MAESTRÍA EN INGENIERÍA SANITARIA

Y CIENCIAS DEL AMBIENTE

ESTADÍSTICA HIDROLÓGICA
ANÁLISIS DE TORMENTAS EXTREMAS
CURVAS IDF
HIETOGRAMAS DE DISEÑO

Marcelo Uriburu Quirno
Ing. Civil, MSc

CURVA IDF
Intensidad – duración – período de retorno
- Intensidad de precipitación media en una determinada duración,
con un período de retorno asociado.
- Herramienta de diseño
- Generalmente, se la utiliza junto al método racional, adoptando una
duración igual al tiempo de concentración de la cuenca donde se aplica.

CURVA IDF

0 93.5 7.0 142.8 20.25 h 0.0 22.6 29.6 39.8 21.7 20.4 27.2 133.4 62.8 66.0 120.8 71.3 79.0 120.6 92.0 47.1 104.1 107.2 66.0 40.8 39.2 51.0 120.0 104.0 38.8 92.8 8.2 29.5 33.7 112.4 12.0 85.5 12.3 68.2 38.0 40.4 96.8 22.8 112.0 82.SERVICIO METEOROLÓGICO NACIONAL ESTACIÓN METEOROLÓGICA DE VILLA ORTÚZAR Máximos de intensidad en mm/h AÑO 5 min 10 min 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 87.8 16.0 40.9 64.0 49.0 22.0 102.7 7.6 15.8 48.9 13.2 41.6 35.6 48.0 70.9 13.8 114.3 19.6 15.2 43.2 141.4 34.8 109.0 79.5 12.8 63.4 146.4 132.0 45.0 21.9 16.3 25.0 114.5 120.6 95.0 77.7 11.50 h 1h 2h 4h 66.0 41.8 96.0 26.0 62.8 43.8 9.0 120.4 31.0 90.2 55.8 115.0 28.5 30.1 15.2 15.0 152.0 DURACION [min] 15 min 30 min 60 min 120 min 240 min 0.5 13.4 31.6 76.0 135.0 66.5 20.6 14.8 97.8 91.6 208.4 11.4 36.0 58.1 80.0 10.0 34.6 41.0 35.7 93.4 86.8 55.2 19.6 90.3 10.4 170.0 25.8 49.0 26.9 14.3 108.0 .9 31.7 135.0 120.2 51.4 61.8 9.2 108.6 15.0 120.4 104.0 60.3 25.0 120.5 65.0 120.8 55.8 24.7 20.1 108.8 8.6 104.7 24.3 88.6 88.5 59.6 78.0 76.4 120.0 120.4 124.9 11.0 120.8 75.6 68.5 13.6 53.5 17.0 14.6 122.7 13.7 92.4 18.8 164.3 44.0 120.4 99.4 118.2 71.

Terna: • Modelo • Distribución de Probabilidad • Método de Estimación de Parámetros .

POT) • Series de Excedencias Anuales (AE) • Series de Tiempo (otro enfoque) .Distintos Modelos: • MÁXIMOS ANUALES (AM) • Series de Duración Parcial (Picos Sobre un Umbral.

VARIABLE I COMO VARIABLE ALEATORIA Se toma I como variable aleatoria y se asume que los máximos anuales son independientes y están idénticamente distribuidos. F: función distribución de probabilidades . Bajo estas hipótesis se está en condiciones de ajustar una función de distribución de probabilidad a la muestra de máximos anuales. f F QMA X f: función densidad.

DISTRIBUCIÓN DE PROBABILIDAD F ( I ) = Pr ob( I ≤ I ) * * 1 − F ( I ) = Pr ob( I < I ) * * Probabilidad de no excedencia del valor evaluado (área a izquierda de campana de densidad). Probabilidad de excedencia (área a derecha) 1 .F (I*) f (probabilidad) F (I*) f Q* I* I Q (caudales) .

008 (h/mm) (s/m3) 0.01 0.003 0.005 0.ALGUNOS ESTADÍSTICOS HABITUALES Función Densidad de Probabilidad con Asimetría Positiva 0.007 0.006 0.009 0.001 0 0 50 100 150 200 250 300 350 (m3/s) xQI(mm/h) • Media = 123 • Mediana = 115 • Moda = 100 400 .002 0.004 0.

estimándose los parámetros de cada una . Gumbel) • VALOR EXTREMO GENERALIZADA (GEV) • LOG-PEARSON TIPO III (LPIII) Se suele ajustar una misma familia de distribuciones para todas las duraciones.CURVA IDF Ajustar una distribución de probabilidad a la muestra de Máximos Anuales de Intensidades Medias en cada Duración Algunas Distribuciones usadas comúnmente en construcción de IDF: • VALOR EXTREMO TIPO I (EVI.

