FACULTAD DE INGENIERÍA AGRÍCOLA

ESCUELA PROFESIONAL DE INGENIERÍA AGRÍCOLA

“ANALISIS COMPARATIVO DE METODOLOGIAS PARA LA

DETERMINACION DE DESCARGAS MAXIMAS PARA LA SUB

TESIS
PRESENTADO POR EL BACHILLER:

JAIMEELOYGUTIERREZ TERRAZAS
PROMOCION: 2009 II

PARA OPTAR EL TITULO PROFESIONAL DE:

INGENIERO AGRÍCOLA

PUNO– PERÚ

2013
CU
ENCA DEL RIO AYAVIRI.”
 DEDICATORIA

En memoria a mi recordada Madre

ASUNCION†, quien

contribuyó en la realización de mis

ideales hoy logrados.

Con inmensa gratitud y cariño a

mi padre ELOY, por su apoyo

incondicional en mi formación

académica.

A mis hermanos:

PERCEY, LUZ MARINA,

GODOFREDO, AMERICO y mi sobrino

BRUNO.

Con mucho amor a mi querida y

amada DIANA.

i
 AGRADECIMIENTO

A mi alma mater, a la Universidad Nacional del Altiplano- Puno.

A la Facultad de Ingeniería Agrícola.

Al Ing. Teófilo Chirinos Ortiz, director de la tesis por su apoyo permanente y haberme
guiado acertadamente hasta su culminación.

A mis Jurados, docentes de la Facultad de Ingeniería Agrícola Dr. Eduardo Flores

Condori, Ing. Marco Antonio Rodríguez y Msc. Audberto Millones Chafloque quienes
me sugirieron mejorar el trabajo de investigación

A todos mis docentes y compañeros que de alguna u otra manera hicieron posible la
realización de la presente investigación.

A mi padre por sus constantes consejos y apoyo incansable, hasta la culminación

de mi formación profesional.

ii
 INDICE GENERAL

INDICE DE CUADROS

INDICE DE FIGURAS RESUMEN

I. INTRODUCCION 1
1.1. Planteamiento del problema 1
1.2. Antecedentes 2
1.3. Justificación 3
1.4. Objetivos de la investigación 5
1.4.1.Objetivo general 5
1.4.2.Objetivos específicos 5
II. REVISION BIBLIOGRAFICA 6
2.1. Cuenca hidrográfica 6
2.2. Sistema hidrológico 6
2.3. Modelos hidrológicos 7
2.3.1.Modelo del sistema hidrológico 7
2.3.2.Modelos 8
2.3.3.Modelos estocásticos 8
2.3.4.Modelos determinísticos 9
2.4. Análisis de consistencia de información hidrológica 9
2.5. Métodos para el análisis de avenidas 10
2.5.1.Métodos estadísticos. Funciones de distribución de probabilidad usadas
En hidrología. 10
2.5.2.Métodos hidrometeorologicos 13
III. MATERIALES Y METODOS 31
3.1. Ubicación del área de estudio 31
3.2. Vías de comunicación 32
3.3. Demografía 33
3.4. Hidrografía 33

iii
3.5. Hidrología 34
3.6. Información climática y ecológica 35
3.7. Información geológica y de suelos 37
3.8. Información cartográfica 38
3.9. Información hidrometeorologica 38
3.10. Equipos y materiales para el procesamiento 38
3.11. Metodología 38
3.11.1. Análisis de consistencia de la información hidrométrica y meteorológica 39
3.11.2. Métodos probabilísticos para el análisis de máximas avenidas 40
IV. RESULTADOS Y DISCUSION 45
4.1. Formación de la serie anual de caudales y precipitación 45
4.2. Análisis de consistencia 47
4.2.1. Análisis de saltos 47
4.3. Determinación de caudales máximos a partir de los métodos estadísticos 48
4.4. Determinación de caudales máximos a partir de formula empírica (Mac Math) 52 4.5.
Análisis comparativo de los caudales de diseño de valores aforados y formula
Empírica (Mac Math) 55
V. CONCLUSIONES Y RECOMENDACIONES 59
5.1. Conclusiones 59
5.2. Recomendaciones 61
VI. BIBLIOGRAFIA 62
VII. ANEXOS 64

iv
INDICE DE CUADROS

Cuadro 2.1. Factor de reducción por área (Área Reducción Factor) 15

Cuadro 2.2. Distribucion de lluvia SCS (Soil Conservation Service del U.S.
Department of Agriculture – 1986) 17
Cuadro 2.3. Clasificación de clases antecedentes de humedad (AMC) para el
método de abstracciones de lluvia del SCS. 19
Cuadro 2.4. Factor de escorrentía de Mac Math. 29
Cuadro 3.1. Factor de escorrentía de Mac Math. 43
Cuadro 4.1. Serie histórica de caudales máximos (m3/s) del rio Ayaviri periodo
(1994-2011) 45

Cuadro 4.2 Serie histórica de precipitación máxima de 24 horas (mm)- Estación

Ayaviri (1970-2009) 46

Cuadro 4.3. Determinación de caudal del diseño a partir de modelos

Probabilísticos. 50
Cuadro 4.4. Caudales maximos a partir de precipitaciones máximas de 24 horas
Método Mac Math 52
Cuadro 4.5. Caudales de diseño a partir de precipitaciones máximas de 24 horas
Metodo Mac Math 53
Cuadro 4.6. Cuadro resumen de resultados para cada distribución 55
Cuadro 4.7. Análisis de variancia entre valores aforados y valores obtenidos por
formulas empíricas 56
Cuadro 4.8. Descriptiva estadística de caudales de Diseño para el puente del rio
Ayaviri. 56

v
INDICE DE FIGURAS

Figura .2.1: Sistema hidrológico general. 7

Figura 2.2 Hidrograma unitario sintético triangular del Soil Conservation

Service. (Fuente: Chow et al. (1994)). 24

INDICE DE GRAFICOS

Grafico 3.1. Isolineas de precipitación total anual de la cuenca del Titicaca 34

Grafico 4.1. Histograma de caudales máximos mensuales del rio Ayaviri
(m3/s) 47
Grafico 4.2. Histograma de precipitación máxima de 24 horas (mm) – Estación
Ayaviri, Periodo 1970 – 2002. 48
 vi
RESUMEN

El problema fundamental que se observa a nivel de las cuencas del Altiplano después de la

ocurrencia de una tormenta, es la ocurrencia de una onda de crecida que ocasiona

inundaciones y pérdidas económicas. Este problema se pretende solucionar analizando y

aplicando modelos probabilísticos y modelo empíricos para el presente trabajo se ha

planteado como objetivos: Realizar un análisis comparativo en la determinación de

descargas máximas para la sub cuenca del rio Ayaviri, utilizando los métodos

probabilísticos y Empíricos, con fines de diseño de obras hidráulicas. El trabajo se ha

efectuado a nivel de la sub cuenca del rio Ayaviri, es integrante de la cuenca Ramis y se ha

utilizado como materiales datos de la Estación Meteorológica de Ayaviri, datos de aforos

realizados en el puente de Ayaviri y datos de las precipitaciones máximas de 24 horas, éstas

utilizando el modelo empírico de Mac Math de los cuales se ha transformado en caudales

máximos y estas han sido ajustadas mediante la bondad y ajuste Smirnov Kolmogorov para

ver a cuál de las distribuciones probabilísticos se ajustan y se ha escogido distribuciones de

probabilidad: Normal, Log normal de 2 parámetros, Log normal de 3 parámetros, Gamma

de 2 parámetros, Gumbel, y Log Gumbel. Los resultados del análisis para la distribución

Normal, se ha obtenido que el delta teórico es 0.0878 es menor que el delta tabular que es

