociados a diferentes recurrencias con HEC-HMS
(hidrogramas).
Utilizar la extensión Geo-HMS para extraer datos y calcular parámetros del modelo
HMS desde un SIG.
Afianzar los criterios técnicos para seleccionar los métodos apropiados y los datos
convenientes para un modelaje concreto, en función de la precisión exigida y de la
información disponible.
EN EL SMADA
Demostrar si es que el registro de descargade nuestra cuenca se ajusta a un modelo
de distribucion
Aprender y hacer uso del programa SMADA y DISTRIB que son programas
complementarios a la hidrologia.
Apreder a usar la tabla del chicuadrado tabular que es una tabla de ayuda deducida
por matematicos estadisticos.
Dar una interpretacion hidrologica al evento estadistico
METODOLOGIA
A) ARC GIS
En este tutorial de ArcGis aprenderás a delimitar una cuenca hidrográfica utilizando la
herramienta Hydrology de Spatial Analyst. En primer lugar, debemos contar un modelo
digital de elevación del área de estudio, el cual se puede obtener de algún servidor gratuito
o interpolar a partir coordenadas XYZ o curvas de nivel con la ayuda de la herramienta
3D. Nuestra cuenca se encuentra en la zona dem_19 entonces usaremos:
Paso 2. Flow direction. Se define aquí la dirección del flujo buscando el camino
descendente de una celda a otra.
A partir de Hydrology se da clic en Flow direction, se abre una ventana donde se debe
rellenar la siguiente información.
Input surface raster: se selecciona el raster creado en el paso anterior que se denomina
“Fill”
A partir de Hydrology se da clic en Flow accumulation, se abre una ventana donde se debe
rellenar la siguiente información.
Input direction raster: se selecciona el raster creado en el paso anterior que se denomina
“Fdr”
Paso 4. Stream definition. En esta fase se clasifican las celdas con acumulación de flujo
superior a un umbral y define nuestra cuenca
Paso 9. Adjoint Catchment ,Adjoint Catchment: junta nuestras cuencas y nos dice los
drenajes de ella
Paso 11. Start new project vamos a crear un Nuevo proyecto y elegir en el mapa un
punto de apoyo
Paso 12. Generate proyect generamos el nuevo proyecto en el cual nos da 45 subcuentas
y 45 ríos y empezamos a juntar subcuentas en subcuentas principales y también el rio
principal para mejor manejo de la información con los comandos “basin merge” y “star
editor” hasta obtener solo 10 subcuentas y 37 ríos:
Paso 13. Terrain Preprocessing una ves realizado el paso anterior pasamos al menú
“slope” y nos va a crear una nueva capa “wshslope”:
Paso 14. Basic slope;longuest flowpath; cebtroid elevation hacemos corer todas estas
características
A) SMADA
Paso 1:
Primero ubicaremos a la estaciones ubicadas dentro de nuestra cuenca
para halar el respectivo registro en nuestro caso es la estacion PAMPA
UMALZO, VILCOTA, SITAJARI
Paso 2:
Hallaremos en base a nuestro registro dado por la estacion ubicado dentro
de nuestra cuenca (cuenca 5)el valor predecido con ayuda del programa
DISTRIB que es un complemento del SMADA en cada tipo de distribucion
que existe.
