INTRODUCCIÓN AL ANÁLISIS DE OLAS REALES

1. Introducción
El conocimiento del clima de olas se manifiesta como un factor fundamental en la
comprensión de la dinámica que se desenvuelve en los distintos ambientes marinos y
costeros. A su vez, la ejecución de proyectos de ingeniería emplazados en dichos
ámbitos, con un adecuado marco de seguridad y eficiencia, requiere del análisis de las
características del oleaje sobre el área costera ubicada en las inmediaciones del sitio de
interés. Históricamente, la falta de información motivada por dificultades técnicas y por los
elevados costos que representa la medición directa del oleaje, han constituido serias
complicaciones para el desarrollo de este tipo de estudios.
Si bien existen varias aproximaciones teóricas y semi-empíricas en la predicción del
oleaje, el mismo se manifiesta como un fenómeno de carácter estocástico e irregular, por
lo cual su interpretación requiere de un estudio detallado a través de herramientas
estadísticas específicas.
Por su parte, resulta necesario distinguir la caracterización del clima de olas según sea su
alcance temporal. Las observaciones a corto plazo permiten definir eventos puntuales
tales como tormentas o el análisis de un tren de olas en particular. Por su parte, los
estudios a largo plazo comprenden la implementación de distintas funciones de
probabilidad con el fin de efectuar estimaciones en el orden de años, compatibles con la
vida útil de distintas aplicaciones en ingeniería.
Se presenta a continuación un breve resumen de algunas metodologías empleadas en la
caracterización del oleaje. Vale resaltar que si bien las mismas se materializan como una
mera aproximación del fenómeno, la calidad de los resultados obtenidos es consistente
con la incertidumbre inherente en los registros de olas y los criterios de diseño actuales
aplicados en diversos campos de la ingeniería.
2. Estudios a Corto Plazo
Las investigaciones que involucran el análisis del clima de olas a corto plazo han
demostrado excelentes resultados en términos de aproximación del fenómeno. Sin
embargo, el enfoque estadístico implementado en este tipo de estudios requiere la
admisión de hipótesis que restringen matemáticamente el problema. Tales hipótesis
surgen de considerar al proceso como estacionario y ergódico, es decir cuyas variables
temporales medias no se modifiquen durante el periodo representado por las mediciones.
En términos prácticos, esto significa que no se producen variaciones en términos del nivel
medio o la distribución de altura de olas a lo largo de la escala temporal representada por
las mediciones efectuadas. En general, los registros utilizados para caracterizar el oleaje
son cortos (de 15-20 minutos) en comparación con el espacio temporal que representan
(2-3 horas).

2.1.

Análisis del Oleaje a través del Método de Tucker

La metodología de Tucker, genéricamente conocida como método del cruce por el cero,
se presenta como una herramienta de amplia validez para la determinación de los
diversos parámetros estadísticos que caracterizan un tren de olas.
El mismo se fundamenta a partir de definir la altura de ola como la diferencia de nivel
existente entre una cresta y un valle sucesivos, subyaciendo los mismos en distintos
intervalos de cruce sobre el nivel medio de la superficie libre. De esta manera, las crestas
secundarias originadas por ondas de mayor frecuencia son filtradas y no son tenidas en
cuenta durante el análisis de alturas.
El objetivo fundamental del procedimiento consiste en caracterizar el oleaje, el cual se
encuentra representado a través de una serie finita de registros discretos temporales, a
partir de un conjunto de parámetros estadísticos considerados significativos.

Figura N°1. Evolución de la superficie libre a lo largo del tiempo para un tren genérico de olas.

Definimos a continuación algunos de los parámetros estadísticos incluidos en la
descripción del oleaje.
L: duración del registro, expresado en segundos.
Nc: número de crestas del registro. Una cresta se define como un punto sobre la
superficie libre que se mantiene instantáneamente estacionario, cayendo hacia ambos
lados del mismo. Este parámetro tiene en cuenta las crestas secundarias, incluyendo
aquellas que se encuentran por debajo del nivel medio de la superficie libre.
Nz: cantidad de veces que un registro cruza su propio nivel medio en sentido ascendente
durante el transcurso de la medición.
Tc: período de crestas = L/NC, en [s]
Tz: período de cruces del cero = L/Nz, en [s]
A: altura de la cresta más alta, medida desde el nivel medio, en [m]
C: profundidad del valle más bajo, medida desde el nivel medio, en [m]
Ht: A + C = valor a ser utilizado en cálculos teóricos, en [m]

