PAPER-Probabilidad y Estadística Aplicadas Al Análisis Del Riesgo Que Provoca El Viento en...
description
Transcript of PAPER-Probabilidad y Estadística Aplicadas Al Análisis Del Riesgo Que Provoca El Viento en...
-
5/25/2018 PAPER-Probabilidad y Estad stica Aplicadas Al An lisis Del Riesgo Que Provoca El ...
http:///reader/full/paper-probabilidad-y-estadistica-aplicadas-al-analisis-del-riesg
"#$%&%'(')&) * +,-&).,-'/&0 12 3 45678 9:;< =9
Probabilidad y estadstica aplicadas al anlisis del riesgo que provoca elviento en estructuras de ingeniera civil
Ziga Ontiveros Martn Daniel, Facultad de Ingeniera - UNAM
Resumen: Muchas obras de ingeniera civil son profundamente influenciadas por factores climticos, entre
los que se destaca por su importancia el viento. En efecto, un correcto dimensionamiento y anlisis de stegarantiza la vida til de un puente, edificio, antena, torre etc. El conocimiento de los vientos extremosgarantizar la seguridad de los habitantes y trabajadores, adems de las estructuras internas que componen al
proyecto mismo. Cerca del 70% por ciento del total de reclamaciones a los seguros, derivan de tormentas de
vientos extremos. El huracn Andrew, por ejemplo, devast la costa del Golfo en Estados Unidos en 2002 y
provoc una suma rcord de $17 billones de dlares en prdidas para el seguro. De entre todos los peligros
naturales, los terremotos y las tormentas de vientos extremos provocan la mayor parte de prdidas humanas.
En el diseo de estructuras altas y puentes de gran longitud, los ingenieros deben proveer elementos de
resistencia para contrarrestar los efectos de los vientos a alta velocidad; para esto, se depende fuertemente en
elementos de la probabilidad y estadstica.
Abstract: Most Civil Engineering projects are profoundly affected by climate factors, among which wind isone of the most important. It has been proven that a correct assessment and analysis of the wind factor
guarantees the projected lifespan of a bridge, bulding, antenna, tower, etc. Knowledge of extreme winds willguarantee us the safety of the ocuppants, workers and all the inner structures of the Project itself. About 70%of total claims by insurers concern windstorms. Hurricane Andrew, for in- stance, devastated the Gulf Coast
of United States in 2002 and led to a record sum of $17 billion in insurance losses. Consequent to different
natural hazards, earthquakes and wind- storms account for most human fatalities. In the design of tall
structures and long-span bridges, engineers provide resistance to counter the effects of high-speed winds; thus
strongly relying in probability and statistics to help them assess the risk properly.
Palabras Clave: viento, estructuras, anlisis de riesgo, probabilidad y estadstica aplicadas, desastresnaturales
Introduccin
En la ingeniera civil se utilizan los datos de losvientos ms extremos o rpidos registrados en
diferentes periodos de tiempo. Por ejemplo para lamayora de las estructuras se utilizaran los datos
de 50 aos, para estructuras que no estarn
habitadas y de bajo riesgo para la poblacin, se
usan datos de los ltimos 25 aos; y finalmente
para construcciones que representan un alto riesgopara la vida humana como hospitales, escuelas y
oficinas, se utilizan los registros de los ltimos
100 aos. Las leyes de probabilidad que describen
el comportamiento del viento, se pueden aplicar
solo en determinadas condiciones especficas, es
por esto que hay que tomar en cuenta diversosfactores tales como el tiempo promedio, la altura
sobre el nivel del suelo y las caractersticas del
terreno antes de usar una ley especfica que nos
permita representar correctamente la informacin
del viento. Si en el muestreo se utilizarondiferentes frecuencias para recolectar datos a los
largo del tiempo, se debern ajustar las muestras a
periodos iguales por ejemplo, 5 minutos; de igual
manera si la elevacin cambi a lo largo de los
aos tambin deber ser ajustado a una altura
comn, por ejemplo 10 metros, utilizando unafrmula logartmica para representar el perfil
vertical del viento; adicionalmente efectos derefugio y otros obstculos para el viento deben de
ser tomados en cuenta apropiadamente.
Finalmente, al modelar vientos de velocidades
extremas, el ingeniero deber diferenciar si los
vientos provienen de ciclones, huracanes otornados, ya que cada uno sigue una ley de
probabilidad diferente.
Climas con vientos estables
En climas donde los vientos extremos se presentande manera cclica, de acuerdo a las estaciones del
ao, la velocidad mxima del viento es
representada con la distribucin Gumbel:
Donde ne!0.5772, que es la constante de Euler.