Paso 3:
Calcularemos el chi cuadrado y luego lo compararemos con el chicuadrado
tabular para ver si cumple con la hipotesis el chi cuadrado debe de ser
menor que chi cuadrado tabular (el chicuadrado tabular se halla de un
cuadro del mismo nombre)
Paso 4: Realizaremos una conclucion del proceso con terminos
hidrologicos
observado espectado
k intervalo de clase O-E (O-E)^2 (O-E)^2/E
O E
0 -- 5.10 0 1 -1 1 1
1 5.10 11.60 6 4 2 4 1
2 11.60 14.40 6 4 2 4 1
3 14.40 18.00 6 7 -1 1 0.14285714
4 18.00 21.40 6 7 -1 1 0.14285714
5 21.40 27.50 6 9 -3 9 1
6 27.50 34.10 7 5 2 4 0.8
7 34.10 -- 0 0 0 0 0
sumatoria 37 37 0 24 5.08571429
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =5.0857
𝐸
Por tabla hallamos chicuadrado tabular
K=6
m=2 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(6−2−1) =7.82
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
5.0857 <7.82 ok
Entonces acepta la hipótesis es decir que los registro de descarga máximos de nuestra
cuenca (cueca 5) se ajusta a un modelo de distribución normal con un nivel de
significancia de 5
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =8.833
𝐸
m=2 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(6−2−1) =7.82
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
8.833<7.82 NO
Entonces NO se acepta la hipótesis es decir que los registro de descarga máximos de
nuestra cuenca (cueca 5) NO se ajusta a un modelo de distribución lognormal con un
nivel de significancia de 5%
3) POR EL METODO DE 3 PARAMETER LOG NORMAL
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =5.08571
𝐸
Por tabla hallamos chicuadrado tabular
K=6
m=3 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(6−3−1) =5.991
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
5.08571 <5.991 ok
Entonces acepta la hipótesis es decir que los registro de descarga máximos de nuestra
cuenca (cueca 5) se ajusta a un modelo de distribución lognormal 3 parámetros con un
nivel de significancia de 5
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =5.085
𝐸
Por tabla hallamos chicuadrado tabular
K=6
m=3 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(6−3−1) =5.991
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
5.085<5.991 ok
Entonces se acepta la hipótesis es decir que los registro de descarga máximos de nuestra
cuenca (cueca 5) se ajusta a un modelo de distribución Person tipo III con un nivel de
significancia de 5%
Donde:
O: cuenta cuantos datos hay en cada intervalo de clase
E: cuanta los datos q hay en el intervalo de clase de los datos predecidos
observado espectado
k intervalo de clase O-E (O-E)^2 (O-E)^2/E
O E
0 -- 5.10 0 0 0 0 0
1 5.10 11.60 6 6 0 0 0
2 11.60 14.40 6 4 2 4 1
3 14.40 18.00 6 7 -1 1 0.14285714
4 18.00 21.40 6 6 0 0 0
5 21.40 27.50 6 9 -3 9 1
6 27.50 34.10 7 4 3 9 2.25
7 34.10 -- 0 1 -1 1 1
sumatoria 37 37 0 24 5.39285714
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =5.392
𝐸
Por tabla hallamos chicuadrado tabular
K=6
m=3 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(6−3−1) =5.991
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
5.392 <5.991 ok
Entonces acepta la hipótesis es decir que los registro de descarga máximos de nuestra
cuenca (cueca 5) se ajusta a un modelo de distribución log Person tipo III con un nivel de
significancia de 5%
observado espectado
k intervalo de clase O-E (O-E)^2 (O-E)^2/E
O E
0 -- 5.10 0 0 0 0 0
1 5.10 11.60 6 4 2 4 1
2 11.60 14.40 6 5 1 1 0.2
3 14.40 18.00 6 9 -3 9 1
4 18.00 21.40 6 7 -1 1 0.14285714
5 21.40 27.50 6 8 -2 4 0.5
6 27.50 34.10 7 3 4 16 5.33333333
7 34.10 -- 0 1 -1 1 1
sumatoria 37 37 0 36 9.17619048
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =9.176
𝐸
m=2 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(6−2−1) =7.82
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
9.176<7.82 NO
Entonces NO se acepta la hipótesis es decir que los registro de descarga máximos de
nuestra cuenca (cueca 5) NO se ajusta a un modelo de distribución gumbel con un nivel
de significancia de 5%
CONCLUCION FINAL
𝑋𝑐 2 < 𝑋𝑡 2
5.0857 <7.82 DISTRIBUCION NORMAL
8.833>7.82 DISTRIBUCION 2 PARAMETER LOG NORMAL
5.08571<5.991 DISTRIBUCION 3 PARAMETER LOG NORMAL
5.085<5.991 DISTRIBUCION PERSON TYPE III
5.392 <5.991 DISTRIBUCION LOG PERSON TYPE III
9.176 >7.82 DISTRIBUCION GUMBEL TYPE I
SE TOMA EL MENOR CHI CUADRADO QUE SERIA EN ESTE CASO 5.085 QUE EN NUESTRO CASO SE
REPITE EN TRES MODELOS ENTONCES PODEMOS TOMAR EL MODELO DE DISTRIBUCION NORMAL
,EL MODELO DE 3 PARAMETROS LOG NORMAL Y EL EL MODELO DE DISTRIBUCION PERSON TYPE III
B.2) VILCOTA
ubicado en la coordenads -70.1 de latitud , y -17.1 de longitud a una altura
de 4390 m.s.n.m. con 26 registros y una informacion de Pmax24hr.