en base a distintas deducciones en el campo de la matemática estadística. T1/3: altura y período significativo del oleaje. T1/10: promedio de alturas y períodos de las Nz/10 alturas mayores. en [m] y [s] H1/10. en [m2s] f: frecuencia del oleaje. Se presentan a continuación algunas de ellas. en [m] ̅ : altura media del oleaje. en [m] η2: varianza de las elevaciones instantáneas. en [m] y [s] ε: ancho espectral. recordando que su aplicación debe ser cuidadosamente estudiada con el fin de verificar las hipótesis sobre las cuales se basa su formulación. en [1/s] σp: error medio proporcional estándar. en [m] ̅ : periodo medio del oleaje. es una media del rango de frecuencias que se hallan presentes relativas a la frecuencia media. uno de los parámetros más importante desde el punto de vista teórico. [ [ ] ] ̅ [ ] [ ] ( [ ] ) [ ] [ ] [ ] [ ] . Diversos autores han determinado relaciones teóricas para los parámetros previamente mencionados. en [s] θ: Ln (Nz) S(f): densidad espectral del registro de olas. en [s] H1/3.η: elevación instantánea de la superficie libre del mar. la cual es una medida de la densidad de energía de la superficie del mar. en [m2] ηrms: elevación media cuadrática. Matemáticamente se define como el promedio de las alturas y períodos del tercio de olas más altas del registro. φ: parámetro que mide el grado de apuntamiento del espectro del oleaje.

2.2. es posible demostrar matemáticamente que la función de probabilidad especializada para una altura de ola particular adopta la forma: [ La expresión [ ] [ ] ] es conocida como la distribución probabilística de Rayleigh. El Teorema del Límite Central establece que tales funciones adoptan la forma Gaussiana en espacios definidos por variables estocásticas. que por definición es igual a cero. El porcentaje de ocurrencia de un determinado valor sobre el dominio de estudio puede ser interpretado a través de expresiones conocidas como funciones de distribución de probabilidad. el oleaje puede definirse como la suma de un gran número de procesos estadísticamente independientes y en consecuencia. cada una originada a partir de diversas condiciones de viento en entornos espaciales y temporales particulares. es decir que poseen un periodo o frecuencia temporal similar. En particular. se manifiesta como una variable de carácter aleatorio. . es posible interpretar a la superficie libre instantánea como una superposición de infinitas ondas simples. De esta manera. el estudio del oleaje puede abordarse a través de una función caracterizada únicamente a partir de la desviación estándar del registro. Análisis del Oleaje a partir de la Distribución de Rayleigh En una primera aproximación. por lo cual la superficie libre conformada por el oleaje puede ser aproximada a partir de una distribución de probabilidad normal. Si el ancho espectral del conjunto de ondas simples que componen la superficie libre es reducido. De esta manera. El comportamiento de esta clase de funciones puede ser descripto a través de un pequeño número de parámetros. los cuales identifican estadísticamente la serie finita de datos disponibles. la función de distribución de probabilidad normal queda definida a través de la siguiente expresión: ] [ ] [ √ Donde corresponde a la variación de la superficie libre y σ es a la desviación estándar que describe la serie según se muestra a continuación: √ ∑ ̅ [ ] Donde N es el número de valores discretos que componen la serie finita analizada y ̅ la media aritmética del registro.

Forma de las funciones de probabilidad de Rayleigh para una serie genérica de datos. Se presentan a continuación las expresiones mayormente utilizadas. Figura N°2. que se acoplan sobre las de mayor dimensión. Este concepto se traduce en el filtrado de las frecuencias más altas del espectro que compone el oleaje. la significancia de dichas componentes es menor y las diversas aplicaciones ingenieriles se centran en el estudio de las ondas más largas dentro del espectro.Mientras que la función de probabilidad acumulada: ] [ [ ] Donde H corresponde a la altura de ola y H rms es el valor medio cuadrático según se presenta a continuación: √ [ ∑ ] Vale destacar que la altura de ola se define usualmente despreciando aquellas de menor magnitud y alta frecuencia. es posible establecer relaciones entre los diversos parámetros estadísticos que caracterizan el oleaje. A partir del estudio de las propiedades de la función de Rayleigh. Sin embargo. ̅ [ ̅̅̅ [ ] [ √ ] ] [ ] .