-
5/25/2018 PAPER-Probabilidad y Estad stica Aplicadas Al An lisis Del Riesgo Que Provoca El ...
http:///reader/full/paper-probabilidad-y-estadistica-aplicadas-al-analisis-del-riesg
"#$%&%'(')&) * +,-&).,-'/&0 12 3 45678 9:;< =9
En lugares donde no se tienen registros de muchos
aos, este anlisis muchas veces es poco certero,por lo que es conveniente usar datos mensuales en
vez de anuales. La distribucin Weibull, ha sido
eficaz para modelar la velocidad del viento en
Europa, por lo que la funcin de distribucin
acumulada de la velocidad promedio del viento X
se puede obtener de:
donde " y #denotan los parmetros de escala y
forma de la distribucin de Weibull usada para
modelar valores diferentes de cero. La funcin de
distribucin acumulada de la velocidad mxima
del viento anual, se puede obtener de dos formas:
y alternativamente:
La primer frmula supone que hay m datos
independientes en un ao. La segunda supone que
la informacin de las series es mutuamente
independiente. Los valores de my !se obtienen al
combinar frecuencias observadas de los mximos
anuales con los valores de FX(x) y fX(x) evaluados
en la xmax(i)s.
Ejemplo 1. Velocidad extrema del viento en Miln. Elanlisis de datos de registros en promedio cada 10 minutos enel aeropuerto Forlanini en Miln, Italia desde 1951 hasta 1973
arroj los valores p0 = 0.511, " = 1.284 [m/s] y # = 0.836.Ajustando los valores de m y $de las ecuaciones (3) y (4) y dela ecuacin (3):
entonces,
de donde obtenemos que m = 1627.
De la ecuacin (4):
entonces,
de donde obtenemos que $ = 3693. La grfica de laprobabilidad de Gumbel de la Fig. 1 muestra los modelosprobabilsticas mostrados arriba y Xmax! Gumbel (2.21 m/s,
12.34 m/s) que se obtiene mediante ajustar los datos de la
distribucin EV1 al mximo anual por el mtodo demomentos.
Fig. 1. Velocidad Mxima anual del viento en el Aeropuerto InternacionalForlanini de Miln (a) Estimacin de los parmetros m y $. (b) Grfica de laprobabilidad Gumbel donde la l nea punteada muestra la distribucin EV1 ajustadaa los valores mximos anuales por el mtodo de momentos.
Climas con vientos huracanados
En este tipo de zonas encontramos que los datos
son una combinacin de vientos ciclnicos y
huracanados, por lo que una sola ley de la
probabilidad no puede modelar adecuadamenteesta informacin. La distribucin del valor
extremo resulta de la combinacin de dosdistribuciones, como la distribucin de dos
componentes:
donde v1 y v2 denotan la media del nmero deocurrencias por ao de la X1i s y la X2i s
respectivamente.
Para estaciones con un largo registro de
huracanes, por ejemplo mayor a 50 aos, en
ocasiones de tiene que hay aos sin registro de
huracanes o aos con ms de un huracn.
Entonces podemos utilizar la distribucin
contagiosa para modelar valores extremos de la
velocidad del viento, donde el nmero deocurrencias es una variable distribuida comoPoisson; y la distribucin de Pareto puede usarsepara representar la informacin de la velocidad del
viento. La distribucin resultante para el mximo
anual del viento es:
Donde %1 y b1 son los parmetros de escala y
localizacin de la velocidad de los vientos
ciclnicos distribuidos como Gumbel, a2 y & son
los parmetros de escala y forma de ladistribucin de Pareto para la velocidad de vientos
huracanados y v2 es la media del nmero de
ocurrencias de huracanes anual.
-
5/25/2018 PAPER-Probabilidad y Estad stica Aplicadas Al An lisis Del Riesgo Que Provoca El ...