𝑘 = 1 + 3.3log(𝑛)
En nuestra cuenca se da:
n=19
ENTONCES:
𝑘 = 1 + 3.3log(𝑛)=6.22 K=6
observado espectado
k intervalo de clase O-E (O-E)^2 (O-E)^2/E
O E
0 -- 5.00 0 0 0 0 0
1 5.00 18.40 6 5 1 1 0.2
2 18.40 30.00 6 9 -3 9 1
3 30.00 42.60 7 5 2 4 0.8
4 42.60 0.00 0 0 0 0 0
5 0.00 0.00 0 0 0 0
6 0.00 0.00 0 0 0 0
7 0.00 -- 0 0 0 0 0
sumatoria 19 19 0 14 2
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =2
𝐸
Por tabla hallamos chicuadrado tabular
K=6
m=2 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(6−2−1) =7.82
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
2 <7.82 ok
Entonces acepta la hipótesis es decir que los registro de descarga máximos de nuestra
cuenca (cueca 5) se ajusta a un modelo de distribución normal con un nivel de
significancia de 5
(𝑂−𝐸)2
𝑋𝑐 2 = ∑ =8.133
𝐸
m=2 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(6−2−1) =7.82
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
8.133<7.82 NO
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =8.133
𝐸
Por tabla hallamos chicuadrado tabular
K=6
m=3 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(6−3−1) =5.991
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
8.133<5.991 NO
Entonces NO acepta la hipótesis es decir que los registro de descarga máximos de nuestra
cuenca (cueca 5) NO se ajusta a un modelo de distribución lognormal 3 parámetros con
un nivel de significancia de 5
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =0.8666
𝐸
Por tabla hallamos chicuadrado tabular
K=6
m=3 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(6−3−1) =5.991
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
0.8666<5.991 NO
Entonces NO se acepta la hipótesis es decir que los registro de descarga máximos de
nuestra cuenca (cueca 5) NOse ajusta a un modelo de distribución Person tipo III con un
nivel de significancia de 5%
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =0.34285
𝐸
Por tabla hallamos chicuadrado tabular
K=6
m=3 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(6−3−1) =5.991
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
0.34285 <5.991 NO
Entonces NO acepta la hipótesis es decir que los registro de descarga máximos de nuestra
cuenca (cueca 5) NO se ajusta a un modelo de distribución log Person tipo III con un nivel
de significancia de 5%
observado espectado
k intervalo de clase O-E (O-E)^2 (O-E)^2/E
O E
0 -- 5.00 0 0 0 0 0
1 5.00 18.40 6 6 0 0 0
2 18.40 30.00 6 8 -2 4 0.5
3 30.00 42.60 7 4 3 9 2.25
4 42.60 0.00 0 1 -1 1 1
5 0.00 0.00 0 0 0
6 0.00 0.00 0 0 0
7 0.00 -- 0 0 0 0
sumatoria 19 19 0 14 3.75
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =3.75
𝐸
m=2 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(6−2−1) =7.82
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
3.75<7.82 OK
Entonces se acepta la hipótesis es decir que los registro de descarga máximos de nuestra
cuenca (cueca 5) se ajusta a un modelo de distribución gumbel con un nivel de
significancia de 5%
CONCLUCION FINAL
𝑋𝑐 2 < 𝑋𝑡 2
2 <7.82 DISTRIBUCION NORMAL
8.13>7.82 DISTRIBUCION 2 PARAMETER LOG NORMAL
8.13>5.991 DISTRIBUCION 3 PARAMETER LOG NORMAL
0.866>5.991 DISTRIBUCION PERSON TYPE III
0.3428 <5.991 DISTRIBUCION LOG PERSON TYPE III
3.75 <7.82 DISTRIBUCION GUMBEL TYPE I
SE TOMA EL MENOR CHI CUADRADO QUE SERIA EN ESTE CASO 0.3428 ENTONCES PODEMOS
TOMAR EL MODELO DE DISTRIBUCION LOG PERSON TYPE III
B.3) SITAJARI
ubicado en la coordenads -70.1 de latitud , y -17.4 de longitud a una altura
de 3166 m.s.n.m. con 44 registros y una informacion de Pmax24hr.