La expresión [ ] permite estimar el valor de altura de ola máximo esperado. Por ejemplo. la distribución de alturas de ola se aparta de la estimación indicada por Rayleigh debido a la transferencia de energía que desencadena dicho fenómeno. inclusive para trenes de olas cuyo ancho espectral se aparta de cero. 2. en general se observa que la variabilidad manifestada en términos de periodos es menor que la inherente a las distribuciones de altura de oleaje. teniendo en cuenta un registro que contiene una cantidad Nz de ondas. Existen algunas aproximaciones empíricas basadas en el estudio de diversos registros de olas. las investigaciones sobre la temática demuestran que en la gran mayoría de los casos la distribución de alturas se ajusta aceptablemente a la aproximación propuesta. tendremos un registro aproximado de 2700 olas con una relación . donde la distribución frecuencial da lugar a estados bimodales con diferencias de importante magnitud. El sustento teórico de la distribución probabilística de Rayleigh se fundamenta en el estudio de series con un ancho espectral igual o cercano a cero. Por su parte. el método resulta aplicable no solo para el análisis de estados individuales definidos por oleaje oceánico o generado por vientos locales. en estados de oleaje generados por vientos locales la altura de ola se incrementa con el periodo. la metodología no debe ser implementada en tales casos. Las mismas se presentan a continuación. Vale resaltar que el rango de aplicación de la estimación propuesta se restringe a mediciones que presentan un número importante de olas en su registro. Consideraciones sobre el Periodo del Oleaje Si bien las expresiones descriptas anteriormente asumen que las ondas componentes presentan frecuencias temporales semejantes. donde comienzan a desencadenarse los procesos de ruptura. ̅ [ [ ] [ ] ] . A su vez. manifestando una correlación clara entre ambos parámetros. las cuales permiten evaluar los valores medios y rangos de variación de las diversas variables estadísticas representativas. sino que también es favorable para estados combinados donde ambos se propagan de manera simultánea. existen climas de olas en los cuales se identifican variaciones apreciables de dicho parámetro. Cabe destacar que en aguas poco profundas. En términos generales. el valor máximo se encuentra en el rango . si se considera una tormenta de 6 horas de duración y un periodo promedio de 8 segundos. Este es el caso de los estados combinados de oleaje. Si bien esta hipótesis presenta un carácter restrictivo frente a la complejidad del fenómeno. Por esta razón.2. Sin embargo.1.

Teniendo en cuenta valores medios para los rangos indicados: ̅ [ ] En términos generales. se presenta a continuación una breve descripción de las expresiones básicas. la definición paramétrica de los espectros escalares de energía se manifiesta como una herramienta fundamental para reproducir y representar con mayor fidelidad la complejidad que presentan los diferentes estados de oleaje. Considerando un análisis unidimensional y asumiendo que el oleaje puede ser descripto a partir de una superposición lineal de funciones armónicas de distinta frecuencia. La misma presenta la forma: ̅ [ ̅ ] [ ] Donde T corresponde al periodo del oleaje y ̅ es el periodo medio del registro. Si bien existen distintos modelos analíticos basados en propiedades estadísticas. Bretschneider (1959) propuso una ecuación para la función de distribución de probabilidad del periodo de oleaje. es posible expresar la superficie libre a través de la serie de Fourier. el rango de periodos presente en los registros abarca valores entre 0. Análisis Espectral del Oleaje El análisis o aproximación espectral se manifiesta como uno de los mecanismos más utilizados para el estudio y caracterización del oleaje. basada en la ecuación de Rayleigh. el análisis de las variables espectrales presenta numerosas ventajas en la interpretación de diversos procesos involucrados dentro de la hidráulica marítima.5 y 2 veces el periodo medio de la mediciones. los cuales pueden no ser aplicables en aquellos climas que presentan estados combinados de oleaje o espectros de frecuencia particulares. Cabe resaltar que las expresiones señalan un rango de valores indicativos para cada correlación. ∑ Dado que [ ∑ ] es una función armónica de periodo T. Asimismo.3. Si bien el desarrollo matemático asociado a esta clase de metodologías se encuentra fuera del alcance de este resumen. Por otro lado. la frecuencia angular de cada una de sus componentes puede expresarse: [ ] . como marco teórico para su interpretación. 2.