0.3206, esto indica que se ajustan los datos de aforos realizados en el puente de Ayaviri,

con un nivel de significancia de 5%, para lo cual se han generado valores de caudales de

diseño para periodos de retorno de 2, 5, 10, 20, 25, 50, 75, 100, 200, 250 y 500, realizado el

análisis comparativo mediante el análisis de variancia se ha llegado, que entre los caudales

de diseño del aforado y calculado por la formula empírica de Mac Math estadísticamente

no han sido significativos a la probabilidad de P<=0.05, por lo que es necesario utilizar

cualquiera de los dos métodos.

vii
 I. INTRODUCCION

1.1. Planteamiento del problema

Los problemas hidrológicos que presenta la sub cuenca del rio Ayaviri es la ocurrencia de

máximas avenidas que causan inundaciones, riesgo de vida útil de las obras de canalización,

erosión y transporte de sedimentos, debido al exceso de lluvias en los meses de Enero,

Febrero, y Marzo. Los daños que causan las avenidas, son notorios en el aspecto económico y

social en las comunidades de la cuenca, con mayor incidencia en las actividades agrícolas,

pecuarias y urbanas de la zona en estudio. Los métodos estadísticos se apoyan en la existencia

de series de datos de caudales en el lugar de interés, las cuales son sometidas a un análisis de

frecuencias usando técnicas tradicionales de estudio (se basan por lo tanto en la observación

de eventos pasados). Esto implica que la curva de frecuencia definida para un determinado

lugar es válida rigurosamente para ese lugar; cuando generalmente la información que se

requiere es en un lugar diferente, donde no existen datos medidos; la regionalización de datos

permite combinar informaciones de diversos lugares en la cuenca o región, para producir por

ejemplo, una curva regional de frecuencias, válida en toda la región y lugares sin información;

este recurso entre tanto, está limitado a descargas de hasta 100 años de período de retorno. Los

resultados podrían ser confiables siempre que existan suficientes datos disponibles y no hayan

ocurrido modificaciones importantes en el régimen del curso de agua durante el período de

registro, o después; se acepta entonces, la condición de que el comportamiento del sistema

continuará siendo el mismo durante el período de cálculo (en el futuro).

El problema fundamental que se observa a nivel de las cuencas del Altiplano, después de la

ocurrencia de una tormenta, es la ocurrencia de una onda de crecida que ocasiona

inundaciones y las consiguientes pérdidas económicas; este problema se pretende solucionar

analizando y aplicando modelos probabilísticos y el modelo empírico (Mac Math) para lo cual

se ha formulado las siguiente interrogante:

1
¿Es posible realizar un análisis entre los métodos estadísticos y empírico para la

determinación de caudales máximos en la sub cuenca del rio Ayaviri, y determinar que ambos

pueden tener similar resultado para diferentes periodos de retorno?

1.2. Antecedentes

El Instituto Nacional de Recursos Naturales (INRENA) y la Autoridad Binacional Autónoma

del Sistema Hídrico TDPS mediante convenio de fecha 23 de julio del 2003 firman el

convenio de cooperación institucional, en función a ello es que deciden realizar el estudio

Hidrológico de las cuencas aportantes del sistema denominado Lago Titicaca, río

Desaguadero, lago Poopó y Salar de Coipasa (TDPS) a fin de diagnosticar la situación actual y

potencial de las cuencas.

Es así que mediante la Administración técnica del distrito de riego de la cuenca del río Ramis

(ATDR Ramis), actual “ALA RAMIS” se inicia los estudios para lo cual se contrata a un

equipo multidisciplinario con el objetivo de cumplir con dichas metas.

El INRENA, mediante la Intendencia de Recursos Hídricos tiene, entre otras, las funciones de

proponer, supervisar y controlar las políticas, planes, programas, proyectos y normas sobre el

uso y aprovechamiento sostenible del agua, asimismo, tiene transitoriamente la competencia

de supervisar, promover y evaluar el uso y aprovechamiento del agua de riego, su

otorgamiento en el ámbito nacional y la participación de los usuarios de agua de riego y sus

organizaciones.

El término “Prevención de inundaciones” se aplica al efecto del fenómeno en la formación de

la correspondiente descarga, conllevando un pronostico de estado futuro de alturas de

precipitación o caudales, asociados al instante de ocurrencia de los mismos, con la finalidad de

prevenir los efectos negativos que vengan a acontecer. La terminología “Prevención en tiempo

real” es más apropiado, y representa un típico problema de hidrología avanzada, donde

técnicas hidrológicas son empleadas para calcular anticipadamente la ocurrencia de un evento,

2
a partir del conocimiento del comportamiento del sistema natural y usando como entradas las

lluvias o los niveles de precipitación y caudales en determinados lugares de la cuenca y la red

fluvial.

Para desarrollar el presente trabajo se ha considerado como base algunos textos y tesis: MEJIA

A. Analisis de Máximas Avenidas, publicación de la Universidad Nacional Agraria la Molina

de la ciudad de lima. PUBLIDRAT 1999.

COAQUIRA R. Análisis de precipitaciones máximas de 24 horas. Publicación PRORRIDRE –

PUNO.

1.3. Justificación

El agua es uno de los recursos naturales más importantes, ya que está presente en todos los

aspectos de la vida existente en la tierra. Prácticamente, todas las actividades humanas están

vinculadas con el agua. Usos agrícolas, poblacionales, pecuarias, etc. Pero también muchos

desastres naturales están relacionados con la misma, como las causas externas de sequías,

inundaciones, que causan grandes daños y pérdidas económicas y hasta de vidas humanas. El

aprovechamiento eficiente de los recursos hidráulicos implica el conocimiento de los lugares

donde se encuentra el agua y en qué cantidad existe y su calidad y patrón de variabilidad, la

estimación de las demandas para los diversos usos, tanto en el tiempo como en el espacio, y

establecer las normas para los usos del agua. Para poder planificar adecuadamente el uso

sostenible del agua se necesita conocer primero la cantidad, calidad, sus usos actuales,

conflictos actuales, demandas y potenciales de los diferentes actores involucrados en la

gestión de los recursos hídricos especialmente cuando estas se dan dentro de un espacio

hidrográfico denominado cuenca. La cuenca del Lago Titicaca es un ecosistema con un

equilibrio precario, que forma parte de un sistema hídrico endorreico; cuya importancia es

ampliamente reconocida, siendo prioritario su manejo racional y sostenible, a través de cada

una de sus cuencas. Es conocido que, en cualquier proyecto de Ingeniería, el problema de sub
3
dimensionamiento o sobredimensionamiento de una obra implica costos excesivos a lo largo

del tiempo; por lo tanto un proyecto intermediario sería la solución ideal, generando los

menores costos anuales a través

de estudios hidrológicos utilizando los modelos hidrológicos adecuados de la cuenca. La

selección correcta de una avenida de proyecto constituye un aporte esencial de los estudios de

ingeniería, para prevenir y controlar los problemas mencionados, es importante tener un

criterio técnico muy amplio en el estudio hidrológico del potencial de avenidas. Para ello, es

necesario disponer de información de series de precipitaciones máximas de mayor longitud de

registro, esta nos permitirá interpretar el comportamiento hidrológico de un evento, con el

propósito de predecir el riesgo que puede sufrir los proyectos de mayor envergadura y

garantizar la vida económica de estructuras hidráulicas.

La razón fundamental de la presente investigación es realizar el estudio de análisis de máximas

avenidas aplicando métodos estadísticos y empírico(Mac Math), lo cual permitirá minimizar y

mitigar los impactos negativos y riesgos que suponen una avenida, contribuyendo al desarrollo

sostenible de las comunidades de la sub cuenca del rio Ayaviri.

1.4. Objetivos de la investigación

1.4.1. Objetivo general:

4
Realizar el análisis comparativo en la determinación de descargas máximas para la sub cuenca

del rio Ayaviri, utilizando los métodos probabilísticos y Empíricos, con fines de diseño de

obras hidráulicas.

