5 Caudales Crecidas 1

DETERMINACIÓN DE CAUDALES PARA
DISEÑO DE OBRAS DE DRENAJE Y

EVACUACIÓN
CAUDALES DE CRECIDAS
CAUDALES PARA OBRAS DE CONTROL

DISEÑO HIDROLÓGICO PARA CRECIENTES
Crecientes: Las crecientes son un fenómeno de ocurrencia de caudales

altos que pueden provocar inundaciones.
Una creciente puede no causar inundaciones, sobre todo si se construyen

obras de control
El diseño de estructuras que sirven para el control de flujo estan

relacionadas con las magnitudes de las crecientes (caudal, eleación y
volúmen)
Diseño hidrológico: Determinación del cuadal de crecidas para obras de

control (Mitigación de los efectos adversos causados por crecientes)

DISEÑO HIDROLÓGICO PARA CRECIENTES
Los caudales de crecidas representan los caudales máximos
La determinación de caudales máximos sirve para:

• Obras hidráulicas
• Gestión de recursos hídricos
• Ordenamiento territorial
La estabilidad de una obra durante su vida útil depende de su capacidad

para soportar caudales mayores
La confianza de una estructura depende del nivel de aproximación de la

magnitud de los caudales máximos durante la vida útil de la obra

INFRAESTRUCTURAS DE CONTROL
Estructuras de regulación: Sirven para atenuar los caudales máximos

decreciendo sus picos aguas abajo. Ej: Embalses de control de crecidas
con sus respectivos vertederos de excesos
Estructuras de conducción: Transporte del flujo de agua hacia sitios

aguas abajo mitigando los efectos de crecidas. Ej: Alcantarillado,
canales de drenaje, diques de crecientes, estructuras de derivación

MÉTODOS PARA EL CÁLCULO DE CAUDALES
MÁXIMOS
Directos: Son los que se determina el caudal máximo por observaciones hechas
en el campo
Empíricos: Definen el caudal de crecida mediantes fórmulas que proporcionan

resultados similares a las observaciones
Empírico-Analítico: Son los utilizan fórmulas pero que tienen cierta base física
que sirve como hipótesis de partida
Estadísticos: Se parte de una serie de caudales y a partir de distribuciones de

probabilidades se estima el caudal máximo
Estocásticos: Se generan series de caudales a partir de una serie de caudales ya

existente
Analíticos: Permiten realizar un análisis de los fenómenos que originan las

crecidas a partir de expresiones matemáticas.

PERIODO DE RETORNO
El periodo de retorno o tiempo de retorno es el tiempo promedio en años en

que un caudal pico determinado es igualado o excedido al menos una vez
Tr : Periodo de retorno
Tr = 1/pp = P (X xt )
p : Probabilidad de excedencia del
evento xt
Tr = 1/pp = P (X xt ) Xt : Evento que ocurre para un
determinado periodo de retorno
i = a ⇥ tb
Ejemplo
tb m /s con un periodo de 25 años:3
Unaicrecida de 30 3
=a⇥
• Caudal máximo será igual o excederá los 30 m /s con un intervalo en
promedio de 25 años
• Probabilidad de que un caudal exceda los 30 m3/s en un año es de 1/25

CRITERIOS PARA LA ELECCIÓN DEL PERIODO DE
RETORNO
Se debe proporcionar un estimado de la máxima crecida que pueda ser

esperada con una probabilidad específica durante la vida útil de la obra
futura.
La elección del periodo de retorno define dicha probabilidad
Los criterios pueden ser:
• Económicos
• Usuales
• De riesgo

RETORNO
Criterios económicos:
Comparación entre los costos de las obras y los daños producidos por
un crecida
Monsalve, 1999
RETORNO
Criterios usuales:
La elección del periodo de retorno puede basarse en:
• Vida útil de la obra
• Tipo de estructura
• Facilidad de reparación y ampliación
• Peligro de pérdidas humanas
Monsalve, 1999
CRITERIOS PARA LA ELECCIÓN DEL PERIODO DE RETORNO
Criterios de riesgo:
Fijación, a priori, del riesgo que se desea asumir si la obra falla
N 1
R=1 (1 1/Tr ) Tr =
ln(1 R)
1 e N
Tr : Periodo de retorno
R : Riesgo asumido asociado al
periodo de retorno
N : Vida útil del proyecto en años

CÁLCULO DE CAUDALES MÁXIMOS
APLICANDO FUNCIONES DE DISTRIBUCIÓN
DE PROBABILIDADES

SERIES DE DATOS
Es necesario series de caudales máximos instantáneos:
Q1, Q2, Q3, …., Qi, …., Qn
Donde:
Qi es el caudal máximo instantáneo registrado en el año i (m3/s)
n es el número total de años

CÁLCULO DE CAUDALES MÁXIMOS: FUNCIÓN DE DISTRIBUCIÓN DE
PROBABILIDADES
SERIES DE DATOS - CONSIDERACIONES
• Se lista todos los años de registro y en orden cronológico preferiblemente
• Se puede usar un año incompleto, pero si se determina que Qi corresponde a
la temporada lluviosa y que en el periodo faltante no hubo crecidas
• Incluir las crecidas históricas anteriores al periodo de registro de la estación
• Si no se cuenta con caudales máximos instantáneos (Qi) se puede usar los
caudales máximos medios diarios (Qd), pero se debe encontrar un relación
Qi/Qd a partir de datos de otra estación cercana:
Q̂i
Qi = ⇥ Qd
Q̂d
Donde:
Qi es el caudal máximo instantáneo del año i en la estación de interés
Qd es el caudal máximo medio diario del año i en la estación de interés
Q̂i es el caudal máximo instantáneo del año i en una estación complementaria
Q̂d es el caudal máximo imedio diario del año i en una estación complementaria

PROBABILIDADES
ANÁLISIS FRECUENCIAL
Los procesos hidrológicos varían en el espacio y en el tiempo de forma

parcialmente aleatoria.
Los caudales máximos, son eventos que pueden ser considerados como
aleatorios
El comportamiento de los caudales máximos se puede describir con una

función de distribución de probabilidades.
El análisis de frecuencias consiste en estimar la probabilidad de ocurrencia de

eventos pasados o futuros. Su confiabilidad depende de los datos históricos y
de la incertidumbre de la distribución de probabilidades