tales coeficientes pueden ser interpretados como una sobre el dominio de su periodo. La frecuencia mínima se encuentra dada por la duración del registro . Teniendo en cuenta que las mediciones del oleaje se materializan a través de una serie finita y discreta de registros. | | √ ( ) [ ] A partir del teorema de Parseval´s. es posible expresar la ecuación [ ] según se muestra a continuación: ∑| | [ ] Donde es un coeficiente complejo conocido como espectro de amplitud y corresponde al espectro de fase. describe la participación de cada frecuencia sobre la varianza conjunta del registro. Por su parte. pueden expresarte en forma discreta según: Siendo y integración de la función ∑ [ ] ∑ [ ] . existe conceptualmente un límite sobre el rango de frecuencias que pueden ser representadas a través de las mismas. la varianza para cada frecuencia puede representarse: | | [ ] La función . de modo tal que las componentes que presentan periodos mayores no son evaluadas. la frecuencia máxima se define a través del límite de Nyquist como siendo . el intervalo entre registros. conocida como la densidad de varianza espectral o espectro del oleaje. . conocidos como coeficientes de Fourier. resulta posible definir la varianza de la superficie libre a través de la siguiente expresión: ̅̅̅ ∑ | | [ ] De esta manera.Los factores que identifican la amplitud de cada componente. A partir del uso de la identidad de Euler y la implementación de la transformada discreta y finita de Fourier.

Forma del espectro de energía para un estado bimodal genérico de oleaje. 2. la densidad de energía del oleaje puede expresarse según: [ Teniendo en cuenta las expresiones [ ] y [ como una función de la frecuencia angular: ] ]. Rizos u olas capilares Los rizos u olas capilares se manifiestan a partir de las tensiones friccionales generadas por el viento sobre la superficie libre de un cuerpo de agua. Estados de Oleaje Si bien el oleaje se manifiesta como un fenómeno de carácter estocástico e irregular. Dado que la varianza proporciona una medida de la intensidad de fluctuaciones de la superficie libre sobre su nivel medio y por lo tanto. La fuerza que permite persistir este fenómeno es la fuerza de gravedad. la misma permite representar la distribución de densidad de energía del oleaje sobre el dominio de frecuencias representado a través de las mediciones. Figura N°3. es posible identificar estados con propiedades ciertamente definidas. La fuerza reconstitutiva que permite su propagación es la tensión superficial. el efecto de fricción se intensifica y los pequeños rizos iniciales dejan paso a olas de gravedad. En . de su contenido energético. Cuando la superficie pierde su lisura.3.Si bien su definición es estadística. Se presenta a continuación una breve descripción de los mismos. la densidad de energía puede definirse [ ] Se concluye que los espectros así definidos permiten representar la contribución energética relativa de cada componente o banda frecuencial sobre el estado completo del oleaje.1.

las mismas se desplazan con notable regularidad en todas sus variables (altura. las de mayor altura también se desplazan a mayor velocidad. en aguas profundas. Por otra parte. dada la alta frecuencia que tienen en comparación con las olas mayores. las cuales se alejaron de su zona de generación. longitud de onda. las olas mayores alcanzan a la menores y las incorporan a su masa. la relativa simpleza conceptual de los estados puros los hace útiles al momento de estudiar estados más realistas. este todavía es capaz de sustentar el equilibrio de energía en las frecuencias de la parte más alta del espectro. Como consecuencia de esta diversidad en los frentes. es usual descomponer a los estados combinados en los dos estados elementales (sea y swell). aumentando así su tamaño. se caracterizan por ser de carácter irregular. pero su duración se extiende de forma prolongada una vez finalizado el aporte de energía. Estas son las olas tipo oceánico o swell. A su vez. es muy difícil encontrar estados de olas puros como los descriptos anteriormente. Oleaje Sea Las olas generadas por vientos locales u oleaje tipo sea. si bien. Identificar y separar las componentes del oleaje provee una descripción más realista del estado de las olas y es de gran interés tanto en aplicaciones científicas como ingenieriles. Formalmente. donde predomina una gran dispersión tanto en intensidad como en dirección. Las olas sea presentan una distribución de alturas con alto grado de variabilidad y se desplazan a distintas velocidades. Como el viento transfiere mejor la energía a las olas más grandes. estos rizos no son posibles de detectar con los métodos convencionales de medición. período y dirección). Las mismas se forman en condiciones de viento sostenido. A pesar de su baja probabilidad. para luego calcular parámetros significativos. la resultante general coincide con la dirección del viento.general. Dicha situación produce que su espectro frecuencial sea de banda ancha. Así pueden observarse olas regulares de gran altura en ausencia del viento. Mientras el viento se va debilitando. se desprecia la contribución de las olas capilares dado que su altura máxima no supera los 2 cm. Estados Combinados Concretamente. para el estudio del oleaje. mientras que las olas de baja frecuencia se convierten en olas de superficie libre. . Oleaje Swell A medida que las olas sea se propagan y se alejan de su centro de generación. Este estado se caracteriza por presentar olas que provienen de centros de generación situados a veces a miles de kilómetros del sitio de observación. El resultado de este estado es un mar agitado con olas que pueden avanzar en cualquier dirección. las mismas se separan naturalmente de acuerdo a su dirección y longitud de onda.

