Trabajo de hidrologia
-
Upload
yofan-ramirez-sanchez -
Category
Documents
-
view
25 -
download
0
description
Transcript of Trabajo de hidrologia
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
RESUMEN
Mediante el presente informe se determinar el caudal de diseo mediante los
Mtodos Estadsticos, para lo cual teniendo la informacin de la estacin
hidrolgica de Recreta, se pueden realizar los clculos correspondientes para dicho
fin. Empezando por la completacin de la informacin y el anlisis de Consistencias
y Tendencias si es que el caso lo amerite ya que si se cuenta con los datos
completos de procede directamente a realizar las pruebas de Bondad y Ajuste
como la prueba CHI CUADRADO, para datos agrupados, y SMIRNOV-
KOLMOGOROV, para datos no agrupados, y as poder realizar las Distribuciones
Tericas como la Distribucin Normal, La Distribucin Log Normal 2 Parmetros y
la Distribucin Gumbel.
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
I. INTRODUCCION
Puede ser necesario determinar un gasto de diseo con periodo de retorno de
1000 aos a partir de 25 aos de registro. Si los gastos mximos anuales
registrados se dibujan contra sus respectivos periodos de retorno,
generalmente se observa alguna tendencia ms o menos definida. El problema
radica en cmo extender esta tendencia hasta el periodo de retorno deseado.
Una posibilidad es extrapolar los datos a ojo, es decir, grficamente. Aunque
este mtodo puede dar muy buenos resultados si se aplica por una persona con
experiencia, tiene la desventaja de la subjetividad; esto es, si veinte ingenieros
diferentes lo aplican, es probable que el resultado sean veinte grficas
diferentes.
Para eliminar esta subjetividad, se debe buscar entre las distintas funciones de
distribucin de probabilidad tericas la que se ajuste mejor a los datos
medidos, y usar esta funcin para la extrapolacin.
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
II. OBJETIVOS
2.1 Objetivos Generales
Calcular el Caudal de la Estacin Hidrolgica de Recreta mediante
Mtodos Estadsticos
2.2 Objetivos Especficos
Conocer la Informacin de la Estacin Hidrolgica con la cual se van a
realizar los clculos.
Completar la Informacin de la Estacin Hidrolgica
Realizar el Anlisis de Consistencias y Tendencias
Realizar las Pruebas de Bondad y Ajuste
o Anlisis de la Prueba CHI CUADRADO
o Anlisis de la Prueba SMIRNOV KOLMOGOROV
Realizar las Distribuciones Tericas
o Anlisis de la Distribucin Normal
o Anlisis de la Distribucin Log Normal 2 Parmetros
o Anlisis de la Distribucin Gumbel
Determinar el Caudal de Diseo para los meses de mayor precipitacin
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
III. REVISION BIBLIOGRAFICA
3.1 Mtodos Estadsticos
Segn Ing. Pedro Reyes:
Para el Calculo del Caudal Mximo se procede a realizar los siguientes pasos:
1. Analizar la informacin de una Estacin Hidrolgica
2. Completar la informacin si existieran datos faltantes
3. Realizar el anlisis de Consistencias y Tendencias
a. Mtodo Grfico
b. Anlisis de Tendencias
c. Anlisis de Consistencias
4. Realizar la Prueba de Bondad y Ajuste
a. Prueba Chi Cuadrado
b. Prueba Smirnov Kolmogorov
5. Realizar las Distribuciones Tericas
a. Distribucin Normal
b. Distribucin Log Normal
c. Distribucin Gumbell
3.2 Anlisis de Consistencias y Tendencias
3.2.1 Anlisis Visual Grfico
Segn Ing. Pedro Reyes:
Es la representacin grfica del tiempo (mes de cada ao) y la
precipitacin que le corresponde, donde se determina la diferencia de
saltos entre los picos de cada ao hidrolgico. Donde el mayor salto nos
da la divisin de la muestra.
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
3.2.2 Anlisis de Consistencias
Anlisis de consistencia a la Media
Segn Ing. Pedro Reyes:
Es el anlisis de las muestras mediante la media, donde nos
determinar si los datos calculados estn bien o necesitan ser
corregidos.
Anlisis de consistencia a la Desviacin Estndar
Segn Ing. Pedro Reyes:
Es el anlisis de las muestras mediante la Desviacin Estndar,
donde nos determinar si los datos calculados estn bien o
necesitan ser corregidos.