PROBABILIDADES
El análisis de frecuencias requiere que los datos sean homogéneos e
independientes
Homogéneos: Todas los caudales deben provenir de una misma población
Independientes: Los caudales no deben ser consecuencia de una misma

tormenta
Caudale medio diario del rio Arvogne
10
6
Caudal [m3/s]
1993 1994 1995 1996 1997 1998 1999
Anio

PROBABILIDADES
El análisis frecuencial puede ser llevado a cabo de forma gráfica o de forma
analítica.
Gráfica: Los caudales registrados son ordenados según el orden de magnitud

graficándolos en un papel de probabilidad y se ajusta un curva por
inspección de los puntos en el dibujo.
Analítica: Se debe ajustar la serie de datos de caudales a una distribución

teórica de probabilidad (Normal, Log-Normal, Log-Pearson, etc)
Ventajas de la forma analítica:

• El ajuste es más preciso y puede hacerse rápidamente con un
computador
• El resultado puede ser descrito por pocos parámetros
• Se puede evaluar el grado de confiabilidad de los estimados

PROBABILIDADES
AJUSTE DE DATOS A UNA DISTRIBUCIÓN DE
PROBABILIDADES
1 Histograma de Q95
(x µ)2 /2 2
P (x) = p e
2⇡
1 1 1 (x (xµ)µ)
2 2 22 2
/2/
0.6
(x µ)2 /2 2P (x) = =p p e e
P (x)
P (x) = p e
2⇡ x µ 2⇡2⇡
Densidad
0.4
z=
Donde:
x µ máximo instantáneo x µ i en la estación de interés
0.2
Qi es el caudal del año

z= z=
Qd es el caudal máximo
1
P (x) = p e /medio diario
(x µ)2 2 2
del año i en la estación de interés
0.0
2⇡
Q̂i es el x̄caudal
x 0.5= 1.0+ z
1.5 ⇥ máximo
S
2.0 x 2.5
instantáneo del año i en una estación complementaria
3.0
Q̂d es el caudal máximo

Q95 [m3/s]z=
x µ
imedio diario del año i en una estación complementaria
x = x̄ + z ⇥ Sx Estimación x
de = x̄ +
x para ⇥ Sxde una población con una distribución normal
unazmuestra
x = x̄ + z ⇥ Sx
xT = x̄ + KT ⇥ Sx Estimación de x para una muestra con cualquier distribución de probabilidades

xT = x̄ + KT ⇥ Sx
Donde:
x = x̄ + K ⇥ S
T T T x = x̄ + K ⇥ Sx
xT es el valor correspondiente para una probabilidad de frecuencia de un
x T T
pondiente para una probabilidad de frecuencia de un
tiempo
x̄ es la media del conjunto de valores de x
Donde:
Sx es la desviación estándar del conjunto de valores de x
KT es el factor de frecuencia para un tiempo T
xT deesvalores
nto
ndiente el
paravalor
de correspondiente
una depara
x probabilidadCAUDALES una OBRAS
frecuencia
PARA probabilidad
de DE unCONTROL de frecuencia de un
tiempo
ándar del Tconjunto de valores de CÁLCULO
x DE CAUDALES MÁXIMOS: FUNCIÓN DE DISTRIBUCIÓN DE
x̄ es la
uencia media
para del conjunto
un tiempo T de valores de x PROBABILIDADES
ESTADÍSTICOS PRINCIPALES DE LAS DISTRIBUCIONES
Las funciones de distribución de probabilidades se basan en parámetros

estadísticos como son:

PROBABILIDADES
DISTRIBUCIÓN DE PROBABILIDADES
Funciones de distribución que se utilizan en hidrología:
• Normal
• LogNormal
• Gumbel o Extrema tipo 1
• LogGumbel
• Pearson Tipo 3 o Gamma de 3 parámetros
• LogPearson 3

PROBABILIDADES
x
x µ
DISTRIBUCIÓN NORMAL z=
Donde:
Función de densidad x = x̄ + z ⇥ Sx
xT es el1 valor correspondiente para una probabilidad de
2
(x µ) /2 2
p(x) = p e
tiempo T2⇡ Pn
x̄ es la media del conjunto de xvalores = +de
T =x̄ x̄ KTxxi ⇥ Sx
i=1
Estimación de parámetros n
Sx es la 1desviación
Donde: (y µ ) /estándar
2
2 2 del
(
conjunto de valores )
de x
p(x) = pPn e y y
n
X
1/2
KTxes x el
=y factor
T x̄es
2⇡
el xi decorrespondiente
i=1valor frecuencia
S x =para1 un tiempo2 T
para ⇥ una (xi probabilidad
x̄) de fre
n n 1
tiempo T i=1
( ✓)1/2 ◆
1 x̄ es
1(xla media
X)
n del2 conjunto
(x ) de valores de x
Factor
p(x) = Sxexp
= de frecuencia
⇥ (xi expx̄)
↵ S es la
nx 1 ↵ i=1desviación estándar
↵ del conjunto de valores de x
KT es elal factor
KT corresponde valor z dede frecuencianormal
la distribución paraestandarizada
un tiempo T
Z ()✓ P (1 1/T
◆ 1) ✓ ◆
1 T x x0 r x x0
p(x) = ⇥ ⇥ exp
x|↵| ( ) ↵ ↵
PROBABILIDADES
y = log(x) y
xT = 10yTxT = 10 T y = ln(x)
DISTRIBUCIÓN LOG-NORMAL
yT yT
x =
y = ln(x)
T 10 y T = ȳ + y
K T T= ⇥ ȳS+y K T ⇥ S y x T = e
1 (x µ)2 /2 2
p(x) = p e
2⇡
Función de densidad 1 1µy )2 /2 (y2 µy )2 /2 y2
yT = ȳ +yTKT ⇥ Sy P (y) = Pp (y) =e (y p e y yT = ȳ + KT ⇥ Sy
xT = e 1 (y µy )2y/2 2⇡2 y 2⇡
p(x) = p e y
Pn
x y 2⇡ Pn
i=1ȳ y=i i=1 yi 1 (y µy )2 /2 2
1 2 2 ȳ = P (x) = p e y
P (y) = p e (y µy ) /2 y n n x y 2⇡
yT =Estimación
ȳ + K
2⇡T ⇥ S
de y parámetros ✓ ◆
1y (x ) ( (x( ) )1/2 )1/2
p(x) = exp n P exp n
X1 X n
↵ y ↵
i 1 ↵ 2 2
1ȳ = i=1 S
(y µy )2 /2 =
y 2 S y = ⇥ (y i ⇥ ȳ) (y i ȳ)
P (x) = p e n y n 1 n 1 i=1
i=1
x y 2⇡
( n
✓ )1/21
◆ ✓ ◆
11 X
x x02 x x0
Sy == Factor
p(x) ⇥de⇥frecuencia
(yi ȳ) ⇥ exp
x|↵| (
n 1 i=1 ) ↵ ↵
KT corresponde al valor z de la distribución normal estandarizada
ZT () P (1 1/Tr )