Espectros de energía característicos para oleaje swell. 2003) Figura N° 5. Espectros de Energía Característicos La función principal de los espectros consiste en representar la distribución energética sobre un rango de frecuencias y direcciones.3. (Tarroija.2. Espectros de energía característicos para estados multimodales.2. θ). (Tarroija. A continuación se muestran ejemplos de los espectros características para los diversos estados de oleaje. la distribución de energía en el dominio de frecuencias se representa por el espectro de energía S (f). mientras que la distribución de la energía en el dominio de la dirección se representa a través del espectro direccional D (f. Figura N° 4. De esta manera. 2003) Figura N° 6. (Tarroija. 2003) . Espectros de energía característicos para oleaje sea.

El modelo numérico aplicado en la obtención de la base de datos corresponde al WAVE-WATCH III. Los modelos globales responden a nuevos avances tecnológicos logrados en numerosos campos y son una alternativa interesante para la caracterización del oleaje cuando no se dispone de mediciones de largo plazo.4. de modo tal de representar adecuadamente el clima de olas de una determinada región. A su vez. por lo cual resulta necesario recurrir a fuentes alternativas de datos como los modelos globales de olas. Por otra parte. los recursos y tiempos demandados por las mediciones no resultan compatibles con los plazos requeridos por los diversos proyectos de ingeniería. resulta necesario complementar sus resultados a través de modelos locales o regionales que permiten evaluar el oleaje en posiciones específicas a partir de la información generada en un nodo cercano disponible a partir del modelo global. Vale destacar que el conocimiento e interpretación de las características espectrales se manifiesta como una herramienta sustancial en la caracterización de los diversos estados y climas de olas.2. con vientos provenientes de la base ECMWF (European Center for Medium-Range Weather Forecasts). Dado que tales modelos producen información sobre grillas espaciales de relativamente baja resolución. La información suministrada por esta base de datos contempla no solo la descripción del espectro total de energía correspondiente a cada instante del registro. el desarrollo de esta tarea requiere la aplicación combinada de diferentes herramientas de modelación matemática que permitan representar la problemática. sino que además entrega información específica sobre la componente energética aportada por el oleaje generado por vientos locales (sea) y por las distintas componentes principales asociadas al oleaje oceánico propagado desde diferentes zonas de generación (swell_1 y swell_2). en cada caso. Se presenta a continuación un ejemplo de aplicación del proyecto IOWAGA (Integrated Ocean Waves for Geophysycal and other Applications). la introducción y análisis de los parámetros espectrales . Modelos Globales de Olas La descripción detallada del oleaje requiere de la disponibilidad de registros durante un periodo lo suficientemente extenso. considerando cada uno de ellos el predominio de distintos procesos físicos asociados a la transformación del oleaje. Consecuentemente. En la mayoría de los casos. Las bases y fundamentos del procesamiento realizado por los modelos globales y regionales se encuentran fuera del alcance de este resumen. El mismo fue implementado en su modalidad de grilla GLOBAL. el cual es un modelo de oleaje de tercera generación desarrollado por la NOAA/NCEP (National Oceanic and Atmospheric Administration / National Centers for Environmental Predictions). con escalas espaciales diferentes y con una formulación matemática adecuada. desarrollado por el instituto de investigación IFREMER (Francia). la acción de los distintos mecanismos físicos que intervienen en el proceso de transformación del oleaje en la propagación desde aguas profundas hacia un área costera hace que la aplicación de un único modelo matemático capaz de resolver el problema en forma integral resulte inviable.

