Beruflich Dokumente
Kultur Dokumente
Objetivo General
Predecir el número de días de precipitación para los distintos meses del año, en el
área de influencia de la Estación Meteorológica del Departamento de Ingeniería
Hidrometeorológica de la UCV.
Objetivos Específicos
1. Definir el valor mínimo de cantidad de precipitación para contabilizar el día
de lluvia efectivo para los efectos prácticos de la construcción civil.
2. Organizar los datos de días de lluvia y definir la serie de datos que se
utilizará para fines investigativos y la que se destinará para los fines
prácticos del trabajo.
3. Calcular los parámetros estadísticos básicos y clasificar por su frecuencia
los valores de días de lluvia de ambas series de datos.
4. Ajustar la variable de interés de ambas series de datos a una distribución
estadística compatible con la naturaleza de la muestra y verificar mediante
test de bondad de ajuste, la validación de la distribución estadística.
5. Pronosticar el patrón de comportamiento de la variable estudiada y elaborar
tablas referenciales del número esperado de días de lluvia para los
distintos meses del año en la zona de influencia de la estación
meteorológica UCV.
Aportes
La acertada estimación del número de días de precipitación durante un periodo
determinado en un espacio geográfico específico será de gran utilidad en el
campo de la ingeniería civil para la óptima planificación de la ejecución de las
actividades relacionadas con las obras civiles de cualquier proyecto en general.
Por otro lado, el análisis de los diarios de precipitación permitirá conocer el
comportamiento de esta variable hidrometeorológica, que proporcionará un
conocimiento adicional importante en la compresión sobre su variabilidad en el
área de influencia del estudio.
La evaluación de los métodos usados y nuevas metodologías en la estimación del
número de días de precipitación durante un periodo determinado, proporcionará
una solución para evaluar estas relaciones en otros sitios de interés.
Con la realización de este trabajo especial de grado, su autor podrá ampliar los
conocimientos en el área de la estadística, rama fundamental en el
desenvolvimiento de un ingeniero hidrometeorologista; además de internalizar la
metodología y los procesos asociados que son necesarios para llevar a cabo un
trabajo de investigación y finalmente, complementará la aplicación de los
conocimientos adquiridos durante la formación académica, en el campo laboral del
sector productivo de la construcción.
CAPITULO II
Marco Teórico
Precipitación:
Incluye la lluvia, la nieve y otros procesos mediante los cuales el agua cae a la
superficie terrestre. La formación de precipitación requiere la elevación de una
masa de agua en la atmósfera, de tal manera que se enfríe y parte de su humedad
se condense.
Los tres mecanismos principales para la elevación de masas de aire son:
- Elevación frontal: El aire caliente es elevado sobre el aire frio por un pasaje
frontal.
- Elevación orográfica: Una masa de aire se eleva para pasar por encima de
una cadena montañosa
- Elevación convectiva: El aire se arrastra hacia arriba por una acción
convectiva originada por el calor superficial, el cual causa una inestabilidad
vertical de aire húmedo.
La precipitación varía en el espacio y en el tiempo de acuerdo con el patrón
general de circulación atmosférica y con factores locales.
Algunas fuertes variaciones estacionales en la precipitación ocurren cuando la
oscilación anual en la circulación atmosférica cambia la cantidad de humedad que
entra en esas regiones.
Datos Hidrometeorológicos
Existen varios tipos de datos usados en la hidrología:
• Datos históricos de eventos naturales registrados cronológicamente en forma
discreta ó continua. Son series de tiempo producto de observaciones y que se
pierden si no se registran en el momento de su ocurrencia. A este tipo pertenecen
la gran mayoría de los datos hidrológicos e hidrometeorológicos.
• Levantamiento de datos hidrológicos en áreas, como por ejemplo profundidad y
calidad de aguas subterráneas, infiltración o sedimentación en ríos. Son datos de
campo que se toman esporádicamente y no necesariamente, en forma secuencial.
• Medidas en laboratorio, como lo son conductividades hidráulicas o calidad de
aguas.