3.2.3 Anlisis de Tendencias
Segn Ing. Esp. Rubn Villodas:
Es aquel que se utiliza estadsticamente, observando datos
histricos de varios aos, con el fin de determinar patrones
significativos.
3.3 Pruebas de Bondad y Ajuste
Segn Ven Te Chow:
La Bondad del Ajuste de una distribucin de probabilidad puede probarse
comparando los valores tericos y muestrales de las funciones de
frecuencia relativa o de frecuencia acumulada. En el caso de la funcin de
frecuencia relativa se utiliza la prueba x2. El valor muestral de la frecuencia
relativa del intervalo i es, de la ecuacin fi(xi) = ni/n; el valor terico es
p(xi) = F(xi) F (xi - 1). La prueba estadstica est dada por
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
Donde m es el nmero de intervalos
Segn Ing. Esp. Rubn Villodas:
Ambas pruebas caen en la categora de lo que en estadstica se denominan
pruebas de Bondad de Ajuste y miden, como el nombre lo indica, el grado
de ajuste que existe entre la distribucin obtenida a partir de la muestra y
la distribucin terica que se supone debe seguir esa muestra. Ambas
pruebas estn basadas en la hiptesis nula de que no hay diferencias
significativas entre la distribucin muestral y la terica. Ambas pruebas
estn basadas en las siguientes hiptesis:
H0: f(x,q) = f0(x,q)
H1: f(x,q) f0(x,q)
Donde f0(x,q) es la distribucin que se supone sigue la muestra aleatoria. La
hiptesis alternativa siempre se enuncia como que los datos no siguen la
distribucin supuesta. Si se desea examinar otra distribucin especfica,
deber realizarse de nuevo la otra prueba suponiendo que la hiptesis nula
es esta nueva distribucin. Al especificar la hiptesis nula, el conjunto de
parmetros definidos por q puede ser conocido o desconocido. En caso de
que los parmetros sean desconocidos, es necesario estimarlos mediante
alguno de los mtodos de estimacin analizados con anterioridad.
Para formular la hiptesis nula debern tenerse en cuenta los siguientes
aspectos o criterios:
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
a) La naturaleza de los datos a analizar. Por ejemplo, si tratamos de
investigar la distribucin que siguen los tiempos de falla de unos
componentes, podramos pensar en una distribucin exponencial, o una
distribucin gama o una distribucin Weibull, pero en principio no
consideraramos una distribucin normal. Si estamos analizando los caudales
de un ro en un determinado sitio, podramos pensar en una distribucin
logartmica normal, pero no en una distribucin normal.
b) Histograma. La forma que tome el histograma de frecuencia es quizs la
mejor indicacin del tipo de distribucin a considerar
3.3.1 Prueba CHI CUADRADO
Segn Francisco Javier Aparicio:
La prueba Chi Cuadrado es la ms popular. Fue propuesta por Karl
Pearson en 1900.
Para probar la hiptesis H0 F = F0 a partir de una muestra
aleatoria simple X1, . . . , Xn de F, Karl Pearson propuso el siguiente
procedimiento, que es en realidad una prueba de H0 Para cada uno
de los intervalos I de una particin finita P de R, se cumple F(I) =
F0(I), y, como consecuencia, una prueba aproximada de H0 en la
medida que la particin P sea suficientemente fina.
Llamemos p0 al vector de las probabilidades F0(I) correspondientes
a los intervalos de P, y p al de las probabilidades F(I). Entonces, H0
equivale a p = p0. Esta ultima es una hiptesis simple sobre el
parmetro p de la distribucin multinomial (n, p) del vector M cuyas
componentes son las frecuencias M(I) = nFn (I) = n i=1 1{XiI}, I
P.
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
Denotemos ahora P = {I1, . . . , Ik}, y p0,j = F0(Ij), Mj = M(Ij). El
estadstico de Pearson es:
Su distribucin bajo H0 depende de n y p0, y puede obtenerse en
cada caso mediante el clculo directo a partir de la distribucin
multinomial, o por simulacin. Su distribucin asinttica para n
es 2 con k 1 grados de libertad. En la seccin siguiente se aportan
argumentos basados en la utilizacin de la distribucin normal
asinttica de la multinomial, o bien en el comportamiento asinttico
del cociente de verosimilitudes, para obtener la mencionada
distribucin asinttica.