Se muestra a continuación el listado de las variables analizadas. limitaremos el análisis a los más representativos. Por su parte. Parámetro Unidades Descripción hs m Altura Significativa (Espectro Completo) Frecuencia Pico (Espectro Completo) fp s-1 dir pdir0 pdir1 pdir2 ° (Nautical) ° (Nautical) ° (Nautical) ° (Nautical) Dirección Media (Espectro Completo) Dirección Principal (Componente SEA) Dirección Principal (Componente SWELL_1) Dirección Principal (Componente SWELL_2) phs0 phs1 phs2 m m m Altura Significativa (Componente SEA) Altura Significativa (Componente SWELL_1) Altura Significativa (Componente SWELL_2) ptp0 ptp1 s s Periodo Pico (Componente SEA) Periodo Pico (Componente SWELL_1) ptp2 s Periodo Pico (Componente SWELL_2) Tabla N° 1. Distribución de nodos sobre la plataforma continental de la Patagonia Austral. Listado de parámetros procesados sobre el proyecto IOWAGA (IFREMER). los parámetros espectrales para cada componente del oleaje son brindados cada un intervalo de 3 horas. Figura N° 7. Si bien el modelo global presenta un conjunto extenso de parámetros disponibles. .permite obtener mejoras sustanciales en los modelos matemáticos aplicados a estudios locales o regionales de generación y propagación del oleaje. La serie de datos disponibles se encuentra discretizada espacialmente a través una grilla global de nodos según puede observarse en la figura N° 7.

El oleaje generado por vientos locales (sea). Histograma de altura significativa por componente del oleaje.5 26.00% 3. .28% 11.62% 0.5-3 3.5 0. se muestran a continuación los resultados obtenidos a partir del análisis efectuado sobre el nodo W0680S515.00% 3-3.04% 0.5 1.51% 94.00% 4-4. Frecuencia Relativa (%) Intervalo phs (m) phs0 phs1 phs2 <0.07% 0. resulta posible desarrollar distintas herramientas para caracterizar el clima de olas.27% 50.15% 5. A modo de ejemplo.43% 0.02% 0. Figura N° 8.11% 3.06% 0. presenta alturas significativas mayores.00% 0.00% Tabla N° 2. ubicado en las inmediaciones del Estuario del Río Gallegos (Ver figura N°7).75% 33. así como también una mayor dispersión en su distribución.84% 0.5-2 19. Por otro lado.00% 0.A partir del procesamiento de la serie de datos disponibles.00% 2.43% 0.87% 0.5 13. el oleaje de tipo oceánico (swell) manifiesta un rango estrecho y de menor magnitud de alturas.43% 1-1.75% 0.00% >4.00% 0.5 9.5-1 25. Se observa claramente la diferenciación entre los rangos de altura significativa que caracteriza a cada componente.46% 0.11% 1.5 0.00% 2-2.5-4 0.79% 0. Distribución de olas totales por componente del oleaje.

Histograma de periodos pico por componente del oleaje.71% 8-10 2.59% 0.16% 10. .72% 18. Figura N° 9.74% 5.06% 1.49% 10.Frecuencia Relativa (%) Intervalo ptp (seg) ptp0 ptp1 ptp2 <2 0. poniendo en manifiesto los mecanismos de generación de oleaje que caracterizan a cada componente. Se observa el contraste existente en la distribución del periodo pico para cada componente.00% 0.23% 6.37% 1.47% 4-6 55.09% 30.45% 12-14 0.43% 21.00% 0.00% 2.48% 6-8 17.43% >14 0.01% 35. Por otro lado.00% 13. El oleaje generado por vientos locales manifiesta periodos de menor magnitud (80% entre 2-6 segundos. 97% entre 2-8 segundos) así como también una distribución con mayor dispersión. el swell se caracteriza por presentar mayores periodos (85% entre 6-12 segundos) y una distribución comparativamente más regular. Distribución de periodos pico por componente del oleaje.92% Tabla N° 3.54% 10-12 0.00% 2-4 25.10% 41.

. Rosa de Olas para la componente SEA del oleaje. concordando con los mecanismos que caracterizan la generación por vientos. Figura N° 11. La componente tipo sea presenta una regresión aproximadamente lineal entre la altura significativa y el periodo. el análisis correspondiente al swell presenta una distribución irregular. Se observa claramente la coherencia de los valores procesados a partir de la base de datos implementada. Dispersión del oleaje por componente. manifestando una dispersión característica para este tipo de oleaje.Figura N° 10. Por otro lado.