1.4.2. Objetivos específicos:

1. Determinar las descargas máximas del rio Ayaviri para periodos de retorno de 2,5, 10, 20,

25, 50, 75, 100, 200, 250, 500 años, mediante el método estadístico y empírico (Mac Math)

2. Determinar las diferencias entre los resultados de descargas máximas de los métodos

estadísticos y empírico (Mac Math)

5
 II. REVISIÓN BIBLIOGRAFICA

2.1. Cuenca hidrográfica

Aparicio (1993), conceptúa a una cuenca es una zona de la superficie terrestre en donde (si

fuera impermeable) las gotas de lluvia que caen sobre ella tienden a ser drenadas por el

sistema de corrientes hacia un mismo punto de salida.

Existen diferentes definiciones según la óptica de las diferentes disciplinas que en ellas

intervienen. Cuenca Hidrográfica, es el área que es drenada por un río incluye recursos

naturales inscritos dentro de un área. Área de drenaje con colector común, es un sistema que

se da en un espacio físico sostenido por un manto geológico en el que existen riquezas

naturales que presenta flujos de intercambio con otros sistemas. Unidad espacial definida por

un complejo sistema de interacciones, físico, socioeconómico o una interdependencia de los

elementos que la constituyen. Es decir el concepto de la cuenca no es solo una zona de

captación de agua sino que incluye los recursos naturales que la forman, los hombres que la

habitan, el espacio geográfico en donde se desarrollan, los intercambios físicos, biológicos y

socio-económicos.

En esta aceptación holistica se debe incluir aspectos como gestión, aprovechamiento y

conservación, que tienen diferentes sinónimos. Gestión, ordenamiento, administración,

manejo, ciencia, arte, dirección, asignación, control, monitoreo. Aprovechamiento, desarrollo,

uso, explotación, extracción. Conservación, racionar, sostenido, tratamiento, preservación,

protección, rehabilitación.

2.2. Sistema hidrológico

Chow, et al. (1994), afirman que los fenómenos hidrológicos son extremadamente complejos y

es posible que nunca se les entienda en su totalidad. Sin embargo, en ausencia de un

conocimiento perfecto, pueden representarse en forma simplificada por medio del concepto de

sistema. Un sistema es un conjunto de partes conectadas entre sí, que forman un todo. El ciclo

6
hidrológico puede tratarse como un sistema cuyos componentes son precipitación,

evaporación, escorrentía y otras fases del ciclo hidrológico. Estos componentes pueden

agruparse en subsistemas del ciclo total; para analizar el sistema total, estos subsistemas más

simples pueden analizarse separadamente y combinarse los resultados de acuerdo con las

interacciones entre los subsistemas. Un sistema hidrológico se define como una estructura o

volumen en el espacio, rodeada por una frontera, que acepta agua y otras entradas, opera en

ellas internamente y las produce como salidas.

Operador
Entrada salida


I(t) Q(t)

Figura .2.1: Sistema hidrológico general.

Si se utiliza el concepto de sistema, el esfuerzo se dirige hacia la construcción de un modelo

que relacione entradas y salidas en lugar de llevar a cabo la extremadamente difícil tarea de

una representación exacta de los detalles del sistema, los cuales pueden ser desconocidos o no

significativos desde un punto de vista práctico.

2.3.Modelos hidrológicos

2.3.1. Modelo del sistema hidrológico

Según Chow, et al. (1994), el objetivo de analizar el sistema hidrológico es estudiar la

operación del sistema y predecir su salida. Un modelo de sistema hidrológico es una

aproximación al sistema real; sus entradas y salidas son variables hidrológicas mensurables y

su estructura es un conjunto de ecuaciones que conectan las entradas y las salidas. Central a la

estructura del modelo está el concepto de transformación del sistema. Las entradas y las

7
salidas pueden expresarse como funciones del tiempo, I(t) y Q(t) respectivamente, en donde t

pertenece al rango de tiempo T en consideración. El sistema realiza una transformación de la

entrada en la salida representada Q(t) I(t)

La cual se conoce como ecuación de transformación del sistema. El símbolo  es una función

de transferencia entre la entrada y la salida. Si esta relación puede representarse mediante una

ecuación algebraica, entonces  es un operador algebraico.

2.3.2. Modelos

Ponce (1989), señala que en ingeniería hidrológica, existe cuatro tipos de modelos

matemáticos: (1) Determinístico, (2) Probabilístico, (3) Conceptual y (4) Paramétrico. Un

modelo conceptual es una representación simplificada del proceso físico, obtenida por las

variaciones espacial y temporal, agregado y descrito en términos de cualquiera de las

ecuaciones diferenciales ordinarias o ecuaciones algebraicas. Un modelo paramétrico

representa procesos hidrológicos por medio de ecuaciones algebraicas, este contiene

parámetros claves para ser determinados en forma empírica.

2.3.3. Modelos estocásticos

Chow, et al. (1994), los definen como, modelos de va riables aleatorias o probabilísticas que

no tienen valor fijo en un punto particular del espacio y del tiempo, pero que están descritas a

través de distribuciones de probabilidad. Estos modelos hacen predicciones. Por ejemplo la

lluvia que caerá mañana en un lugar particular no puede pronosticarse con exactitud.

2.3.4. Modelos determinísticos

Chow, et al. (1994), afirman que, no consideran la aleatoriedad, una entrada dada, produce

siempre una misma salida. Modelos determinísticos hacen pronósticos. Por ejemplo. Modelo

determinístico para la determinación de evaporación diaria en un lugar dado.

8
 2.4.Análisis de consistencia de información hidrológica

Mejía (2001), indica que, antes de iniciar cualquier análisis o utilizar los datos observados en

las estaciones hidrométricas, hay necesidad de realizar ciertas verificaciones de los valores de

precipitación.

Los datos hidrológicos en general, están constituidos por una larga secuencia de observaciones

de alguna fase del ciclo hidrológico obtenidas para un determinado lugar. No obstante que un

registro largo sea lo deseable, se debe reconocer que cuanto más largo es el período de

registro, mayor será la posibilidad de error. Una serie generada en esas condiciones, si los

errores o cambios fueran apreciables, es inconsistente, o carece de homogeneidad.

Para verificar éste tipo de inconsistencia, se usa el método de la curva de doble masa, basado

en el hecho de que un gráfico de una cantidad acumulada ploteada contra otra cantidad

acumulada durante el mismo período, debe ser una línea recta siempre que las cantidades sean

proporcionales, la inclinación de la recta representa la constante de proporcionalidad. Una

alteración en la pendiente de la recta, indicará que ocurrió un cambio en la constante de

proporcionalidad entre las dos variables o que tal vez la proporcionalidad no es constante en

todos los niveles de acumulación.

Paoli, et al. (2002), señalan que, la consistencia en la determinación de caudales de diseño por

transformación lluvia-caudal y análisis de frecuencia es de vital importancia para el diseño de

obras hidráulicas. En la ingeniería práctica, el dimensionado de distintos tipos de obras

requiere el cálculo de la crecida de diseño para lo cual es necesario asociar una magnitud de

crecida con la probabilidad anual de ser superada, con lo que se presenta el riesgo hidrológico

del evento.

9
 2.5. Métodos para el análisis de avenidas

2.5.1. Métodos estadísticos. Funciones de distribución de probabilidad usadas en

hidrología

Aparicio (1993), afirma que, en la estadística existe decenas de funciones de distribución de

probabilidad teóricas; de hecho, existen tantas como se quiera, y obviamente no es posible

probarlas todas para un problema particular. Por lo tanto, es necesario escoger, de esas

funciones, las que se adapten mejor al problema bajo análisis.