Distintos Métodos de Estimación: • MOMENTOS ORDINARIOS (OM) (Pearson. 1922) • MOMENTOS PONDERADOS POR PROBABILIDAD (PWM) • MOMENTOS “L” (LM) • etc. 1902) • MÁXIMA VEROSIMILITUD (ML) (Fisher. . tomada como muestra.ESTIMACIÓN DE PARÁMETROS Los Parámetros de una Distribución de Probabilidad se Estiman sobre la Serie de Registros de Máximos Anuales de Intensidad Media en cada Duración.

no es muy flexible para ajustarse a series hidro-meteorológicas.DISTRIBUCIÓN DE PROBABILIDAD EVI (Gumbel) FX (x ) = e −e − x −u α donde: X: variable aleatoria. Su Coeficiente de Asimetría es fijo y vale 1. al tener sólo dos parámetros.139. parámetro de ubicación α: parámetro de escala La función EVI (Gumbel. . intensidad media en duración determinada u: Moda. 1941) es muy utilizada por su sencillez matemática. Sin embargo.

⎜ ⎟⎥ ⎝ α ⎠⎦ ⎣ 1 k . . k). sus parámetros.k ≠ 0 donde X es la variable aleatoria y (u.DISTRIBUCIÓN DE PROBABILIDAD GEV FX ( x) = e ⎡ ⎛ x −u ⎞ ⎤ − ⎢1− k . α. La función GEV tiende a la EVI para k tendiendo a cero.

de los Momentos).EVI .5772 * α .OM Según el Método de los Momentos Ordinarios (o simplemente. los parámetros u y α se estiman de la siguiente manera: α= 6 π ~ u = X − 0.S X Donde: ⎡ (x − X~ )2 ⎤ = ⎢∑ i ⎥ ⎢⎣ i =1 n − 1 ⎥⎦ n SX 1 2 1 n ~ X = × ∑ xi n i =1 n = longitud de registro Desvío estándar de la muestra Media aritmética de la muestra .

Computar u . ln ⎢ i =1 ⎢ N ⎢ ⎣ ⎤ ⎥ ⎥ ⎥ ⎥ ⎦ donde N es la longitud de registro.ML Según el Método de Máxima Verosimilitud.EVI . los parámetros u y α se estiman de la siguiente manera: ∑ xi . usar herramienta Buscar Objetivo] α i =1 ⎡ N − αxi ⎢∑ e u = −α .e − − xi N ~ α=X− xi α i =1 N ∑e Ecuación NO lineal en α Resolver numéricamente (en forma iterativa) [en XL.

bajo campana f(x) M i .l j = 0 . M101. Por tanto. se utilizan: M100.l = 0 = M i . como caso particular de los PWM En Hidrología. M120 M100.Momentos Ponderados por Probabilidad (PWM) +∞ M i .dx −∞ Pesos: área a izquierda y a derecha. f X ( x). j . M102 . M110. 0 Momentos ordinarios. j .l = ∫ x . 0. i=1 siempre. 1 − FX ( x) .F i j X [ ] l ( x).

la media donde N es la longitud del registro y los x(i) son los N valores máximos anuales (muestra) ordenados en forma ascendente. . Más adelante.∑ x(i ) N i =1 M 110 1 N i −1 = .Momentos Ponderados por Probabilidad (PWM) (sus estimadores insesgados) M 100 1 N = .∑ . veremos cómo se usan.x(i ) N i=2 N − 1 M 120 1 N (i − 1) ⋅ (i − 2) = ⋅∑ ⋅ x(i ) N i =3 ( N − 1) ⋅ ( N − 2) Momento ordinario de primer orden.

.EVI .PWM Parámetros u y α en función de los PWM M 100 = u + 0. X(i) son los valores de la muestra ordenados de forma ascendente y N es la longitud de registro.5772 *α 2 * M 110 = u + α * [0.∑ .5772 + ln(2)] Donde: M 100 = X 1 i −1 = .x(i ) N i=2 N − 1 N M 110 son los estimadores insesgados de los Momentos Pesados por Probabilidad M100 y M110.

