Beruflich Dokumente
Kultur Dokumente
Empírico-Analítico: Son los utilizan fórmulas pero que tienen cierta base física
que sirve como hipótesis de partida
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
• Económicos
• Usuales
• De riesgo
Monsalve, 1999
CAUDALES PARA OBRAS DE CONTROL
CAUDALES DE CRECIDAS
CRITERIOS PARA LA ELECCIÓN DEL PERIODO DE
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
CAUDALES PARA OBRAS DE CONTROL
CAUDALES DE CRECIDAS
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
Donde:
Qi es el caudal máximo instantáneo registrado en el año i (m3/s)
n es el número total de años
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
Los caudales máximos, son eventos que pueden ser considerados como
aleatorios
10
6
Caudal [m3/s]
Anio
(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
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
x̄ es la
uencia media
para del conjunto
un tiempo T de valores de x PROBABILIDADES
ESTADÍSTICOS PRINCIPALES DE LAS DISTRIBUCIONES
• Normal
• LogNormal
• Gumbel o Extrema tipo 1
• LogGumbel
• Pearson Tipo 3 o Gamma de 3 parámetros
• LogPearson 3
x µ
DISTRIBUCIÓN NORMAL z=
xT = x̄ + KT ⇥ Sx
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|↵| ( ) ↵ ↵
CAUDALES PARA OBRAS DE CONTROL
CÁLCULO DE CAUDALES MÁXIMOS: FUNCIÓN DE DISTRIBUCIÓN DE
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 )
Donde: x y 2⇡
Función de densidad y densidadacumulada ✓ 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
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)
CAUDALES PARA OBRAS DE CONTROL
CÁLCULO DE CAUDALES MÁXIMOS: FUNCIÓN DE DISTRIBUCIÓN DE
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
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)
Criterios para la elección del tipo de distribución de probabilidad para el cálculo de caudales máximos
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
Log Pearson III CS debe ser mayor que 2CV para que no haya valores negativos
Métodos:
• Prueba Kolmogorov-Smirnov
• Prueba 𝜒2
• ECMF (Error cuadrático medio de frecuencias)
• ECMV (Error cuadrático medio)
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
TOTAL: 27 datos
N 1
R=1 (1 1/Tr ) Tr =
ln(1 R)
1 e N
N 1
R=1 (1 1/Tr ) Tr =
ln(1 R)
1 e N
Tr1 = 40 años
Tr2 = 100 años
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
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)
Criterios para la elección del tipo de distribución de probabilidad para el cálculo de caudales máximos
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
Log Pearson III CS debe ser mayor que 2CV para que no haya valores negativos (originales)
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
CÁLCULO DE CAUDALES MÁXIMOS: FUNCIÓN DE DISTRIBUCIÓN DE
PROBABILIDADES
2⇡
EJEMPLO – AJUSTE DE DATOS A UNA DISTRIBUCIÓN
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
el conjunto de valores de x
ción estándar del conjunto de valores de x
de frecuencia para un tiempo T
𝜒2 = 5.99 (gl=2)
9.15>5.99 se rechaza la hipótesis
ECMF = 0.015
x = x̄ + z ⇥ Sx
xT = x̄ + KT ⇥ Sx
xQTTR40
correspondiente = =x̄55.55
para +una ⇥
KTmprobabilidad
3/s Sx de frecuencia de un
QTR100 = 61.69 m3/s
el conjunto de valores de x
correspondiente para una probabilidad de frecuencia de un
ción estándar del conjunto de valores de x
de frecuencia para un tiempo T
conjunto de valores de x
ón estándar del conjunto de valores de x
e frecuencia para un tiempo T
𝜒2 = 5.99 (gl=2)
5.75<5.99 no se rechaza la hipótesis nula
ECMF = 0.015
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
CÁLCULO DE CAUDALES MÁXIMOS: FUNCIÓN DE DISTRIBUCIÓN DE
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
xT = x̄ + KT ⇥ Sx
⇢ ✓ ◆
Tr
KT = 0.779696 0.5772 + ln ln
correspondiente para una probabilidad deTrfrecuencia
1 de un
el conjunto de valores de x
Q = 63.19 m 3/s
ión estándar del conjunto 3de valores de x
TR40
QTR100 = 75.15 m /s
de frecuencia para un tiempo T
𝜒2 = 5.99 (gl=2)
34.85>5.99 se rechaza la hipótesis nula
ECMF = 0.009
𝜒2 = 3.84 (gl=1)
5.37>3.84 se rechaza la hipótesis nula
ECMF = 0.009
nto de valores de x
ndar del conjunto de valores de x
uencia para un tiempo T
𝜒2 = 3.84 (gl=1)
5.86>3.84 se rechaza la hipótesis nula
ECMF = 0.011
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
CAUDALES PARA OBRAS DE CONTROL
CÁLCULO DE CAUDALES MÁXIMOS: FUNCIÓN DE DISTRIBUCIÓN DE
PROBABILIDADES
EJEMPLO – AJUSTE DE DATOS A UNA DISTRIBUCIÓN
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
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)
Caudal [m3/s] Caudal [m3/s] Caudal [m3/s]
80 80 80
Probabilidad acumulada [%]
40 40 40
20 20 20
Observaciones
0 0
Teorico 0
Distribucion Log Normal Distribucion Log Gumbel Distribucion Log Pearson Tipo III
100 100 100
80 80 80
Probabilidad acumulada [%]
40 40 40
20 20 20
0 0 0