3.3.2 Prueba SMIRNOV KOLMOGOROV
Segn Francisco Javier Aparicio:
Esta prueba consiste en comparar el mximo valor absoluto de la
diferencia D entre la funcin de distribucin de probabilidad
observada Fa (xm) y la estimada F (xm)
Con un valor crtico d que depende del nmero de datos y el nivel de
significancia seleccionado. Si D < d, se acepta la hiptesis nula. Esta
prueba tiene la ventaja sobre la Chi Cuadrado de que compara los
datos con el modelo estadstico sin necesidad de agrupados. La
funcin de distribucin de probabilidad observada se calcula como:
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
Donde m es el nmero de orden del dato Xm en una lista de mayor a menor y n es
el nmero total de datos.
3.4 Distribucin Terica
3.4.1 Distribucin Normal
Segn Ven Te Chow:
La distribucin Normal surge del teorema del lmite central, el cual
establece que si una secuencia de variables aleatorias xi son
independientes y estn idnticamente distribuidas con media y
varianza, entonces la distribucin de la suma de n de estas variables
aleatorias, Y = Xi, tiende hacia la distribucin normal con media n y
n2 a mediad que n aumente. El punto importante es que esto es cierto
sin importar cual es la funcin de distribucin de probabilidad de X.
Las variables hidrolgicas, como la precipitacin anual calculadas
como la suma la suma de los efectos de muchos eventos
independientes tienden a seguir la distribucin normal.
Segn Francisco Javier Aparicio:
La funcin de densidad de probabilidad normal se define como:
Donde fJ, Ya son los parmetros de la distribucin. Estos parmetros
determinan la forma de la funcin/(x) y su posicin en el eje x.
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
Es posible demostrar que fJ, ya son, respectivamente, la media y la
desviacin estndar de la poblacin y pueden estimarse como la
media y desviacin estndar de los datos. La funcin de distribucin
de probabilidad normal es:
Hoy en da, no se conoce analticamente la integral de la ecuacin, por
lo que es necesario recurrir a mtodos numricos para evaluarla. Sin
embargo, para hacer esto se requerira una tabla para cada valor de
fJ, y a, por lo que se ha definido la variable estandarizada que est
normalmente distribuida con media cero y desviacin estndar
unitaria.
As, la funcin de distribucin de probabilidad se puede escribir como:
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
3.4.2 Distribucin Log Normal 2 Parmetros
Segn Ven Te Chow:
Si la variable aleatoria Y = log X est normalmente distribuida,
entonces de dice q X est distribuida en forma Lognormal. Se ha
encontrado que la distribucin log normal describe la distribucin de la
conductividad hidrulica en un medio poroso, la distribucin de tamao
de gotas de lluvia en una tormenta y otras variables hidrolgicas. La
distribucin log normal tiene las ventajas sobre la distribucin normal
de que esta limitada y de que la y transformacin log tiende a reducir
la asimetra positiva comnmente encontrada en informacin
hidrolgica, debido a que al tomar logaritmos se reducen en una
proporcin mayor los nmeros grandes que los nmeros pequeos.
Algunas limitaciones son por un lado, que tienen solamente 2
parmetros y por otro que requiere que los logaritmos de los datos
sean simtricos alrededor de su media.
Segn Francisco Javier Aparicio:
En esta funcin los logaritmos naturales de la variable aleatoria se
distribuyen normalmente. La funcin de densidad de probabilidad es:
donde y son los parmetros de la distribucin. En la figura se
muestra una grfica de la funcin de densidad de probabilidad para
diferentes valores de y . Como se observa, esta funcin no
necesariamente es simtrica.
Los valores de y se estiman a partir de n observaciones Xi, i = 1,
2, ... n, como:
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
3.4.3 Distribucin Gumbel
Segn Francisco Javier Aparicio:
Supngase que se tienen N muestras, cada una de las cuales contiene n
eventos. Si se selecciona el mximo x de los n eventos de cada
muestra, es posible demostrar que, a medida que n aumenta, la funcin
de distribucin de probabilidad de x tiende a:
La funcin de densidad de probabilidad es entonces
donde y son los parmetros de la funcin
Los parmetros y se estiman como:
Para muestras muy grandes
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
IV CALCULOS Y RESULTADOS
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
V. CONCLUSIONES Y RECOMENDACIONES
5.1 Mtodos Estadsticos
Ayudan a la determinacin de caudales en los meses de mayor precipitacin
como son los meses de Diciembre, Enero, Febrero y Marzo.