2.5.1.1.Distribución Log-normal

Es una distribución para una variable aleatoria cuyos logaritmos siguen una distribución

normal, con parámetros μ y σ. Los datos hidrológicos, a veces, tienen una distribución

fuertemente asimétrica y en general en esos casos una transformación logarítmica la convierte

en una distribución normal. Así la función de densidad y la función de distribución acumulada

de probabilidad son:

1 y2

f (y)  1 e2  
 2

y 1 y2


P(Y  y)  F(y)    12 2   dy e

Donde:

Y = variable aleatoria.

y = logaritmo de la variable aleatoria.

µ y σ = parámetros de la función de densidad de probabilidad normal.

La distribución Log-normal es de gran utilidad porque abre el amplio campo teórico de

 aplicación de la distribución Normal. Como ambas distribuciones, Normal y Log-Normal son
10

de dos parámetros, basta calcular la media y la desviación estándar de los caudales o las

precipitaciones y de sus respectivos logaritmos. El grado de ajuste de una serie de datos

puede, como en los demás casos, ser examinado a través del uso del papel de probabilidades

Lognormal, donde debe resultar una recta.

2.5.1.2.Distribución de Gumbel

Entre las diversas distribuciones de valores extremos es la que actualmente tiene mayor

utilidad. Los valores extremos en cuestión serían las precipitaciones diarias máximas anuales,

ya que cada una es la máxima entre los 365 valores del año. Para aplicar esta ley, se debe

tener en cuenta que existen muestras, cada una constituida de 365 elementos, del universo de

la población infinita de la variable aleatoria que es la precipitación diaria. De acuerdo con la

ley de los extremos, la ley de distribución de la serie de n términos constituidos por los

mayores valores de cada muestra tiende asintóticamente para una ley simple de

probabilidades, que es independiente de la que rige la variable aleatoria a las diferentes

muestras y en el propio universo de la población infinita.

Esa es la base del método de Gumbel (distribución de valores extremos tipo I), en el cual se

calcula P por la siguiente relación:

P1eey

y p p 0.45  p

0.

Donde p
es la media de las “n” precipitaciones máximas, P es la probabilidad de que una

precipitación máxima diaria de un año cualquiera sea mayor o igual a la precipitación p, y σ p

la desviación estándar de las “n” precipitaciones máximas.

11
La expresión de y muestra que existe una relación lineal entre él y el valor de p; esa recta

puede ser diseñada conociéndose:

pp Sp  pp2 n n1

El eje donde están marcados los valores de y puede ser graduado en tiempos de retorno a
través

1
T
de la relación P y de esta manera, a cada precipitación le corresponde un período de retorno;

conociéndose a este como papel de distribución Gumbel.

El método de Gumbel es de fácil aplicación y se basa sólo en dos parámetros, la media y la

desviación estándar, mientras que otros métodos incluyen el coeficiente de asimetría.

2.5.1.3.Distribución Pearson III y Log-Pearson III

La distribución Pearson III posee las características de ser asimétrica y no negativa, lo que la

hace adecuada para describir las precipitaciones máximas; es una distribución de tres

parámetros. La media, desviación estándar y el coeficiente de asimetría, son definidos por las

siguientes relaciones:

p  p Sp  pp2 n n1

cp  pp3 2  np3 3npp232np3

2Sppp n(n1)(n2)Sp

La función de densidad de probabilidad y la función de probabilidad acumulada están dadas

por:
p

(p )1e 
f (p)  
)
(
p

12
 p (p)1e 

P(P p) F(p)  0 () dp

Donde:

p
α = parámetro de posición:

 
Sp β =
parámetro de escala:
2
cp 
 γ
= parámetro de forma:

2.5.2. Métodos hidrometeorológicos

2.5.2.1.Transformación lluvia-escorrentía

Aparicio (1993), refiriéndose a las relaciones lluvia-escurrimiento dice que, es sumamente

común que no se cuente con registros adecuados de escurrimiento en el sitio de interés para

determinar los parámetros necesarios para el diseño y operación de las obras hidráulicas. En

general los registros de precipitaciones son más abundantes que los de escurrimiento y,

además, no se afectan por cambios en la cuenca, como construcción de obras de

almacenamiento y derivación, talas, urbanización, etc. Por ello, es conveniente contar con

métodos que permitan determinar el escurrimiento en una cuenca mediante las características

de la misma y la precipitación. Las características de la cuenca se conocen por planos

topográficos y de uso de suelo, y la precipitación a través de mediciones directas en el caso de

predicción de avenidas frecuentes, o bien usando los métodos de análisis de datos de

precipitación en el caso de avenidas de diseño.

Los principales parámetros que intervienen en el proceso de conversión de lluvia a

escurrimiento son los siguientes:

13
 - Área de la cuenca.

- Altura total de precipitación.

- Características generales o promedio de la cuenca (forma, pendiente, vegetación, etc.).

- Distribución de la lluvia en el tiempo.

- Distribución en el espacio de la lluvia.

Coaquira (1994), señala que, existen diversas metodologías para la determinación del caudal

de diseño, las más conocidas son en base a los caudales máximos instantáneos registrados o

en función a las precipitaciones máximas registradas en los pluviógrafos. En base a los

primeros

14
los análisis de datos se realiza estocasticamente también con modelos regionalizados;

mientras que con los segundos deterministicamente.

Según Nanía (2003), una vez que se ha estudiado el régimen de precipitaciones de una

cuenca, obtenido una lluvia de diseño asociada a un determinado período de retorno y

estimado las pérdidas con alguno de los modelos disponibles, de manera tal de encontrar la

lluvia neta o efectiva, el paso siguiente es transformar esa lluvia efectiva en escorrentía o

caudal.

Esta transformación puede llevarse a cabo mediante diferentes métodos. El más popular es el

hidrograma unitario, introducido por Sherman en los años 1930. También es posible la

utilización de modelos de depósito y, si el nivel de información es el adecuado, también se

pueden usar modelos basados en las ecuaciones del movimiento del fluido, especialmente en

zonas urbanas.

2.5.2.2.Determinación de la precipitación promedio en la cuenca

Según Chereque (1989), se define isoyeta la línea de igual precipitación. El método consiste

en:

- Trazar las isoyetas, interpolado entre las diversas estaciones, de modo similar a como se

trazan las curvas de nivel.

- Hallar las áreas a1, a2, …, an entre cada dos isoyetas seguidas.

- Si p0, p1, …,pn son las precipitaciones representadas por las isoyetas respectivas, entonces:

p0 p1 pn1 pn

a ... a
1 n
p 2 2 a1
...an

Donde:

p = precipitación media de la cuenca.

15
 2.5.2.3.Reducción de la precipitación según área

U.S. Bureau of Reclamation (1973), menciona que las precipitaciones promedio en cuencas

para ser convertidas en precipitaciones uniformes sobre el área, deben ser afectadas por un

factor de reducción según el área de la cuenca, puesto que una tormenta no precipita sobre

toda el área de la cuenca. Estos factores se pueden observar en el siguiente cuadro.

Cuadro 2.1. Factor de reducción por área (Area reduction factor)

Drainage area (square miles) Reduction factor aplicable H. R. 33 rainfall values

(percent)

1000 10.0

500 10.0

200 11.0

100 13.0

50 15.0

10 20.0

Fuente: U.S. Bureau of Reclamation (1973).

2.5.2.4. Hietogramas de diseño utilizando análisis de eventos de tormenta

Chow et al. (1994), consideran que, analizando los eventos de tormenta observados, puede

determinarse la secuencia temporal de precipitación en tormentas típicas. Huff (1967)

desarrolló relaciones de distribución temporal para tormentas fuertes en áreas de hasta 400

mi2. Los patrones de distribución temporal se desarrollaron para cuatro grupos de

probabilidad, desde los más severos (primer cuartil) hasta los menos severos (cuarto cuartil).