PROBABILIDADES
1 (x µ)2 /2 2
p(x) = p e
2⇡
GUMBEL
1 2
2
p(x) = p e (y µy ) /2 y
Donde: x y 2⇡
Función de densidad y densidadacumulada ✓ una ◆
xT es el valor correspondiente
P (x) = 1 exp ✓x
para
◆ x probabilidad
 ✓ de frecue
◆
1T (x ) (x exp
) (x )
tiempo
p(x) = exp ↵ exp ↵ ↵
P (x) = exp exp
la ↵ ↵✓conjunto ◆ de ↵valores de x ↵
1x̄ es xmedia del x
= Sexpes la desviación
exp ↵ = 0.779696Sx
↵ x Estimación
↵ de parámetros estándar
↵ del conjunto de valores de x
✓ ◆ 1 ✓ ◆
K es el
p(x) T=
1 factorxde xfrecuencia
⇥
0
⇥ exp
para
x un x0 tiempo T
↵x|↵|
= 0.779696S
( ) x ↵ = x̄ 0.5772↵
↵
⇢ 
= x̄de frecuencia
0.5772↵ Tr
Factor KT = 0.779696 0.5772 + ln ln
Tr 1
⇢ ⇢  ✓ ◆
Tr Tr
KT =0.5772
= 0.779696 0.779696
+ ln ln0.5772 + ln ln
Tr 1 Tr 1

PROBABILIDADES
PEARSON TIPO 3
✓ ◆ 1 ✓ ◆
Función de densidad 1 x x0 x x0
Donde: ✓ P (x) ◆
= 1 ✓⇥ ◆ ⇥ exp
1 x x0 x|↵| ( ) x x↵0 ↵
xT esp(x)
el =valor correspondiente
|↵| ( 1)
⇥ ✓
↵x x0 1 para ✓una probabilidad
◆⇥ exp
↵ x x0
◆ de frecue
tiempoP (x)T = x|↵| ( ) ⇥ ↵
⇥ exp↵ = Sx Cs/2
↵
𝑥" ≤ 𝑥 < ∝ para ∝> 0
x̄ es la media
✓∝ ≤ 𝑥 < ◆
𝑥"
del
1 ∝<
para conjunto
0 ✓ de ◆valores de x
1 x x0 x x0 2
S es
⇥ la desviación⇥ exp ↵ = S
estándar x Cs/2
del conjunto= de valores
(2/Cs) de x
↵| ( x)Estimación
↵ de parámetros ↵
KT es el factor de frecuencia para un tiempo T
↵ = Sx Cs/2 = (2/Cs)2 x0 = x̄ ↵
1 2 2
Cs corresponde al coeficiente
P (x) = dep e (y µy ) /2
asimetría y
x 2⇡ ✓ ◆ ✓
= (2/Cs)2 xy0 = x̄ ↵ 1 x x0
1
x x
p(x) = ⇥ ⇥ exp
Factor de frecuencia |↵| ( ) ↵ ↵
2 3 2 2 3
2
K T ⇡ z+(z 3
1)⇥(Cs/6)+1/3⇥(z
2 2
6z)⇥(Cs/6)
3 44
(z 1)⇥(Cs/6)
5 5
+z
KT x0 = x̄1)⇥(Cs/6)+1/3⇥(z
⇡ z+(z ↵ +z ⇥ (Cs/6)⇤1/3⇥(Cs/6)
6z)⇥(Cs/6) (z 1)⇥(Cs/6) +z⇥(Cs/6) + 1/3 ⇥ (Cs/6)
z es2el valor
KT ⇡ z+(z de la variable de la3distribución
1)⇥(Cs/6)+1/3⇥(z 6z)⇥(Cs/6)normal
2 estandarizada
(z 2 1)⇥(Cs/6)3 +z⇥(Cs/6)4 ⇤1/3⇥(C
4 5
+z ⇥ (Cs/6) ⇤ 1/3 ⇥ (Cs/6)
6)+1/3⇥(z 3 6z)⇥(Cs/6)2 (z 2 k 1)⇥(Cs/6)3 +z⇥(Cs/6) 4
PROBABILIDADES ⇤1/3⇥(Cs/6)
5
X 2
ELECCIÓN DE DISTRIBUCIÓN DE PROBABILIDADES
Dos formas:
• En base a criterios obtenidos la práctica nacional
• En base a una prueba de bondad de ajuste o estadísticos

PROBABILIDADES
ELECCIÓN POR CRITERIOS
Criterios para la elección del tipo de distribución de probabilidad para el cálculo de caudales máximos
El rango teórico de los valores de la distribución va desde -∞ a +∞ (las crecidas solo tienen
valores positivos).
Sería aceptable cuando la serie tenga un coeficiente de asimetría entre “0” y “0.5”.
También cumpliría con la distribución si con un conteo de los caudales máximos se
Normal determina que:
50% de los valores están entre los límites señalados por (Ǭ – 2/3S) y (Ǭ+2/3S)
68% entre por (Ǭ – S) y (Ǭ+S)
95% entre por (Ǭ – 2S) y (Ǭ+2S)
El rango teórico de los valores de la distribución va de “0” a “+∞”