GEV . (2 M 110 − M 100 ) ⋅ k α= −k Γ(1 + k ) ⋅ (1 − 2 ) u = M 100 + α . ⋅ (Γ(1 + k ) − 1) k donde Γ(. .859C + 2. hacer =EXP(GAMMA.9554C 2 donde 2 M 110 − M 100 log10 (2) C= − 3M 120 − M 100 log10 (3) entonces.) es la función Gamma completa [en XL. u y alfa) (algoritmo de Hosking) k = 7.PWM Estimación con PWM de Parámetros de GEV (k.LN(x))].

• Test de Distribución Chi-cuadrado. •Test de Curvas Envolventes. . Por ejemplo: • Test de Kolmogorov-Smirnov.BONDAD DE LOS AJUSTES Existen distintas Pruebas de Bondad de Ajuste de una Distribución Teórica a la Distribución Empírica de las Observaciones. • Mínimo de Suma de Cuadrados de [Fi – F(xi)] para distintas distribuciones candidatas. •etc.

T XT Tiempo t1 t2 . t3 n 1 T = ⋅ ∑ ti n i =1 ..Q PERÍODO DE RETORNO ..

de su área a derecha bajo la campana de densidad. Es la inversa de la probabilidad de excedencia de IT.F(Q IQ* T I Q (caudales) .PERÍODO DE RETORNO . es decir. 1 T= 1 − F ( IT ) 1 FF((IQTFT))(Q*) == 1−− 1 TT 1 T f I(Q*) 11−−1 F TT )) = .T El Período de Retorno T (años) de un dado valor IT es el tiempo promedio entre excedencias del valor IT.

PERÍODO DE RETORNO .T Expresión de Langbein para corrección del período de retorno del modelo de Máximos Anuales: T AM = 1 1− e −1 T donde: TAM: período de retorno del modelo AM T: período de retorno verdadero .

51 50. Aplicando la expresión de Langbein resultan los siguientes valores: T (años) 1 2 5 10 50 100 Tam (años) 1.54 5.50 100.50 .T Puede ocurrir que para un dado valor umbral de intensidad media haya más de un valor que lo supera en un mismo año.PERÍODO DE RETORNO . quedando afuera los demás (incluso cuando éstos pudieran ser mayores que los máximos de otros años).52 10.58 2. Con el Modelo de Máximos Anuales. Esto hace que el período de retorno asociado a este modelo deba ser corregido para tener en cuenta ese problema. sólo uno de ellos (el mayor) conforma la serie de observaciones.

5 años). . y por tanto. unas 20 pudieron quedar afuera por no haber sido máximas en su año de ocurrencia). La expresión de Langbein corrige eso. Entonces. el período de retorno (verdadero) de esa I* es T = 200/100 = 2años. Pero puede pasar que no todas esas 100 excedencias aparezcan en la serie de máximos anuales (por ejemplo. su período de retorno resulta exagerado (en nuestro ejemplo. Queda claro cómo el modelo de Máximos Anuales exagera el período de retorno.PERÍODO DE RETORNO T: CORRECCIÓN PARA MODELO AM Ejemplo: Supongamos que una dada intensidad media I* (en una cierta duración) es excedida 100 veces en 200 años. T AM = 200/(100-20) = 2. Esto significa que I* es excedida en la serie de máximos anuales menos frecuentemente que en la realidad.

⎨− ln ⎢− ln⎜1 − ⎟⎥ ⎬ ⎝ T ⎠⎦ ⎭ ⎣ ⎩ .CUANTILES EVI De la relación entre probabilidad y período de retorno 1 T= 1− F 1 F = 1− = e T ⎛ x −u ⎞ −⎜ ⎟ α ⎠ ⎝ −e Se obtiene para EVI la relación entre intensidad y período de retorno ⎧ ⎡ ⎛ 1 ⎞⎤ ⎫ x(T ) = u + α .

la expresión del cuantil GEV es la siguiente: xT = u + [ k α .⎢1 − ⎜ − ln(1 − ) ⎟ ⎥ k ⎢⎣ ⎝ T ⎠ ⎥⎦ . 1 − (− ln( F ) ) k ] k ⎡ α 1 ⎞ ⎤ ⎛ = u + .k ≠ 0 Entonces.CUANTILES GEV Similarmente para la GEV: 1 F = 1− = e T ⎡ ⎛ x −u ⎞ ⎤ − ⎢1− k .⎜ ⎟⎥ α ⎝ ⎠⎦ ⎣ 1 k .

media en la duración td c.IDF paramétrica I (td ) Se busca ajustar una función matemática de IDF como para poder evaluar la misma en cualquier duración. e y f : parámetros de la curva Resulta una curva (un vector de parámetros) para cada período de retorno y para el lugar correspondiente. Los parámetros deben ser ajustados por cuadrados mínimos. I= c e td +f donde: td [min]: duración de la lluvia I [mm/h]: intensidad de precipitación. . independientemente de la existencia de datos pluviográficos.