El Soil Conservation Service del U.S. Department of Agriculture (1986) desarrolló

hietogramas sintéticos de tormentas para utilizarse en los Estados Unidos con duraciones de

16
tormentas de 6 y 24 horas. Estos hietogramas se dedujeron al utilizar la información

presentada por Hershfield

(1961) y Miller, Frederick y Tracey (1973) y datos de tormentas adicionales. La tabla presenta

los hietogramas acumulados. Existen cuatro tormentas de 24 horas de duración, llamadas Tipo

I, IA, II y III, respectivamente; localizados geográficamente en los Estados Unidos donde

dichos hietogramas podrían aplicarse. Los Tipos I y IA corresponden al clima marítimo del

Pacífico con inviernos húmedos y veranos secos. El tipo III corresponde al Golfo de México y

las áreas costeras del Atlántico, donde las tormentas tropicales producen lluvias de 24 horas

muy grandes. El Tipo II corresponde al resto del país.

Cuadro 2.2. Distribución de la lluvia SCS (Soil Conservation Service del U.S. Department of
17
 Agriculture-1986)
Tormenta de 24 horas Tormenta de 6 Horas

Pt/P24

Hora t t/24 Tipo I Tipo IA Tipo II Tipo III Hora t t/6 Pt/6

0.00 0.000 0.000 0.000 0.000 0.000 0.00 0.00 0.00

2.00 0.083 0.035 0.050 0.020 0.020 0.60 0.10 0.04

4.00 0.167 0.076 0.116 0.048 0.043 1.20 0.20 0.10

6.00 0.250 0.125 0.206 0.080 0.072 1.50 0.25 0.14

7.00 0.292 0.156 0.268 0.098 0.089 1.80 0.30 0.19

8.00 0.333 0.194 0.425 0.120 0.115 2.10 0.35 0.31

8.50 0.354 0.219 0.480 0.133 0.130 2.28 0.38 0.44

9.00 0.375 0.254 0.520 0.147 0.148 2.40 0.40 0.53

9.50 0.396 0.303 0.550 0.163 0.167 2.52 0.42 0.60

9.75 0.406 0.362 0.564 0.172 0.178 2.64 0.44 0.63

10.00 0.417 0.515 0.577 0.181 0.189 2.76 0.46 0.66

10.50 0.438 0.583 0.601 0.204 0.216 3.00 0.50 0.70

11.00 0.458 0.624 0.624 0.235 0.250 3.30 0.55 0.75

11.50 0.479 0.654 0.645 0.283 0.298 3.60 0.60 0.79

11.75 0.490 0.669 0.655 0.357 0.339 3.90 0.65 0.83

12.00 0.500 0.682 0.664 0.663 0.500 4.20 0.70 0.86

12.50 0.521 0.706 0.683 0.735 0.702 4.50 0.75 0.89

13.00 0.542 0.727 0.701 0.772 0.751 4.80 0.80 0.91

13.50 0.563 0.748 0.719 0.799 0.785 5.40 0.90 0.96

14.00 0.583 0.767 0.736 0.820 0.811 6.00 1.00 1.00

16.00 0.667 0.830 0.800 0.880 0.886

20.00 0.833 0.926 0.906 0.952 0.957

24.00 1.000 1.000 1.000 1.000 1.000

Fuente: U.S. Dep. of Agricultura, Soil Conservation Service, 1973, 1986 (Chow et al.

(1994). 2.5.2.5. Método SCS para abstracciones

18
Chow et al. (1994), afirman que, el Soil Conservation Service (1972) desarrollo un método

para calcular las abstracciones de la precipitación de una tormenta. Para la tormenta como un

todo, la profundidad de exceso de precipitación o escorrentía directa Pe es siempre menor o

igual a la profundidad de precipitación P; de manera similar, después de que la escorrentía se

inicia, la profundidad adicional del agua retenida en la cuenca Fa es menor o igual a alguna

retención potencial máxima S. Existe una cierta cantidad de precipitación Ia (abstracción

inicial antes del encharcamiento) para la cual no ocurrirá escorrentía, luego la escorrentía

potencial es P-Ia. La hipótesis del método del SCS consiste en que las relaciones de las dos

cantidades reales y las dos cantidades potenciales son iguales, es decir,

Fa Pe

S PIa
Del principio de continuidad

PPeIaFa

Combinando las ecuaciones anteriores y resolviendo para Pe se encuentra

(PIa)2
Pe PIaS

La cual es la ecuación básica para el cálculo de la profundidad de exceso de precipitación o

escorrentía directa de una tormenta utilizando el método SCS.

Al estudiar los resultados obtenidos para muchas cuencas experimentales pequeñas, se

desarrollo una relación empírica.

Ia 0.2S
Con base en esto

(P  0.2S)2 Pe 
P 
0.8S

19
Al representar en graficas la información de P y Pe para muchas cuencas, el SCS encontró

curvas. Para estandarizar estas curvas, se define un número adimensional de curva CN, tal que

0CN100. Para superficies impermeables y superficies de agua CN = 100; para superficies

naturales CN<100.

El número de curva y S se relacionan por

1000
S 10
CN
Donde S esta en pulgadas. Los números de curva se aplican a condiciones antecedentes de

humedad (AMC, por sus siglas en inglés) normales (AMC II). Para condiciones secas (AMC

I) o condiciones húmedas (AMC III), los números de curva equivalentes pueden calcularse

por

CN(I) 

CN(III) 

Cuadro 2.3. Clasificación de clases antecedentes de humedad (AMC) para el método de

abstracciones de lluvia del SCS.
Grupo AMC Lluvia antecedente total de 5 días (pulg.)

Estación inactiva Estación de crecimiento

I Menor que 0.5 Menor que 1.4

II 0.5 a 1.1 1.4 a 2.1

III Sobre 1.1 Sobre 2.1

Fuente: Soil Conservation Service, 1972.

En el cuadro anterior se muestra el rango para las condiciones antecedentes de humedad para

cada clase. Los números de curva han sido tabulados por el Soil Conservation Service con

base en el tipo de suelo y el uso de la tierra. Se definen cuatro grupos de suelos:

Grupo A: Arena profunda, suelos profundos depositados por el viento, limos agregados.
20
Grupo B: Suelos poco profundos depositados por el viento, marga arenosa.

Grupo C: Margas arcillosas, margas arenosas poco profundas, suelos con bajo contenido

orgánico y suelos con altos contenidos de arcilla.

Grupo D: Suelos que se expanden significativamente cuando se mojan, arcillas altamente

plásticas y ciertos suelos salinos.

Los valores de CN para varios tipos de uso de la tierra en estos tipos de suelos se dan en

tablas. Para una cuenca hecha de varios tipos de suelos y con diferentes usos de la tierra, se

puede calcular un CN compuesto.

2.5.2.6. Hidrograma unitario (definición e hipótesis básicas)

Nanía (2003), describe que, el método del hidrograma unitario tiene en cuenta, además del

área y la intensidad de la lluvia, como lo hace el método racional, la forma pendiente y

características fisiográficas de la cuenca en estudio, aunque lo hace de forma implícita.

El hidrograma unitario es el hidrograma de escorrentía directa causado por una lluvia efectiva

unitaria de intensidad constante a lo largo de la duración efectiva y distribuida uniformemente

sobre el área de drenaje.

El método se basa en dos hipótesis:

- La respuesta de la cuenca ante el proceso de escorrentía sigue un comportamiento lineal.

Esto significa que son aplicables los principios de proporcionalidad y superposición.

- No se tiene en cuenta la variabilidad temporal de las características de la cuenca, de manera

que una misma lluvia efectiva produce siempre el mismo hidrograma de escorrentía

directa. Según Linsley et al. (1988), sería erróneo que un hidrograma típico bastaría para

una hoya. Aun cuando las características físicas de la hoya permanezcan relativamente

constantes, las características variables de las tormentas producen cambios en la forma de

los hidrogramas resultantes. Las características de una tormenta son la duración de la

21
 lluvia, el patrón de intensidad – tiempo, la distribución espacial de la lluvia y la cantidad de

escorrentía.