𝑘 = 1 + 3.3log(𝑛)
En nuestra cuenca se da:
n=44
ENTONCES:
𝑘 = 1 + 3.3log(𝑛)=6.22 K=7
observado espectado
k intervalo de clase O-E (O-E)^2 (O-E)^2/E
O E
0 -- 4.40 0 1 -1 1 1
1 4.40 11.40 7 7 0 0 0
2 11.40 13.60 7 5 2 4 0.8
3 13.60 16.20 7 6 1 1 0.16666667
4 16.20 22.60 7 15 -8 64 4.26666667
5 22.60 38.90 7 9 -2 4 0.44444444
6 38.90 0.00 8 0 8 64 0
7 0.00 -- 0 0 0 0 0
sumatoria 43 43 0 138 6.67777778
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =6.677
𝐸
Por tabla hallamos chicuadrado tabular
K=7
m=2 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(7−2−1) =9.48
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
6.677 <9.48 ok
Entonces acepta la hipótesis es decir que los registro de descarga máximos de nuestra
cuenca (cueca 5) se ajusta a un modelo de distribución normal con un nivel de
significancia de 5
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =2.458
𝐸
m=2 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(7−2−1) =9.48
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
2.458<9.48 OK
Entonces se acepta la hipótesis es decir que los registro de descarga máximos de nuestra
cuenca (cueca 5) se ajusta a un modelo de distribución lognormal con un nivel de
significancia de 5%
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =3.505
𝐸
Por tabla hallamos chicuadrado tabular
K=7
m=3 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(7−3−1) =7.82
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
3.505<7.82 OK
Entonces acepta la hipótesis es decir que los registro de descarga máximos de nuestra
cuenca (cueca 5) se ajusta a un modelo de distribución lognormal 3 parámetros con un
nivel de significancia de 5
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =3.5053
𝐸
Por tabla hallamos chicuadrado tabular
K=7
m=3 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(7−3−1) =7.82
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
3.5053<7.82 OK
Entonces se acepta la hipótesis es decir que los registro de descarga máximos de nuestra
cuenca (cueca 5) se ajusta a un modelo de distribución Person tipo III con un nivel de
significancia de 5%
observado espectado
k intervalo de clase O-E (O-E)^2 (O-E)^2/E
O E
0 -- 4.40 0 0 0 0 0
1 4.40 11.40 7 9 -2 4 0.44444444
2 11.40 13.60 7 5 2 4 0.8
3 13.60 16.20 7 7 0 0 0
4 16.20 22.60 7 13 -6 36 2.76923077
5 22.60 38.90 7 9 -2 4 0.44444444
6 38.90 0.00 8 0 8 64 0
7 0.00 -- 0 0 0 0 0
sumatoria 43 43 0 112 4.45811966
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =4.458
𝐸
Por tabla hallamos chicuadrado tabular
K=6
m=3 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(6−3−1) =5.991
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
4.458 <7.82 OK
Entonces acepta la hipótesis es decir que los registro de descarga máximos de nuestra
cuenca (cueca 5) se ajusta a un modelo de distribución log Person tipo III con un nivel de
significancia de 5%