5.2 Anlisis de Consistencia y Tendencia
o Anlisis Visual Grfico
Para poder realizar el anlisis visual grfico se necesita tener todos los
datos completos para poder graficar y obtener el pico mas alto y as poder
dividir nuestros datos en 2 muestras.
Se recomienda el uso de un determinado Software para facilitar dicho
anlisis grfico.
5.3 Anlisis de Consistencia
o Anlisis de consistencia a la media
Las pruebas estadsticas para este anlisis de Consistencia a la Media nos
dir si los datos son los correctos, de lo contrario se realiza otra prueba.
Se recomienda tener cuidado con el clculo de estas pruebas estadsticas ya
se podra obtener errores.
o Anlisis de consistencia a la desviacin estndar
Este anlisis se realiza en el caso que el anlisis de consistencia a la media
resulte con error en los datos, para esto se realiza un nuevo anlisis, donde
nos dir si sigue existiendo error.
Se recomienda tener cuidado con el clculo de estas pruebas estadsticas ya
se podra obtener errores.
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
o Correccin de la Informacin
Se realiza cuando los dos anlisis ya mencionados resulten con error en los
datos, para ello con esta correccin se asegura que los datos ya corregido
pasaran los anlisis de Consistencia.
Se recomienda tener cuidado con el clculo de estas pruebas estadsticas ya
se podra obtener errores.
5.4 Anlisis de Tendencia
Las pruebas estadsticas para este anlisis son parecidas al otro anlisis,
donde los resultados dirn si los datos estn bien, de lo contrario se tienen que
corregir.
Se recomienda tener cuidado con el clculo de estas pruebas estadsticas ya
se podra obtener errores.
o Correccin de la Informacin
Mediante una ecuacin lineal se determinan las constantes A y B y con ellos
se procede a corregir la informacin.
Se recomienda tener cuidado con el clculo de estas pruebas estadsticas ya
se podra obtener errores.
5.5 Pruebas de Bondad y Ajuste
Al comparar los valores tericos y muestrales de las funciones de frecuencia
relativa o de frecuencia acumulada, se puede determinar si el ajuste es bueno
o malo.
Se recomienda tener cuidado con el clculo de estas pruebas ya que se podra
obtener errores.
Prueba Chi Cuadrado
Este prueba nos determina si el ajuste es bueno o no, mediante datos
agrupados.
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
Se recomienda tener cuidado con el clculo de estas pruebas ya que se podra
obtener errores.
Prueba SMIRNOV KOLMOGOROV
Este prueba nos determina si el ajuste es bueno o no, mediante datos no
agrupados.
Se recomienda tener cuidado con el clculo de estas pruebas ya que se
podra obtener errores.
5.6 Distribucin Terica
Distribucin Normal
A pesar de ser una distribucin usada, presenta limitaciones en la
descripcin de variables hidrolgicas ya que varan a lo largo de un rango
continuo y por otro lado se puede ver que es simtrica a alrededor de la
media mientras que la informacin hidrolgica tiende a ser asimtrica.
Distribucin Log Normal
Esta distribucin se aplica a variables hidrolgicas formadas como
productos de otras variables son generalmente apropiadas para variables
aleatorias que cubren todo el rango de valores de los resultados posibles del
experimento bajo anlisis.
Distribucin Gumbel
Esta distribucin se desarrolla para el anlisis de los valores extremos,
como los gastos mximos o mnimos anuales.
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
VI BIBLIOGRAFIA
6.1 Hidrologa Aplicada. Ven Te Chow. McGRAW-HILL Interamericana S.A..
Santaf de Bogot Colombia 1994.
6.2 Hidrologa. Ing. Esp. Rubn Villodas. Universidad Nacional de Cuyo
Facultad de Ingeniera Civil
6.3 Docente del Curso. Ing. Pedro Reyes
6.4 Fundamentos de Hidrologa de Superficie. Francisco Javier Aparicio.
Cuarta adicin 1996. Editorial LIMUSA
-
UNIVERSIDAD SAN PEDRO
HIDROLOGIA
VII ANEXOS