Duración de la lluvia. El hidrograma unitario puede emplearse de dos maneras. Se puede

obtener un hidrograma unitario a partir de una lluvia de duración corta (por ejemplo 1 hora), y

dividir en intervalos semejantes precipitación de exceso de todas las tormentas que se van a

aplicar. La otra posibilidad sería obtener una serie de hidrogramas unitarios de la hoya.

Debido a la falta de información en cuanto a distribución horaria de la lluvia, el segundo

método se utilizó comúnmente en las primeras épocas del hidrograma unitario. Teóricamente,

se necesitaría un número infinito de hidrogramas unitarios para cubrir el rango de duraciones.

En realidad, el efecto de pequeñas diferencias en la duración es muy leve y generalmente se

acepta una tolerancia de ±25% en la duración. Por lo tanto, se necesitan únicamente unos

pocos hidrogramas unitarios. Cuando se busca una solución en un computador se prefiere un

hidrograma para una duración corta.

Patrón de intensidad-tiempo. Si se trata de obtener un hidrograma unitario para cada patrón

intensidad-tiempo, se necesitaría un número infinito de hidrogramas unitarios. En la práctica,

los hidrogramas unitarios se pueden basar en la suposición única de intensidad uniforme de

lluvia. Sin embargo, durante la tormenta se reflejaran en la forma del hidrograma resultante

grandes variaciones en la intensidad de la lluvia (y por lo tanto en la tasa de escorrentía). La

escala de tiempo para la cual las variaciones en la intensidad son críticas depende

principalmente del tamaño de la hoya. Los aguaceros de corta duración pueden ser causa de

picos definidos en los hidrogramas de hoyas cuya área es de apenas unas pocas hectáreas,

mientras que en hoyas de algunos cientos de kilómetros cuadrados se requerirán cambios en

intensidad con duración de horas para causar efectos significativos en el hidrograma. Si los

hidrogramas unitarios para una hoya son aplicables a tormentas de duración más corta que el

tiempo crítico para la hoya, los hidrogramas para tormentas con mayor duración se pueden
22
sintetizar de una manera sencilla. Una duración básica, de aproximadamente un cuarto del

tiempo de retardo de la hoya, se considera satisfactoria.

Distribución espacial de la escorrentía. El patrón espacial de la escorrentía puede ser causa

de variaciones en la forma del hidrograma. Si la zona de alta escorrentía está cerca de la salida

de la hoya, el resultado será una rápida crecida, un pico corto y una recesión rápida. Si la zona

de alta escorrentía está en la parte alta de la hoya, la creciente y la recesión serán lentas y el

pico tendrá mayor duración. Se han desarrollado hidrogramas unitarios para patrones

específicos de distribución espacial de la escorrentía, por ejemplo, concentrada en la parte de

aguas arriba o aguas abajo o uniforme. Sin embargo, esto no es totalmente satisfactorio dada

la subjetividad de la clasificación. Una solución mejor consiste en aplicar el método de los

hidrogramas unitarios únicamente a hoyas suficientemente pequeñas, asegurando de esta

manera que las variaciones espaciales esperadas no serán de magnitud suficiente para que

originen cambios grandes en la forma del hidrograma. El tamaño límite de la hoya está

determinado por la exactitud deseada y las características climáticas regionales. Sin embargo,

en general, los hidrogramas unitarios no pueden utilizarse para hoyas cuya área sobrepase los

5000 km2 (2000 mi2), a menos que sea aceptable una exactitud inferior. Lo anterior no es

aplicable a variaciones en la lluvia causada por la topografía de la hoya, puesto que estos

patrones de lluvia se pueden considerar como características relativamente fijas de la hoya.

Son las variaciones del patrón normal las causantes de problemas.

Cantidad de escorrentía. Inherente a la suposición de un hidrograma unitario lineal está la

suposición de que las ordenadas de flujo son proporcionales al volumen de escorrentía para

todas las tormentas de una duración dada y que el tiempo base de todos estos hidrogramas es

igual. Como es obvio, esta suposición no es completamente válida puesto que, dado el

carácter de las curvas de recesión, la duración de las mismas debe ser función de la descarga

pico. Además, los hidrogramas unitarios de tormentas de la misma duración pero de diferente

magnitud, no siempre coinciden. Los hidrogramas unitarios obtenidos a partir de tormentas

23
menores son, en general, más bajos que aquellos obtenidos a partir de grandes tormentas. Esto

puede ser debido a que los eventos menores contienen menos escorrentía superficial y

relativamente más escorrentía subsuperficial y agua subterránea que los eventos mayores, o

debido a que el tiempo de viaje en los canales es mayor para descargas bajas.

2.5.2.7. Hidrogramas unitarios sintéticos.

Nanía (2003), señala que, el hidrograma unitario calculado a partir de la información de lluvia

y caudal de una cuenca se aplica solamente a la cuenca y al punto del cauce en donde se

midieron los caudales. Los hidrogramas unitarios sintéticos se utilizan para calcular

hidrogramas unitarios en otros puntos del cauce dentro de la misma cuenca, o bien, en

cuencas adyacentes de carácter similar. Existen tres tipos de hidrogramas unitarios sintéticos:

- Los que relacionan las características del hidrograma unitario con las características de la

cuenca (Snyder, Gray).

- Los basados en hidrogramas unitarios adimensionales (SCS).

- Los basados en modelos de almacenamiento y tránsito de la cuenca (Clark).

2.5.2.8. Hidrograma adimensional SCS

Según Chow et al. (1994), el hidrograma adimensional SCS es un hidrograma unitario

sintético en el cual el caudal se expresa por la relación del caudal “q” con respecto al caudal

pico “qp” y el tiempo por la relación del tiempo “t” con respecto al tiempo de ocurrencia del

pico en el hidrograma unitario, “Tp”. Dados el caudal pico y el tiempo de retardo para la

duración de exceso de precipitación, el hidrograma puede estimarse a partir del hidrograma

sintético adimensional para la cuenca dada. Los valores de “qp“ y “Tp“ pueden estimarse

utilizando un modelo simplificado de un hidrograma unitario triangular tal como se muestra

en la figura, en donde el tiempo está dado en horas y el caudal en m 3/s-cm (Soil Conservation

Service, 1972).

24
Figura 2.2 Hidrograma unitario sintético triangular del Soil Conservation Service. (Fuente:
Chow et al. (1994)).

0.5tr tp
Exceso de precipitación

Escorrentía directa

tr

qp

Tp 1.67T p

tp

En base en la revisión de un gran número de hidrogramas unitarios, el Soil Conservation

Service sugiere que el tiempo de recesión puede aproximarse como 1.67 T p. Como el área

bajo el hidrograma unitario debería ser igual a la escorrentía directa de 1 cm (o 1 pulg.),

puede demostrarse que

CA qp 

Tp

Donde

C = 2.08 y A es el área de drenaje en kilómetros cuadrados.

Adicionalmente, un estudio de los hidrogramas unitarios de muchas cuencas rurales grandes y

pequeñas indica que el tiempo de retardo tp = 0.6 Tc, donde Tc es el tiempo de concentración

de la cuenca. Como se muestra en la figura, el tiempo de ocurrencia del pico T p puede

expresarse en términos del tiempo de retardo tp y de la duración de la lluvia efectiva tr.

25
 tr tp
Tp  
2
2.5.2.9. Tiempo de concentración

Chow et al. (1994), realizaron un resumen de las ecuaciones de tiempo de concentración.

Kirpich (1940)

tc  0.0078L0.77S0.385

Donde:

L = longitud del canal desde aguas arriba hasta la salida, pies.

S = pendiente promedio de la cuenca, pies/pie.