Como los logaritmos atenúan el sesgo, seria preferible que el coeficiente de asimetría de la
serie (de los datos transformados) no difiera sensiblemente de “0” (positivo o negativo)
Log Normal
También deberá cumplirse los porcentajes dados para 50%, 68% y 95% (de los datos
transformados)
Aplicable a series en donde CS≥3CV+CV3 (de los datos originales)

PROBABILIDADES
ELECCIÓN POR CRITERIOS
El rango es positivo
Sería aceptable cuando el coeficiente de asimetría no sea muy diferente de CS=1,14
Gumbel
Al respecto, cuando CS˂1,14 se exageran los valores de baja probabilidad y con CS ˃1,14 se
subestiman los mismos (lo contrario es cierto para valores de alta probabilidad de ocurrencia)
Log Gumbel Los mismos criterios que para Gumbel siendo mas restrictiva con el valor de CS = 1,14
Gamma de tres parámetros Rango positivo

(Pearson Tipo III) No hay restricciones en cuanto al valor de CS
Log Pearson III CS debe ser mayor que 2CV para que no haya valores negativos

PROBABILIDADES
ELECCIÓN POR PRUEBAS DE AJUSTE Y ESTADÍSTICOS
Métodos:
• Prueba Kolmogorov-Smirnov
• Prueba 𝜒2
• ECMF (Error cuadrático medio de frecuencias)
• ECMV (Error cuadrático medio)

PROBABILIDADES
ELECCIÓN POR PRUEBAS DE AJUSTE
PRUEBA 𝝌𝟐
Sirve para medir la bondad de ajuste de una serie de datos respecto a una distribución
teórica
k
X
2 n ⇥ (fo fc ) 2
=
i=1
fc
8
>
>
> 3 si n  20 En hidrología las distribuciones de
>
>
>
< probabilidades más usadas tienen
k= 5
>
si 20 < n  40 de 2 a 3 parámetros, por lo que es
>
>
>
>
>
necesario que k = 5 para esta
:1 + 3.3 ⇥ log(n) sin > 40
prueba
gl = k m 1
Se puede ser menos estricto y usar
Donde:
fo son las frecuencias observadas
como mínimo n=13 para k=5
fc son las frecuencias teóricas calculadas
n es el número de datos
gl es el grado de libertad de la distribución 2
k es el número de intervalos
m es el número de parametros de la distribución teórica
PROBABILIDADES
ELECCIÓN POR PRUEBAS DE AJUSTE
ERROR CUADRÁTICO MEDIO DE FRECUENCIAS (ECMF)
Sirve para medir el error promedio
Xk
n ⇥ (f
entre la frecuencia observada y calculada
f )2
2 o c
=
i=1
fc
Xk
8 2 n ⇥ (fo fc )2
=
>
> 3 fsic n  20
>
> i=1
>
>
8 n
<
>
k=>
> 3
5 1 X si n  20
si 20 < n  40 2
>
>
>
>
<
ECM F = ⇥ (f o fc )
>
>
k=>
k
:51 + 3.3 ⇥ log(n) si 2040 n  40
<i=1
>
> sin >
>
>
>
>
:1 + 3.3gl⇥= k m sin1 > 40
log(n)
Donde:
gl = k m 1
fo son las frecuencias observadas
fDonde:
c son las frecuencias teóricas calculadas
fno es
sonel las
número de datos
frecuencias observadas
fglc es
sonellas
grado de libertad
frecuencias distribución 2
de lacalculadas
teóricas
nk es el número de intervalos
datos
m es el grado
número 2
gl dede parametros
libertad de la de la distribución
distribución teórica
k es el número de intervalos
m es el número de parametros de la distribución teórica
PROBABILIDADES
ESTIMACIÓN DEL CAUDAL MÁXIMO
Pasos
1. Obtener la serie de datos de caudales máximos instantáneos anuales
2. Elección del tiempo de retorno
3. Elección de la ley de distribución de probabilidades para ajustar los datos
4. Ajuste de datos a la ley de distribución de probabilidades escogida
5. Estimación del caudal máximo para el tiempo de retorno escogido

PROBABILIDADES
EJEMPLO
En la Cuenca Parimbot (Suiza), se va a construir una obra de aprovechamiento
de agua potable. Según los registros, existen varias crecidas importantes a lo
largo de los años que han provocado inundaciones a las poblaciones dentro de
la Cuenca. En este contexto, se desea también construir una estructura de
derivación para mitigar los efectos de crecidas y además para proteger la obra
de captación de agua. Para poder dimensionar la sección de la estructura de
derivación es necesario estimar el caudal de crecida para: i) un tiempo de
retorno que asegure con un 60% de seguridad de que la obra no va a fallar (que
la capacidad de diseño de la sección no va a ser excedido) durante su vida útil
(20 años); y ii) para un periodo de retorno de 100 años que asegura el bienestar
de los habitantes de las poblaciones.
Se cuenta con una serie de datos desde el año1979 hasta 2005.