4 23.7 Iparam 123.50 5 17.e.f) que minimice la sumatoria del cuadrado de las diferencias entre el valor ajustado por probabilidades y el valor de la función que se está ajustando correspondiente a cada duración. Debe repetirse el procedimiento para cada período de retorno requerido.97 15 30 60 120 240 I(Tr) 122.1 1.3 105.77 10 0.54 td (min) 2784.1 0.2 0.6 12. Luego.5 1.2 1.4 102. se obtiene el vector de parámetros (c. se puede usar la herramienta Solver.4 I= c t de + f Por medio de alguna rutina de optimización.1 12.2 86.4 Σ (I(Tr)-Iparam)^2 1. calcular el coeficiente de determinación para verificar la calidad del ajuste [=COEFICIENTE.5 87.7 60.R2(.)] .7 12. Si se utiliza XL.6 38.2 7.CUADRADOS MINIMOS TR c e f IDF paramétrica (2) 2.6 38. Recordar que este vector de parámetros está asociado a uno y sólo un período de retorno.8 61.9 22.

media en la duración td . Los parámetros deben ser ajustados por cuadrados mínimos. .TRm (td + f ) e ó I= m c. f y m: parámetros de la superficie Resulta una superficie (un vector de parámetros) para el lugar correspondiente. e.IDF paramétrica (3) I (td .TR td + f donde: td [min]: duración de la lluvia TR [año]: período de retorno I [mm/h]: intensidad de precipitación.TRm t de + f ó I= c. asociada al período de retorno TR c. TR ) I= c.

TRm I= e td + f . TR ) c.IDF paramétrica (4) I (td .

25 d 0 . A d ) Expresión de Leclerc y Schaake.t −1. .1.Reducción por extensión de la cuenca ( ) ( −1. la duración td va en horas y A en km2.1. 25 − 0. A) = 1 − e +e 0 . 003861.t CoAb(td .

Hietograma de tormenta de diseño – Bloques Alternos I= c t de + f Notar que la suma de los pulsos (Col. 6) coincide con la evaluación de la IDF para los 120 minutos totales .

Relaciones entre láminas de corta duración y de 24h Paso (1): r24 h. y Dasso. Córdoba. Argentina. C.13 global =⎨ ⎩1. Conceptos.M. Paso (2): . Lluvias de Diseño. G. técnicas y experiencias. Editorial Científica Universitaria. (2003). Universitas.08 Córdoba Caamaño Nelli. pluviométrico ⎧1.

RIESGO ¿Cuán seguido una dada intensidad i será excedida en los próximos N años? Si P(I>i en 1 año) = p entonces ⎛N⎞ M N −M ⎜ ⎟ ( 1 ) p − p P(M excedencias en N años) = ⎜ ⎟ ⎝M ⎠ Riesgo = P(al menos una excedencia en N años) = 1.P(0 excedencias en N años) => ⎛N⎞ 0 Riesgo = 1 − ⎜⎜ ⎟⎟ p (1 − p ) N −0 = 1 − (1 − p ) N ⎝0⎠ .

23% 89.26% 99. entonces la probabilidad de excedencia p es igual a la inversa de T.46% 33.RIESGO (2) Si consideramos IT como la intensidad asociada a un período de retorno T.61% 18.62% 100.58% .88% 99. es decir. PROBABILIDAD DE AL MENOS UNA EXCEDENCIA DE Ij EN N AÑOS.96% 87. N= 5 años 10 años 25 años 50 años I2 96.00% 100.00% I5 67.29% 39.01% I 50 9. p=1/T 1 N Riesgo = 1 − (1 − ) T RIESGO.95% 65.48% I 25 18.65% 63.13% 92.52% 63.82% 99.90% 100.00% I 10 40.

FIN .

es decir. de su área a derecha bajo la campana de densidad.PERÍODO DE RETORNO .T El Período de Retorno T (años) de un dado valor xT es el tiempo promedio entre excedencias del valor xT. Es la inversa de la probabilidad de excedencia de xT. 1 T= 1 − F ( xT ) 11 11 −−1 -FFF((Q(Q*) xTT) )= = TT f 1 )T )==1 −1 FF((xFQT(Q*) 1−T T Q xQ*TT QX Q (caudales) .