Observaciones: Desarrollada a partir de información del SCS en siete cuencas rurales en

Tennessee con canales bien definidos y pendientes empinadas (3 a 10%); para flujo

superficial en superficies de concreto o asfalto se debe multiplicar tc por 0.4; para canales de

concreto se debe multiplicar por 0.2; no se debe hacer ningún ajuste para flujo superficial en

suelo descubierto o para flujo en cunetas.

California Culverts Practice (1942)

11.9L3 0.385

tc  60 H 


Donde:

L = longitud del curso de agua más largo, mi.

H = diferencia de nivel entre la divisoria de aguas y la salida, pies.

Observaciones: Esencialmente es la ecuación de Kirpich; desarrollada para pequeñas

cuencas montañosas en California. Ecuación de retardo SCS (1973)

26
tc  100L0.819001000CNS 0.590.7

Donde:

L = longitud hidráulica de la cuenca (mayor trayectoria de flujo), pies.

CN = número de curva SCS.

S = Pendiente promedio de la cuenca, %.

Observaciones: Ecuación desarrollada por el SCS a partir de información de cuencas de uso

agrícola; ha sido adaptada a pequeñas cuencas urbanas con áreas inferiores a 2000 acres; se ha

encontrado que generalmente es buena cuando el área se encuentra completamente

pavimentada; para áreas mixtas tiene tendencia a la sobreestimación; se aplican factores de

ajuste para corregir efectos de mejoras en canales e impermeabilización de superficies; la

ecuación supone que tc = 1.67*retardo de la cuenca.

Coaquira (1994), describe las siguientes formulas de tiempo de concentración:

Formula de Ven Te Chow

tc  0.274 SL1/ 2 0.64

Donde:

tc = tiempo de concentración (horas).

L = longitud del curso principal (km).

S = pendiente media del curso principal (m/m).

Formula del U.S. Corps of Engineers

0.76

tc  0.280 SL1/ 4 

27
 

Donde:

tc = tiempo de concentración (horas).

L = longitud del curso principal (km).

S = pendiente media del curso principal (m/m).

Modelo meteorológico

Calculo de la profundidad de precipitación media areal

Según US Army Corps of Engineers (2000), la profundidad de precipitación requerida en la

cuenca puede ser deducida desde las profundidades en las estaciones utilizando un esquema

promedio. Así

PMAP   w  pt
i i i

w i i

Donde

PMAP = profundidad de precipitación media areal total de tormenta sobre la cuenca.

pi(t) = profundidad de precipitación medida en el tiempo t en la estación i. wi =

factor de ponderación asignado a la estación u observación i.

Si en la estación i no está un dispositivo de registro, solamente la cantidad

∑𝑝𝑖(𝑡)

La precipitación total de tormenta en la estación i, estará disponible y utilizada en el cálculo.

Los métodos comunes para determinar los factores de ponderación por estación para el

cálculo de la profundidad media de precipitación media areal incluyen:

Media aritmética.

Polígono de Thiessen.
28
Isoyetas.

Distribución temporal de la precipitación

El US Army Corps of Engineers (2000), menciona que para calcular un hidrograma, que

represent las variaciones del flujo con el tiempo, información acerca de las variaciones de la

precipitación media areal con el tiempo deben ser suministradas. Para hacer así con HEC-

HMS, un patrón de precipitación con ordenadas, p pattern(t) es definido y la distribución

temporal de la profundidad de precipitación media areal es calculada como

𝑝𝑝𝑎𝑡𝑡𝑒𝑟𝑛(𝑡)

𝑝𝑀𝐴𝑃(𝑡) = [∑𝑡 𝑝𝑝𝑎𝑡𝑡𝑒𝑟𝑛(𝑡)]𝑃𝑀𝐴𝑃

Donde:

pMAP(t) = precipitación media areal en la cuenca en el tiempo t.

Como con la profundidad total de tormenta, el patrón puede ser deducido desde observaciones

de estación con un esquema de ponderación

𝑝𝑝𝑎𝑡𝑡𝑒𝑟𝑛

Donde:

pi(t) = precipitación medida en la estación i en el tiempo t. w i(t) =

factor de ponderación asignado a la estación i en el tiempo t.

En este cálculo, solamente estaciones registradoras son utilizadas.

2.5.2.10. Método de Mac Math

El Método de Mac Math la podemos utilizar de las siguientes maneras.

2.5.2.10.1. Determinación de la intensidad máxima de lluvia a partir de la precipitación

máxima de 24 horas.

La formula de Mac Math, en el sistema métrico, es la siguiente:

29
 Q=0.0091CIA4/5S1/5

Donde:

Q= caudal máximo con un periodo de retorno de T años, en m3/s

C= Factor de escorrentía de mac Math, representa las características de la cuenca

I= Intensisdad máxima de la lluvia, para una duración igual al tiempo de concentración t c y un

periodo de retorno de T años, mm/hr.

A= area de la cuenca en has.

S= pendiente promedio del cauce principal, en o/oo

De los parámetros que intervienen en esta formula, sobre el que se tiene que incidir, es sobre

el factor C, el cual compone de tres componentes, es decir:

C=C1+C2+C3

Donde:

C1= está en función de la cobertura vegetal

C2= esta en función de la textura del suelo

C3= esta en función de la topografía del terreno

Cuadro 2.4.Factor de escorrentía de Mac Math

Vegetación Suelo Topografía

Cobertura (%) C1 Textura C2 Pendiente (%) C3

100 0.08 Arenoso 0.08 0.0-0.2 0.04

80-100 0.12 Ligera 0.12 0.2-0.5 0.06

50-80 0.16 Media 0.16 0.5-2.0 0.06

20-50 0.22 Fina 0.22 2.0-5.0 0.10

0-20 0.3 Rocosa 0.3 5.0-10.0 0.15

30
 2.5.2.10.2. Método de Mac Math, utilizando precipitación máxima de 24 horas

El análisis de máximas avenidas para las cuencas de nivel 7 se han Obtenido

haciendo uso del modelo empírico de Mac Math cuya fórmula se indica a

continuación:

Qmax=10-3CxPxA0.58I0.42
Donde:

C = Coeficiente de escorrentía

P = Precipitación máxima en 24 horas (mm)

A = Área de la cuenca (ha)

I = Pendiente del curso principal ( m/Km)

31
 III. MATERIALES Y MÉTODOS

3.1.Ubicación del área en estudio.

La sub cuenca del río Ayaviri tiene un área de 370 635 Has. con un perímetro de 351.85 km,

su parte más elevada está en la cota 5,100 msnm en el cerro Sapansalla y su parte más baja se

ubica en la cota 3,825 msnm donde el río Ayaviri confluye con el río Azángaro, se ubica entre

las coordenadas Este de 300,814 a 375,340 y Norte de 8’301,125 a los 8’377,292.

La longitud total del río principal es de 152 km resultando una pendiente mínima de 0.017%

en las partes bajas a 0.05% en las partes altas, presenta una dirección Sureste y tiene forma

trapezoidal. El número de orden de la cuenca es 6 y su altura media es de 4,084 msnm. La

intercuenca presenta un drenaje medio a grueso especialmente en la parte baja, esta

observación se realizó en un plano a escala 1:100,000.

Los ríos principales de la intercuenca son: el río Cahuasiri – Puncu Puncu, Vilacarca,
Umachiri,

Condromilla; Actani, Vilcamayo, Machacmarca y Sora y como laguna principal es la laguna

de

Tantani. La precipitación total que presenta la intercuenca Ayaviri tiene un promedio anual de

673 mm y se distribuyen de manera desigual durante el año produciéndose las mayores

precipitaciones en los meses de Noviembre a abril. El caudal medio anual del río Ayaviri es

de

28.2 m3/s según la estación hidrométrica limnimétrica de Ayaviri (Puente Ayaviri), variando
de

76.6 m3/s en el mes de marzo a 3.4 m3/s para el mes de setiembre. En esta cuenca se realizaron

144 puntos de aforo y se tiene 01 punto planteado para su monitoreo obligatorio la misma que

se ubica en el sector denominado Achaya antes de su confluencia con el río Azángaro y 04

puntos de aforo como de segundo orden de prioridad ubicados en la salida del río Umachiri en

el puente Encantada, Puente Ayaviri, Ventilla y Puente Pucara.