• Registro simultáneo de un evento (lluvia-caudal) en dos localidades geográficas
diferentes, durante un determinado período de tiempo (generalmente 4 ó 5 años)
usados para transferir información ó correlacionar datos con propósitos diversos,
como lo son análisis de caudales.
Calidad, Homogeneidad y Consistencia de los Datos
Los datos hidrológicos deben ser independientes, homogéneos y lo más
representativos posible de la población. En la recolección de datos de lluvias en
una cuenca, por ejemplo, las estaciones deberán ser localizadas en sitios
estratégicos cuya cobertura total deberá representar la misma.
Las fuentes de los errores en datos hidrológicos observados pueden ser: en el
sensor (error del registro del dato in situ), en la transmisión del dato, en el registro
en la estación de recepción, en el procesamiento y análisis de los datos.
Dentro de los errores, se consideran errores al azar y errores sistemáticos.
Los primeros están siempre en los datos, generalmente se distribuyen alrededor
del verdadero valor y la desviación estándar se usa para determinar la magnitud
de los desvíos. Los segundos crean inconsistencias o diferencias en un sólo
sentido en relación al valor medio que deben ser detectadas y corregidas.
Existen diversas técnicas, para corregir inconsistencias.
Otro tipo de datos a tener en cuenta son los no homogéneos o datos afectados por
algún efecto, no necesariamente hidrológico que repentinamente cambia la
tendencia normal de una serie de registros. La no homogeneidad puede ser
producida por un efecto antrópico, fácilmente detectable e incluso pronosticado,
como lo es una presa en un río, la cual produce hacia aguas abajo descargas no
homogéneas que no pueden ser consideradas conjuntamente con los caudales
vírgenes del río aguas arriba del embalse. Existen causas naturales que pueden
ser detectadas al observar la no homogeneidad de los datos, como por ejemplo, la
presencia imprevista en la cuenca alta de un deslizamiento de tierra.
En los registros sistemáticos de caudales ante cualquier situación de no
homogeneidad, debe detectarse su causa. En las proyecciones estadísticas de
variables hidrológicas, resulta primordial contar con datos libres de errores
significativos. Igualmente, en series de tiempo de fenómenos hidrológicos los
datos faltantes, deben ser en lo posible rellenados por análisis de correlación o
análisis regionales de datos vecinos.
Variables Aleatorias
Una variable aleatoria X(t) tiene una cierta distribución probabilística. Esa
distribución determina la posibilidad de que una determinada observación X, de la
variable, caiga dentro de un rango especificado de X.
Si la distribución probabilística, permanece invariable a través del tiempo, son
procesos estacionarios, si las condiciones cambiaran, el proceso sería no
estacionario y por lo tanto, se deberán introducir los respectivos factores de
cambio.
Series de Tiempo
En hidrología, una serie de tiempo se define como la magnitud de un evento
observado en forma discreta a intervalos de tiempo, dt, promediados en ese
intervalo o registrados en forma continua en un tiempo, t.
Las series de tiempo en hidrología pueden ser series de duración completa, en la
cual figuran todos los registros de la muestra, o series de duración parcial, donde
los datos se seleccionan de tal manera que su magnitud es mayor (o menor) que
un valor base predefinido.
Si en una serie de valores máximos se elige, el valor mayor de cada año se tendrá
una serie anual máxima. Si se seleccionan los mínimos será como una serie anual
mínima.
Una serie anual máxima puede dejar de considerar valores máximos que ocurren
durante un año menores que el máximo de ese año, pero mayores que los
máximos de otros años; en estos casos una serie de duración parcial (por encima
de una base predefinido) da una mejor idea del comportamiento de la muestra.
Parámetros Estadísticos
Un parámetro estadístico es el valor esperado de alguna variable aleatoria o de
alguna función, es decir, son estimadores de las muestras para caracterizarlas.
Medidas de Tendencia Hacia un Valor Central de la Serie
• Desviación media (σM): Es la media aritmética del valor absoluto de los errores.