2 (𝑂−𝐸)2
𝑋𝑐 = ∑ =3.019
𝐸
m=2 𝑋𝑡 2 (0.05)(𝑘−𝑚−1)
𝑋𝑡 2 (0.05)(7−2−1) =9.48
CONCLUCION
Hipotesis
𝑋𝑐 2 < 𝑋𝑡 2
3.019<9.48 OK
Entonces se acepta la hipótesis es decir que los registro de descarga máximos de nuestra
cuenca (cueca 5) se ajusta a un modelo de distribución gumbel con un nivel de
significancia de 5%
CONCLUCION FINAL
𝑋𝑐 2 < 𝑋𝑡 2
6.67 <9.48 DISTRIBUCION NORMAL
2.458<9.48 DISTRIBUCION 2 PARAMETER LOG NORMAL
5.505<7.82 DISTRIBUCION 3 PARAMETER LOG NORMAL
5.505<7.82 DISTRIBUCION PERSON TYPE III
4.458 <7.82 DISTRIBUCION LOG PERSON TYPE III
3.019 <9.48 DISTRIBUCION GUMBEL TYPE I
SE TOMA EL MENOR CHI CUADRADO QUE SERIA EN ESTE CASO 2.458 ENTONCES PODEMOS TOMAR
EL MODELO DE DISTRIBUCION 2 PARAMETER LOG NORMAL
Paso 2. IDW Se ubican las estaciones de manera q cubran la cuenca si esta función no funciona se
pasa al siguiente método
C) HMS-MS
Paso1 SE IMPORTA LOS DATOS GUARDADOS EN EL ARGIS Y SE HABREN EN HMS-MS
Paso2 SE LENA LOS DATOS DEL EL TALUD DE LA CUENCA ,SU ANCHO Y EL NUMERO DE MANNIG
a.1)PAMPA UMALZO
40
35
30
25 Riesgo de Falla 10%
20 Riesgo de falla 20%
15 Riesgo de Falla 30%
10
5
0
0 20 40 60 80 100 120
n: Vida esperada de la Estructura
b.2) VILCOTA
b.3) SITAJARI
Point Weibull Actual Predicted Standard
Number Probability Value Value Deviation
---------------------------------------------------------
1 0.0227 4.4000 5.2350 1.2673
2 0.0455 4.9000 6.4785 1.1926
3 0.0682 7.4000 7.3859 1.1407
4 0.0909 8.0000 8.1361 1.1055
5 0.1136 8.6000 8.7931 1.0829
6 0.1364 10.9000 9.3879 1.0702
7 0.1591 10.9000 9.9384 1.0653
8 0.1818 11.4000 10.4558 1.0666
9 0.2045 12.0000 10.9478 1.0730
10 0.2273 12.1000 11.4199 1.0834
11 0.2500 12.6000 11.8764 1.0969
12 0.2727 12.7000 12.3205 1.1129
13 0.2955 12.9000 12.7547 1.1306
14 0.3182 13.4000 13.1812 1.1498
15 0.3409 13.6000 13.6018 1.1698
16 0.3636 13.7000 14.0182 1.1904
17 0.3864 13.8000 14.4317 1.2112
18 0.4091 14.3000 14.8437 1.2320
19 0.4318 14.7000 15.2553 1.2526
20 0.4545 15.4000 15.6676 1.2728
21 0.4773 15.5000 16.0819 1.2923
22 0.5000 16.2000 16.4993 1.3111
23 0.5227 16.5000 16.9210 1.3291
24 0.5455 16.9000 17.3488 1.3460
25 0.5682 17.3000 17.7838 1.3619
26 0.5909 17.4000 18.2275 1.3768
27 0.6136 17.4000 18.6814 1.3904
28 0.6364 19.1000 19.1473 1.4030
29 0.6591 19.4000 19.6272 1.4145
30 0.6818 19.5000 20.1235 1.4251
31 0.7045 19.7000 20.6389 1.4352
32 0.7273 20.0000 21.1768 1.4453
33 0.7500 20.1000 21.7412 1.4563
34 0.7727 20.3000 22.3374 1.4697
35 0.7955 21.2000 22.9719 1.4875
36 0.8182 22.6000 23.6535 1.5135
37 0.8409 25.2000 24.3942 1.5534
38 0.8636 25.6000 25.2110 1.6166
39 0.8864 26.4000 26.1296 1.7188
40 0.9091 27.8000 27.1917 1.8873
41 0.9318 30.4000 28.4723 2.1738
42 0.9545 32.4000 30.1314 2.6933
43 0.9773 38.9000 32.6434 3.8138
50
40
10
0
0 20 40 60 80 100 120
n: Vida esperada de la Estructura
Resultado HMS-SMS
CONCLUSIONES Y RECOMENDACIONES
BIBLIOGRAFÍA