PROBABILIDADES
EJEMPLO – CONJUNTO DE DATOS
Caudal Caudal Caudal
Años Fecha Años Fecha Años Fecha
(m3/s) (m3/s) (m3/s)
1986 01/28/1979 8.04 1988 01/04/1981 7.99 1990 01/16/1983 0.87
1986 03/11/1979 1.53 1988 01/20/1981 0.65 1990 02/01/1983 1.89
1986 03/26/1979 3.04 1988 02/04/1981 1.74 1990 02/26/1983 1.26
1986 05/02/1979 3.91 1988 03/13/1981 4.62 1990 03/15/1983 0.52
1986 08/26/1979 0.60 1988 03/26/1981 2.98 1990 03/25/1983 0.58
1986 10/22/1979 0.37 1988 05/26/1981 2.69 1990 04/06/1983 11.10
1986 11/09/1979 7.37 1988 07/23/1981 0.47 1990 04/20/1983 0.63
1986 12/11/1979 7.49 1988 10/11/1981 2.76 1990 05/04/1983 2.65
1986 12/28/1979 0.55 1988 10/21/1981 1.20 1990 05/17/1983 2.75
1987 01/05/1980 0.76 1988 10/30/1981 3.12 1990 06/13/1983 0.87
1987 01/24/1980 6.00 1988 12/01/1981 5.83 1990 09/02/1983 0.40
1987 02/04/1980 5.25 1988 12/14/1981 8.97 1990 09/16/1983 1.28
1987 03/07/1980 1.49 1988 12/24/1981 0.53 1990 10/16/1983 0.99
1987 03/27/1980 1.04 1989 01/06/1982 7.94 1990 11/27/1983 7.90
1987 06/08/1980 0.79 1989 01/30/1982 0.38 1990 12/21/1983 1.88
1987 06/15/1980 3.24 1989 03/17/1982 2.57 1991 01/03/1984 0.97
1987 06/29/1980 2.79 1989 06/26/1982 1.97 1991 01/14/1984 7.89
1987 07/08/1980 5.19 1989 08/20/1982 2.12 1991 01/24/1984 1.89
1987 07/15/1980 1.86 1989 09/06/1982 0.65 1991 02/07/1984 9.37
1987 08/08/1980 0.39 1989 09/26/1982 0.59 1991 04/02/1984 3.85
1987 10/08/1980 3.71 1989 10/13/1982 8.14 1991 05/19/1984 0.39
1987 10/24/1980 4.57 1989 11/13/1982 1.79 1991 09/05/1984 0.91
1987 11/18/1980 0.40 1989 12/17/1982 9.88 1991 09/15/1984 0.90
1987 11/26/1980 0.76 1991 09/23/1984 4.44
1987 12/06/1980 1.32 1991 10/05/1984 6.97
1987 12/15/1980 4.00 1991 11/26/1984 3.17
1991 12/18/1984 2.00

PROBABILIDADES
EJEMPLO – CONJUNTO DE DATOS
Caudales máximos anuales
TOTAL: 27 datos

PROBABILIDADES
EJEMPLO – TIEMPO DE RETORNO
N 1
R=1 (1 1/Tr ) Tr =
ln(1 R)
1 e N

PROBABILIDADES
EJEMPLO – TIEMPO DE RETORNO
N 1
R=1 (1 1/Tr ) Tr =
ln(1 R)
1 e N
Tr1 = 40 años
Tr2 = 100 años

PROBABILIDADES
EJEMPLO – ELECCIÓN DE FUNCIÓN DE
DISTRIBUCIÓN
Parámetros estadísticos

PROBABILIDADES
DISTRIBUCIÓN
Parámetros estadísticos
Variable Qi Y = Ln (Qi)
media 23.05 2.88
desviación
estándar 16.61 0.73
coeficiente
de asimetría 0.86 0.08
coeficiente
de variación 0.72 0.26

PROBABILIDADES
EJEMPLO – ELECCIÓN DE FUNCIÓN DE DISTRIBUCIÓN
Elección por criterios
El rango teórico de los valores de la distribución va desde -∞ a +∞ (las crecidas solo tienen
valores positivos).
Sería aceptable cuando la serie tenga un coeficiente de asimetría entre “0” y “0.5”.
También cumpliría con la distribución si con un conteo de los caudales máximos se
Normal determina que:
50% de los valores están entre los límites señalados por (Ǭ – 2/3S) y (Ǭ+2/3S)
68% entre por (Ǭ – S) y (Ǭ+S)
95% entre por (Ǭ – 2S) y (Ǭ+2S)
El rango teórico de los valores de la distribución va de “0” a “+∞”

Como los logaritmos atenúan el sesgo, seria preferible que el coeficiente de asimetría de la
serie (de los datos transformados) no difiera sensiblemente de “0” (positivo o negativo)
Log Normal
También deberá cumplirse los porcentajes dados para 50%, 68% y 95% (de los datos
transformados)
Aplicable a series en donde CS≥3CV+CV3 (de los datos originales)

PROBABILIDADES
DISTRIBUCIÓN
El rango es positivo
Sería aceptable cuando el coeficiente de asimetría no sea muy diferente de CS=1,14
Gumbel
Al respecto, cuando CS˂1,14 se exageran los valores de baja probabilidad y con CS ˃1,14 se
subestiman los mismos (lo contrario es cierto para valores de alta probabilidad de ocurrencia)
Log Gumbel Los mismos criterios que para Gumbel siendo mas restrictiva con el valor de CS = 1,14
Gamma de tres parámetros Rango positivo

(Pearson Tipo III) No hay restricciones en cuanto al valor de CS
Log Pearson III CS debe ser mayor que 2CV para que no haya valores negativos (originales)

PROBABILIDADES
DISTRIBUCIÓN
Se podría usar LogNormal, Gumbel o Pearson Tipo III

PROBABILIDADES
2⇡
EJEMPLO – AJUSTE DE DATOS A UNA DISTRIBUCIÓN
Elección por ajuste yxdeterminación
µ de caudal máximo (Normal)
z=
x = x̄ + z ⇥ Sx
k
X
2 n ⇥ (fo fc ) 2
=
i=1
fc
Prueba 𝝌𝟐
8
>
>
>
>
>
3x = x̄ + K ⇥ S
T
si n  20
T x
>
<
k= 5 si 20 < n  40
>
>
>
>
>
correspondiente para una probabilidad de frecuencia de un
>
:1 + 3.3 ⇥ log(n) sin > 40
gl = k m 1
el conjunto de valores de x
Donde:
ción estándar
o son las delnula:
conjunto
frecuencias observadas
Hipótesis Los de pertenecen
datos valores deax
c son las frecuencias teóricas calculadas
n de
es elfrecuencia
númerouna para un normal
distribución
de datos tiempo T
l es el grado de libertad de la distribución 2
es el número de intervalos
m es el número de parametros de la distribución CAUDALES
teórica PARA OBRAS DE CONTROL
PROBABILIDADES
2⇡
Elección por ajuste yxdeterminación
µ de caudal máximo (Normal)
z=
x = x̄ + z ⇥ Sx
Xn
𝑬𝑪𝑴𝑭
1
xT =Fx̄=+ K⇥T ⇥(fSox fc )
2
ECM
k i=1
ción estándar del conjunto de valores de x
de frecuencia para un tiempo T