Se calcula con la siguiente expresión:
Probabilidad
Secuencia de eventos independientes
Si un número k de eventos al azar pueden ocurrir como eventos independientes,
(Yevjevich,1972) A1, A2 .... Ak y si cada uno de ellos tienen las probabilidades
P(A1) = p1; P(A2) = p2 ...
P(AR) = pk, Entonces, la probabilidad de un evento asociado, como la condición
para una secuencia de observaciones independientes (Teorema del límite) es:
Análisis de Frecuencia
En diseño hidrológico es siempre necesario conocer la probabilidad de ocurrencia
de eventos de determinadas magnitudes y se estima a través de métodos
estadísticos mediante el análisis de frecuencia.
Frecuencia absoluta y frecuencia relativa
Si de una muestra de N valores Xi de una variable discreta, existen nj casos de un
determinado evento, Xj. Estos nj números son la frecuencia absoluta de los
eventos Xj.
Las frecuencias relativas se definen como:
Por ejemplo, si en una muestra de 180 días, hay 30 días con tormenta y 150 sin
tormenta, la frecuencia absoluta de días/tormenta es 30 y su frecuencia relativa es
30/180 = 0.1667 de días con tormentas.
Distribuciones de Probabilidad
Existen varias distribuciones de probabilidad que se usan en el diseño hidrológico.
Teniendo en cuenta que en hidrología los registros disponibles son una pequeña
muestra de la población, resulta lógico probar diferentes distribuciones para
obtener aquella que mejor se ajuste. Se debe tener presente que una determinada
distribución de probabilidad no necesariamente se aplica por igual a diferentes ríos
(en el caso de análisis de caudales) o en diferentes tipos de lluvias (en el caso de
análisis de precipitaciones).
Prácticamente todas las distribuciones de variables aleatorias en hidrología son de
naturaleza empírica, obtenidas de un número limitado de datos. Las funciones de
distribución de probabilidad, tienen parámetros que deben ser estimados a partir
de la muestra. Desde el punto de vista matemático si una función tiene más
parámetros, es más flexible para ajustar a una distribución empírica.
En realidad el número de parámetros es un compromiso entre flexibilidad y
confiabilidad en la estimación de los mismos. Si el número de parámetros de una
distribución es muy pequeño, la función no será flexible al ajuste, por otro lado si
su número es grande, algunos de esos parámetros serán poco confiables. Es por
esto que la selección de una función de distribución de probabilidad que se ajuste
a una variable hidrológica es un problema que involucra la flexibilidad para
ajustarla a una función y la confiabilidad en la estimación de sus parámetros.
Desde el punto de vista práctico en el diseño hidrológico, estas funciones no se
pueden derivar teóricamente, es decir, las verdaderas funciones son muy difíciles
de conocer y en todos los casos del diseño práctico los parámetros de la función
se deben determinar de muestras de datos.
Si una función empírica ajusta razonablemente bien a una variable, se asume que
ella se aplica a la población de esa variable. La experiencia práctica indica que las
siguientes funciones de distribución tienen uso en hidrología.
Distribución Binomial
La distribución discreta binomial de probabilidad se aplica a poblaciones que sólo
tienen dos eventos discretos y complementarios. Una condición esencial para esta
aplicación es la independencia de eventos sucesivos (observaciones o
experimentos) y las probabilidades constantes p y q de cada ensayo individual.
Esta condición se debe verificar con los datos a utilizar.
La función de probabilidad acumulada es:
Donde: x es el número de veces que ocurre el evento.
P(x) es la probabilidad de ocurrencia x = 0, 1, 2 .... etc.
n es el tamaño de la muestra ( número de observaciones independientes o casos
posibles).
m es el número de eventos q es la probabilidad de no excedencia, dada por:
• La varianza:
• El coeficiente de asimetría:
• El coeficiente de kurtosis:
Distribución de Poisson
Un caso interesante se presenta cuando el tamaño de la muestra, n, es muy
grande y tiende a infinito, mientras que la probabilidad, p, muy pequeña y
tendiente a cero, pero su producto, m, es un número positivo, entonces se tiene la
función de densidad de probabilidad discreta de Poisson:
• La varianza:
• El coeficiente de asimetría:
Marco Metodológico
Referencias