Rosa de Olas para la componente SWELL_2 del oleaje. . Rosa de Olas para la componente SWELL_1 del oleaje. Figura N° 13.Figura N° 12.

ajustando cualitativamente con la rosa de vientos procesada a partir de los modelos ECMWF/NCEP. Dicho análisis resulta concordante con la realidad de la región. Se observa el contraste en la dirección de propagación del oleaje incidente para cada componente del espectro. los swell presentan direcciones predominantes del NE y en menor proporción del SE. La componente tipo sea manifiesta direcciones predominantes del W-SWW-SW. . Rosa de Vientos vs Rosa de Olas para componente SEA del oleaje. Figura N° 15. lo cual concuerda con la propagación de dicha componente sobre la región. Rosa de Olas por componente.Figura N° 14. Por otro lado. señalando nuevamente la coherencia de los datos procesados.

dada su versatilidad y capacidad de ajuste. Los fundamentos de las metodologías mencionadas se encuentran disponibles en amplias fuentes bibliográficas. Cada intervención particular posee una recurrencia y vida útil de referencia. En la gran mayoría de los casos. Por su parte.3. el parámetro estadístico analizado corresponde a la altura significativa del oleaje . el riesgo puede ser expresado según: [ ] [ ] Donde R corresponde a la recurrencia y n a la vida útil de la obra analizada. Los procedimientos más utilizados para este fin son el método de los máximos anuales y el POT (Peak Over Threshold). La definición de los valores de altura de ola a ser considerados durante el análisis requiere la discretización de eventos puntuales conocidos genéricamente como tormentas. el cual se describe como la probabilidad de que un evento determinado sea igualado o superado al menos una vez en el periodo analizado. el test de KolmogorovSmirnov permite analizar la bondad del ajuste logrado por cada función. Teniendo en cuenta la definición del concepto de recurrencia. Gumbel y Weibull son las mayormente implementadas. los modelos estadísticos que describen el análisis a largo plazo de valores extremos se basan en funciones de distribución conocidas. . Los parámetros característicos que definen dichas funciones deben ser calibrados. con el fin de seleccionar la estimación que presenta mejores resultados. compatible con los diversos criterios de diseño y aplicaciones implementadas en el campo de la hidráulica marítima. Las funciones Log-Normal. por lo cual su descripción queda fuera del alcance de este resumen. A su vez. Por su parte. para luego efectuar extrapolaciones a periodos de mayor magnitud. variables tales como el periodo y la direccionalidad pueden correlacionarse a partir del conocimiento de la distribución de alturas a largo plazo. Resulta importante destacar el concepto de riesgo. las cuales se definen en función de diversos criterios económicos y de seguridad. El objetivo fundamental del proceso consiste en sistematizar estadísticamente los registros originados a partir de estudios a corto plazo. de modo tal de optimizar la calidad de las aproximaciones. el método de la máxima verosimilitud y el método de los mínimos cuadrados son los utilizados con mayor frecuencia. Estudios a Largo Plazo: Análisis de Valores Extremos El análisis a largo plazo involucra el estudio de la distribución de probabilidad de ocurrencia de determinados parámetros en una escala temporal de años. El método de los momentos muestrales. los cuales describen una condición de oleaje particular.

Sorensen. Y. (1984). Nicolás (2003). 2° Encuentro de Investigadores en Formación en Recursos Hídricos. Introduction to coastal engineering and management. Caracterización espectral de tormentas intensas en la costa Catalana y su aplicación a la predicción de oleaje. Department of Civil and Enviormental Engineering. Cáceres R. Tomazin N. Advanced series on ocean engineering. . Vol 15. Queen´s University. Estudio del clima de olas en el Río de la Plata mediante el análisis de datos de olígrafo. (2000). (1997). Basic Coastal Engineering. J. Tesis de Grado. Random seas and design of maritime structures. Lehigh University. Robert M. Vol 2. and Dalrymple Robert A.W (2000). University of Florida. University of Tokyo. Robert G. (2014). Pennsylvania. Canada. Universidad Politécnica de Cataluña (Barcelona). Advanced series on ocean engineering. Ortíz Tarroija. Instituto Nacional del Agua. Kamphuis. Vol 16. Bibliografía Dean.. Water wave mechanics for engineers and scientists. Advanced series on ocean engineering.4. Goda.