PROBABILIDADES
Elección por ajuste y determinación de caudal máximo (Normal)
Intervalo ni fi Fi Zi Pi pi chi^2 (fi-pi)^2

-Inf 4.3 1 0.04 0.04 -1.13 0.13 0.13 1.79 0.0081
4.3 18.23 13 0.48 0.52 -0.29 0.39 0.26 5.09 0.0484
18.23 32.17 5 0.19 0.7 0.55 0.71 0.32 1.53 0.0169
32.165 46.10 5 0.19 0.89 1.39 0.92 0.21 0.08 0.0004
46.10 60.03 3 0.11 1 2.23 0.99 0.07 0.65 0.0016
27 9.15 0.0754
𝜒2 = 5.99 (gl=2)
9.15>5.99 se rechaza la hipótesis
ECMF = 0.015

PROBABILIDADES
2⇡
x µ
EJEMPLO –z =AJUSTE DE DATOS A UNA DISTRIBUCIÓN
x µ
z=
Elección por ajuste y determinación de caudal máximo (Normal)
x = x̄ + z ⇥ Sx
x = x̄ + z ⇥ Sx
xQTTR40
correspondiente = =x̄55.55
para +una ⇥
KTmprobabilidad
3/s Sx de frecuencia de un
QTR100 = 61.69 m3/s
ción estándar del conjunto de valores de x
conjunto de valores de x
ón estándar del conjunto de valores de x
e frecuencia para un tiempo T

PROBABILIDADES
Elección por ajuste y determinación de caudal máximo (Log Normal)
Intervalo ni fi Fi Zi Pi pi chi^2 (fi-pi)^2

-Inf 1.46 1 0.04 0.04 -1.93 0.03 0.03 0.1 0.0001
1.46 2.12 2 0.07 0.11 -1.04 0.15 0.12 0.53 0.0025
2.12 2.78 11 0.41 0.52 -0.14 0.44 0.29 1.21 0.0144
2.78 3.44 5 0.19 0.7 0.75 0.77 0.33 1.72 0.0196
3.44 4.09 8 0.3 1 1.64 0.95 0.18 2.19 0.0144
27 5.75 0.051
𝜒2 = 5.99 (gl=2)
5.75<5.99 no se rechaza la hipótesis nula
ECMF = 0.015

PROBABILIDADES
xT = 10yT
Elección por ajuste y determinación de caudal máximo (Log Normal)
y = ln(x)
yT = ȳ + KT ⇥ Sy
yT
xT = e
1 (y µy )2 /2 2
P (y) = p e y
y =2⇡
QTR40 75.75 m3/s
P
yT Q=TR100ȳ =+ n Tm ⇥
K
99.55 3/s
Sy
i=1 yi
ȳ =
n
1 (y µy )2 /2 2
P (x)(= p e )1/2 y
x1 y 2⇡
n
X 2
Sy = ⇥ (yi ȳ) PARA OBRAS DE CONTROL
CAUDALES
n 1 i=1
PROBABILIDADES
EJEMPLO – AJUSTE DE DATOS A UNA DISTRIBUCIÓN
✓ ◆
1 x x
P (x) = exp  exp ✓ ◆
Elección por ajuste y determinación de 1
↵ caudal máximo
x↵ (Gumbel) x↵
P (x) = exp exp
↵ ↵ ↵
↵ = 0.779696Sx
 ✓ ◆ ↵ = 0.779696Sx
(x )
P (x) = exp exp
↵ = x̄ 0.5772↵
Intervalo ni fi Fi Pi =pix̄ 0.5772↵
chi^2 (fi-pi)^2
-Inf 4.3 1 0.04 0.04 0.09⇢ 0.09  0.0025
0.88
4.3 18.23 13 0.48 0.52 0.44 0.35 1.31 Tr
0.0169
18.23 32.17 5
K = 0.779696
0.19 T 0.7
⇢ 0.5772
0.76 0.31
 ln 0.0144
+ ln1.44
TrTr 1
32.17 46.10 5 KT = 0.89
0.19 0.779696 0.91 0.5772
0.15 + ln0.19ln 0.0016
46.10 60.03 3 0.11 1 0.97 0.06 1.27 T0.0025
r 1
27 5.09 0.0379
𝜒2 = 5.99 (gl=2)
5.09<5.99 no se rechaza la hipótesis nula
ECMF = 0.008

PROBABILIDADES
x = x̄ + z ⇥ Sx
Elección por ajuste y determinación de caudal máximo (Gumbel)
⇢  ✓ ◆
Tr
KT = 0.779696 0.5772 + ln ln
correspondiente para una probabilidad deTrfrecuencia
1 de un
Q = 63.19 m 3/s
ión estándar del conjunto 3de valores de x
TR40
QTR100 = 75.15 m /s

PROBABILIDADES
Elección por ajuste y determinación de caudal máximo (Log Gumbel)
Intervalo ni fi Fi Pi pi chi^2 (fi-pi)^2

-Inf 1.46 1 0.04 0.04 0 0 27.17 0.0016
1.46 2.12 2 0.07 0.11 0.12 0.12 0.45 0.0025
2.12 2.78 11 0.41 0.52 0.51 0.39 0.02 0.0004
2.78 3.44 5 0.19 0.7 0.81 0.3 1.15 0.0121
3.44 4.09 8 0.3 1 0.93 0.13 6.06 0.0289
27 34.85 0.0455
𝜒2 = 5.99 (gl=2)
34.85>5.99 se rechaza la hipótesis nula
ECMF = 0.009