http:///reader/full/paper-probabilidad-y-estadistica-aplicadas-al-analisis-del-riesg
"#$%&%'(')&) * +,-&).,-'/&0 12 3 45678 9:;< =9
Ejemplo 2. Velocidad del viento dediseo. El nmero de
ocurrencias anuales de huracanes en una determinadaubicacin esta distribuida mediante la variable de Poisson conuna media de 0.375, y la velocidad del viento sigue una
distribucin de Pareto con parmetros de forma y escala de 4.5y 26.4 [m/s]. La velocidad del viento ciclnico mxima anuales una variable de distribucin Gumbel con media y desviacin
estndar de 27.5 y 4.3 [m/s] respectivamente. Entonces los
respectivos parmetros de escala y localizacin son 3.4 y 25.6[m/s] respectivamente. De la ecuacin (6) la funcin de
distribucin acumulada resulta ser:
Ntese que esta ecuacin no puede ser invertida para obtenerun valor de diseo requerido, por ejemplo, la velocidad delviento de diseo a 50 aos. Entonces una solucin numrica es
encontrada para x con probabilidad de que no se excedatomada como 0.98, as obtenemos xmax(50) = 50.8 [m/s]
Tornados
La estimacin de la distribucin de probabilidad
de los mximos de velocidad de vientos detornado est afectada por mayores incertidumbres
que para los climas estables y los climas con
huracanes debido a la falta de registros de
velocidades de vientos en tornados.Para encontrar esta distribucin, la probabilidad
Pr[A] de que un tornado aparezca en una cierta
ubicacin es considerada conjuntamente con la
probabilidad Pr[W | A] de que este tornado tenga
vientos con velocidad mayores a x. De esta
manera, Pr[A] Pr[W | A] es la probabilidad de queel viento mximo anual de tornado exceda el valor
de x. Debido a que la trayectoria de los tornados
es independiente de su intensidad la funcin dedistribucin acumulada del tornado ms rpido
anual es estimada de la siguiente manera:
donda pA denota probabilidad de ocurrencia
Pr[A] y pW la probabilidad de velocidad. La
probabilidad de ocurrencia generalmente se
obtiene de v0a/A0 , donde a es la media del readaada por un tornado, A0es un rea de referencia
tomada como un cuadrado de un grado de
latitud/longitud y v0 es el nmero promedio de
tornados en el rea A0. La estimacin de pWgeneralmente se basa en la clasificacin del
tornado que asocia la velocidad de los vientos con
el potencial de daos. Por ejemplo, la velocidaddel viento de tornados en los EE.UU. es
aproximadamente una variable lognormal con una
media de 43 [m/s] y un coeficiente de variacin de
0.38.
Una manera diferente de abordar esto es
considerando la probabilidad de ocurrencia de un
tornado en una determinada regin como un
evento Poisson con parmetro v = v0a/A0. De esto
resulta:
donde FX(x) es la funcin de distribucin
acumulada de la velocidad del viento del tornado
y v0, a y A0son valores regionales.
Ejemplo 3.Velocidad de tornados en los EE.UU.Las plantasde energa en los Estados Unidos deben estar diseadas pararesistir tornados con una probabilidad de superacin pde 10-7.
El ingeniero debe determinar la correspondiente velocidad deviento para las plantas. En el estado de Florida, probabilidad deocurrencia de un tornado es de 1.5 x 10-3. De esta manera, la
intensidad de diseo tiene una probabilidad de:
Asumiendo que la velocidad del viento de un tornado es unavariable lognormal X con media de 43 [km/h] y un coeficientede variacin de 0.38, de las ecuaciones de parmetros de la
distribucin lognormal, obtenemos 'ln(X) = 0.367, and ln(X) =3.694. Entonces el cuantil requerido para el diseo se obtienede la siguiente forma:
Ntese que este valor esta cercano al valor de 160 [m/s],
recomendado por la Comisin Regulatoria Nuclear de losEstados Unidos para la regin I que incluye a Florida.
Conclusiones
Conocer al detalle las velocidades mximasanuales de los vientos, nos permite asignar valores
correctos al diseo de la estructura del proyecto a
realizar. Esta etapa de planeacin es crtica para
poder asegurar la inversin monetaria y las vidas
humanas que se relacionan con el proyecto.
Al dividir los vientos en diferentes patrones y
orgenes como lo son tornados huracanes yvientos estacionales podemos acercarnos an ms
al valor real estimado de viento mximo queactuar sobre nuestra estructura y as evitar daos
o la destruccin total de sta.
Una vez ms queda consolidada la importancia dela probabilidad y la estadstica en los campos de la
ingeniera y en especfico dentro de la ingeniera
civil donde los clculos mediante modelos fsicos
resultan extremadamente difciles de resolver o
incluso imposibles de modelar cuando se trata de
fluidos como el aire cuyo comportamiento es no
es an totalmente entendido por la fsica. La
probabilidad en este caso es un acercamientodiferente, pero que al final nos arroja resultados
muy cercanos a los reales que son muy tiles para
fines de construccin y anlisis de riesgos.
-
5/25/2018 PAPER-Probabilidad y Estad stica Aplicadas Al An lisis Del Riesgo Que Provoca El ...
http:///reader/full/paper-probabilidad-y-estadistica-aplicadas-al-analisis-del-riesg
"#$%&%'(')&) * +,-&).,-'/&0 12 3 45678 9:;< =9
Bibliografa
Kottegoda N. y Rosso R. Applied Statistics for
Civil and Environmental Engineers
Blackwell Publishing, 2da ed., Singapur 2008.
Hines W., Montgomery Douglas, Goldsman
David y Borror Connie Probabilidad y
estadstica para ingenieria, cuarta edicion,CECSA, Mxico 2005.