PROBABILIDADES
yT
x = 10
T y determinación de caudal máximo (Log Gumbel)
Elección por ajuste
y = ln(x) ⇢  ✓
Tr
◆
KT = 0.779696 0.5772 + ln ln
Tr 1
yT = ȳ + KT ⇥ Sy
yT
xT = e
1 m3/s(y µy )2 /2
QTR40 = 106.39
2
P (y) = p e 3 y
QTR100 = 181.09 m /s
y 2⇡
yT = ȳ + KP T n⇥ Sy
i=1 yi
ȳ =
1 n
(y µy )2 /2 y2
P (x) = ( p e )1/2 DE CONTROL
x y 2⇡ X
n CAUDALES PARA OBRAS
1 CÁLCULO DE CAUDALES MÁXIMOS: FUNCIÓN DE DISTRIBUCIÓN DE
2
S = ⇥ (y ȳ) PROBABILIDADES
Elección por ajuste y determinación de caudal máximo (Pearson Tipo 3)
Intervalo ni fi Fi Ki Pi pi chi^2 (fi-pi)^2
-Inf 4.3 1 0.04 0.04 -1.13 0.11 0.11 1.24 0.0049
4.3 18.23 13 0.48 0.52 -0.29 0.44 0.33 1.87 0.0225
18.23 32.17 5 0.19 0.7 0.55 0.74 0.31 1.28 0.0144
32.17 46.10 5 0.19 0.89 1.39 0.91 0.16 0.08 0.0009
46.10 60.03 3 0.11 1 2.23 0.97 0.06 0.91 0.0025
27 5.37 0.0452

PROBABILIDADES
Intervalo ni fi Fi Ki Pi pi chi^2 (fi-pi)^2

-Inf 4.3 1 0.04 0.04 -1.13 0.11 0.11 1.24 0.0049
4.3 18.23 13 0.48 0.52 -0.29 0.44 0.33 1.87 0.0225
18.23 32.17 5 0.19 0.7 0.55 0.74 0.31 1.28 0.0144
32.17 46.10 5 0.19 0.89 1.39 0.91 0.16 0.08 0.0009
46.10 60.03 3 0.11 1 2.23 0.97 0.06 0.91 0.0025
27 5.37 0.0452
𝜒2 = 3.84 (gl=1)
ECMF = 0.009

PROBABILIDADES
x = x̄ + z ⇥ Sx
xT = x̄ + KT ⇥ Sx QTR40 = 61.69 m3/s

QTR100 = 71.87 m3/s
ondiente para una probabilidad de frecuencia de un
nto de valores de x
ndar del conjunto de valores de x
uencia para un tiempo T

PROBABILIDADES
Elección por ajuste y determinación de caudal máximo (Log Pearson)
Intervalo ni fi Fi K Pi pi chi (fi-pi)^2
-Inf 1.46 1 0.04 0.04 -1.93 0.02 0.02 0.17 0.0004
1.46 2.12 2 0.07 0.11 -1.04 0.15 0.13 0.56 0.0036
2.12 2.78 11 0.41 0.52 -0.14 0.45 0.3 1.08 0.0121
2.78 3.44 5 0.19 0.7 0.75 0.77 0.33 1.66 0.0196
3.44 4.09 8 0.3 1 1.64 0.95 0.17 2.39 0.0169
27 5.86 0.0526

PROBABILIDADES
Elección por ajuste y determinación de caudal máximo (Log Pearson)
Intervalo ni fi Fi K Pi pi chi (fi-pi)^2

-Inf 1.46 1 0.04 0.04 -1.93 0.02 0.02 0.17 0.0004
1.46 2.12 2 0.07 0.11 -1.04 0.15 0.13 0.56 0.0036
2.12 2.78 11 0.41 0.52 -0.14 0.45 0.3 1.08 0.0121
2.78 3.44 5 0.19 0.7 0.75 0.77 0.33 1.66 0.0196
3.44 4.09 8 0.3 1 1.64 0.95 0.17 2.39 0.0169
27 5.86 0.0526
𝜒2 = 3.84 (gl=1)
ECMF = 0.011

PROBABILIDADES
xT = 10yT
y = ln(x)– AJUSTE DE DATOS A UNA DISTRIBUCIÓN
EJEMPLO
yT = ȳ + KT ⇥ Sy QTR40 = 77.88 m3/s
yT QTR100 = 103.98 m3/s
xT = e
1 (y µy )2 /2 2
P (y) = p e y
2⇡
yT = ȳ +y KT ⇥ Sy
Pn
i=1 yi
ȳ =
1 (yn µy )2 /2 2
)= p e y
x( y 2⇡ n
)1/2
1 X 2
Sy = ⇥ (yi ȳ)
n 1 i=1
PROBABILIDADES
Elección por ajuste y determinación de caudal máximo (RESUMEN)
QTR40 QTR100
Distribución Prueba χ2 ECMF (m3/s) (m3/s)
Normal RECHAZA 0.015 55.55 61.69
Log Normal NO RECHAZA 0.01 75.75 99.55
Gumbel NO RECHAZA 0.008 63.19 75.15
Log Gumbel RECHAZA 0.009 106.39 181.09
Pearson RECHAZA 0.009 61.69 71.87
Log Pearson RECHAZA 0.105 77.88 103.98

PROBABILIDADES
GRÁFICAS DE AJUSTE
50
Distribucion Normal 50
Distribucion Gumbel 50
Distribucion Pearson Tipo III
40 40 Muestra 40
Teorico
Probabilidad [%]
Probabilidad [%]
Probabilidad [%]
30 30 30
20 20 20
10 10 10
0 0 0
(-Inf - 4.3) (4.3 - 18.23) (18.23 - 32.16) (32.16 - 46.1) (46.1 - 60.03) (-Inf - 4.3) (4.3 - 18.23) (18.23 - 32.16) (32.16 - 46.1) (46.1 - 60.03) (-Inf - 4.3) (4.3 - 18.23) (18.23 - 32.16) (32.16 - 46.1) (46.1 - 60.03)
Caudal [m3/s] Caudal [m3/s] Caudal [m3/s]
50
Distribucion Log Normal 50
Distribucion Log Gumbel 50
Distribucion Log Pearson Tipo III
40 40 40
Probabilidad [%]
Probabilidad [%]
Probabilidad [%]
30 30 30
20 20 20
10 10 10
0 0 0
(-Inf - 1.46) (1.46 - 2.12) (2.12 - 2.78) (2.78 - 3.44) (3.44 - 4.09) (-Inf - 1.46) (1.46 - 2.12) (2.12 - 2.78) (2.78 - 3.44) (3.44 - 4.09) (-Inf - 1.46) (1.46 - 2.12) (2.12 - 2.78) (2.78 - 3.44) (3.44 - 4.09)

PROBABILIDADES
GRÁFICAS DE AJUSTE
Distribucion Normal Distribucion Gumbel Distribucion Pearson Tipo III
100 100 100
80 80 80
Probabilidad acumulada [%]

60 60 60
40 40 40
20 20 20
Observaciones
0 0
Teorico 0
0 50 100 150 0 50 100 150 0 50 100 150

Caudal [m3/s] Caudal [m3/s]
Distribucion Log Normal Distribucion Log Gumbel Distribucion Log Pearson Tipo III
100 100 100
80 80 80

60 60 60
40 40 40
20 20 20
0 0 0
0 50 100 150 0 50 100 150 0 50 100 150


PROBABILIDADES
INFORME FINAL
Realizar las siguientes actividades que serán utilizadas en su informe final:

• A partir de la información que poseen en sus diferentes cuencas, estimar un serie
de al menos 13 datos de caudales máximos instantáneos (usar más de un caudal
máximo en un año si es necesario)
• Para proteger la obra de aprovechamiento y para la protección de la población
agua abajo se va construir un aliviadero, determinar el tiempo de retorno
(aproximado) a partir de un riesgo propuesto (a su criterio) y tomando en cuenta
que la vida útil de la obra es de 25 años.
• Realizar el ajuste a las 6 distribuciones de probabilidades vistas en clase, hacer dos
pruebas de prueba de bondad de ajuste con cada una de ellas (chi cuadrado y
ECMF), determinar el caudal máximo con cada distribución con el tiempo de
retorno estimado anteriormente
• De acuerdo a su criterio, elegir el caudal de diseño basado en una de las
distribuciones de probabilidades (debe estar muy bien justificado).

PROBABILIDADES

5 Caudales Crecidas 1

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

5 Caudales Crecidas 1

Hochgeladen von

Copyright:

Verfügbare Formate

DETERMINACIÓN DE CAUDALES PARA

DISEÑO DE OBRAS DE DRENAJE Y

CAUDALES PARA OBRAS DE CONTROL

Crecientes: Las crecientes son un fenómeno de ocurrencia de caudales

Una creciente puede no causar inundaciones, sobre todo si se construyen

El diseño de estructuras que sirven para el control de flujo estan

Diseño hidrológico: Determinación del cuadal de crecidas para obras de

CAUDALES PARA OBRAS DE CONTROL

La determinación de caudales máximos sirve para:

La estabilidad de una obra durante su vida útil depende de su capacidad

La confianza de una estructura depende del nivel de aproximación de la

CAUDALES PARA OBRAS DE CONTROL

Estructuras de regulación: Sirven para atenuar los caudales máximos

Estructuras de conducción: Transporte del flujo de agua hacia sitios

CAUDALES PARA OBRAS DE CONTROL

Empíricos: Definen el caudal de crecida mediantes fórmulas que proporcionan

Estadísticos: Se parte de una serie de caudales y a partir de distribuciones de

Estocásticos: Se generan series de caudales a partir de una serie de caudales ya

Analíticos: Permiten realizar un análisis de los fenómenos que originan las

CAUDALES PARA OBRAS DE CONTROL

El periodo de retorno o tiempo de retorno es el tiempo promedio en años en

CAUDALES PARA OBRAS DE CONTROL

Se debe proporcionar un estimado de la máxima crecida que pueda ser

La elección del periodo de retorno define dicha probabilidad

Los criterios pueden ser:

CAUDALES PARA OBRAS DE CONTROL

CAUDALES PARA OBRAS DE CONTROL

CAUDALES PARA OBRAS DE CONTROL

Es necesario series de caudales máximos instantáneos:

Q1, Q2, Q3, …., Qi, …., Qn

CAUDALES PARA OBRAS DE CONTROL

CAUDALES PARA OBRAS DE CONTROL

Los procesos hidrológicos varían en el espacio y en el tiempo de forma

El comportamiento de los caudales máximos se puede describir con una

El análisis de frecuencias consiste en estimar la probabilidad de ocurrencia de

CAUDALES PARA OBRAS DE CONTROL

Homogéneos: Todas los caudales deben provenir de una misma población

Independientes: Los caudales no deben ser consecuencia de una misma

1993 1994 1995 1996 1997 1998 1999

CAUDALES PARA OBRAS DE CONTROL

Gráfica: Los caudales registrados son ordenados según el orden de magnitud

Analítica: Se debe ajustar la serie de datos de caudales a una distribución

Ventajas de la forma analítica:

CAUDALES PARA OBRAS DE CONTROL

Qi es el caudal del año

Q̂d es el caudal máximo

xT = x̄ + KT ⇥ Sx Estimación de x para una muestra con cualquier distribución de probabilidades

Las funciones de distribución de probabilidades se basan en parámetros

CAUDALES PARA OBRAS DE CONTROL

Funciones de distribución que se utilizan en hidrología:

CAUDALES PARA OBRAS DE CONTROL

CAUDALES PARA OBRAS DE CONTROL

CAUDALES PARA OBRAS DE CONTROL

CAUDALES PARA OBRAS DE CONTROL

El rango teórico de los valores de la distribución va de “0” a “+∞”

CAUDALES PARA OBRAS DE CONTROL

Gamma de tres parámetros Rango positivo

CAUDALES PARA OBRAS DE CONTROL

ELECCIÓN POR PRUEBAS DE AJUSTE Y ESTADÍSTICOS

CAUDALES PARA OBRAS DE CONTROL

CAUDALES PARA OBRAS DE CONTROL

Se cuenta con una serie de datos desde el año1979 hasta 2005.

CAUDALES PARA OBRAS DE CONTROL

CAUDALES PARA OBRAS DE CONTROL