32
 3.2.Vías de comunicación

La principal arteria en la cuenca del río Ramis es la vía que une las capitales de las Regiones

de Puno y Cusco con una longitud pavimentada dentro de la cuenca de762 kms. Esta se

constituye en un eje de desarrollo dado que atraviesa los poblados de Calapuja, Pucara,

Ayaviri, Chuquibambilla y Santa Rosa. Esta vía es clasificada como una vía de 2 do orden y

tiene una dirección de sur a norte.

Luego se cuenta con otra vía denominada carretera transoceánica la misma que une las

capitales de las regiones de Puno y Puerto Maldonado, esta presenta tramos pavimentados y

afirmados estando actualmente en proceso de ejecución. Esta carretera pasa por los pueblos de

Azángaro, Asillo, Progreso, San Antón, Antauta y Macusani dentro de la cuenca. Esta vía es

clasificada como una vía de 2do y 3er orden y tiene una dirección de Oeste a Noreste.

Del mismo modo se puede encontrar dentro de la cuenca carreteras de 3 er y 4to orden que unen

las capitales de distrito y otros pueblos de importancia y entre ellas podemos citar como las

más importantes : La carretera entre Ayaviri y Azángaro, Chuquibambilla – Ocuviri, Ayaviri

– Ananea, Ananea – Crucero, Ayaviri – Nuñoa, etc.

También la cuenca presenta caminos de herradura que permiten la conexión entre los
er
poblados menores y otras que derivan de las carreteras de 3 orden y las complementan

adecuadamente. Finalmente se cuenta con la vía férrea que une las capitales de las regiones de

Puno y Cusco que es de propiedad de PERU Rail S.A. atravesando poblados como Santa

Rosa, Chuquibambilla, Ayaviri, José Domingo Choquehuanca y Calapuja.

En el cuadro Nro. 1 podemos apreciar las distancias entre las principales localidades del

departamento de Puno. Para poder realizar el mapa de Vías se utilizo la convención del

Ministerios de Transportes.

33
 3.3.Demografía

En la intercuenca de Ayaviri 63,477 habitantes. La densidad poblacional varía de 69.9

hab/km2 para la provincia. Este rango define a la zona de estudio como una zona de mediana

densidad que corresponde a ámbitos que tienen a la actividad agropecuaria como base de

desarrollo. Evidentemente las más altas densidades se dan en las provincias donde la principal

actividad es el comercio como en los casos de San Román, Azángaro, Huancane y Melgar.

3.4.Hidrografía

La sub cuenca del río Ayaviri es aportante importante de la cuencas aportantes al lago

Titicaca con 370, 635 Has. de extensión y un perímetro de 351.851 km, su parte más alta

tiene una cota de 5,100 msnm y se ubica en el cerro Sapansalla y su parte más baja en

elpunto de aforo en el puente de Ayaviri en una altura de 3,825 msnm. La configuración de la

sub cuenca del rio Ayaviri es la de una hoya hidrográfica de fondo plano, la pendiente media

de la cuenca es de 0.08 por lo que las velocidades del agua en el río en época de estiaje son

mínimás favoreciendo los procesos de sedimentación y presentando meandros en las partes

bajas de la cuenca. Tiene forma trapezoidal cuya base menor corresponde a la cuenca en su

confluencia con el lago Titicaca y su base mayor a las cuencas de Crucero con dirección Sur-

Este y la cuenca de Llallimayo por otro lado con dirección Oeste – Sur. El número de orden

de la cuenca es 7 deducido con planos digitalizados a escala 1:100.000 y su altura media es de

4,292 msnm. (PELT) La longitud total del río Ayaviri es de 152 km. La topografía plana que

presenta la cuenca dio origen a numerosas lagunas muchos de los cuales son alimentados por

los deshielos de los nevados y otros alimentados por las escorrentías y precipitaciones

pluviales representan así un potencial hídrico para su regulación.

En general la cuenca presenta textura fina a media, y en algunas zonas presenta drenaje

desordenado por sus bajas pendientes, esta fue observada en un plano a escala 1:100,000.

34
 3.5.Hidrología

Las precipitaciones totales que presenta la sub cuenca del Ayaviri tienen un promedio anual

de 673 mm y se distribuyen de manera desigual durante el año produciéndose las mayores

precipitaciones en los meses de Noviembre a abril. El caudal medio anual del río Ayaviri

según la estación hidrométrica de Ayaviri (Puente Ayaviri) es de 28.8 m 3/s, variando de 76.6

m3/s en el mes de marzo a 3.4m3/s para el mes de setiembre.

El coeficiente medio anual de escorrentía para la cuenca es de 0.23, resultando un caudal

especifico de 4.85 l/s/ km2.

Grafico 3.1. Isolíneas de precipitación total anual de la cuenca del Titicaca

3.6. Información climática y e cológica

Para el caso del Altiplano del departamento de Puno las características climatológicas

(termopluviales), juegan un papel importante ya que son causa de la existencia de graves

problemas, representados principalmente por la sequías y heladas.

35
El clima general corresponde al tipo semi seco y frío, con estaciones de Otoño e Invierno

carentes de lluvias y sin cambio térmico invernal definido, sin embargo es posible establecer

04 variantes climáticas que si bien no se diferencian grandemente, adquieren una gran

importancia dentro del patrón climático en general.

Sub – Tipo Climático “A” Circunlacustre:

Corresponde al área que bordea al lago Titicaca y la laguna Arapa, el origen de esta variante

climática se encuentra en la acción termorreguladora del lago Titicaca, la cual consiste en la

absorción del calor durante las horas de sol y su perdida lenta en las noches, permitiendo que

los vientos del SE, que soplan sobre el agua, se calientan y humedezcan, elevando y

manteniendo constantemente a temperaturas, cuyo promedio oscilan entre 9.5 ºC y 5.5 ºC.

Este sub-tipo climático es el más favorable de todos para las actividades agrícolas, divido a

que el fenómeno descrito evita las caídas de las temperaturas mínimas.

La humedad relativa presenta una variación uniforme durante el año, su valor medio oscila

alrededor de 60 a70%, el cual es bastante adecuado para el Altiplano, constituyendo la más

clara comprobación de las condiciones climáticas favorables, ya que este factor meteorológico

es un verdadero termo-regulador medio ambiental.

El total de horas de sol alcanza su máximo valor, de 280 horas, durante los meses Invernales,

aunque en esta época la radiación solar no es la máxima debido al ángulo de incidencia de los

rayos solares.

Con respecto a los datos estos muestran una variación y distribución media anual muy

uniforme. En primavera y verano, el cielo permanece parcial de 5/8 a 8/8, mientras que en

otoño e invierno se tiene frecuentemente un cielo despejado.

Sub – tipo Climático “b” Puna Húmeda

En esta sub-zona, el medio ambiente tiene temperaturas máximas y mínimas promedio de

13ºC y 6ºC. Respectivamente, el rango de oscilación indica que las temperaturas sufren

fuertes descensos ocasionado la presencia de heladas más o menos intensas, aunque de menor
36
frecuencia y con un período de ocurrencias más corto que las que se producen en el tipo

subclimático “C” . Las características principales de esta variante climática indica la

existencia, durante todo el año, de condiciones ambientales bastante favorables para el

desarrollo de las explotaciones agropecuarias. Se caracterizan por que recibe mayor cantidad

de precipitación, que llega a los 760 mm., En promedio anual.

La evaporación es muy irregular en su variación y distribución anual, con excepción de los

últimos cuatro meses del año, durante los cuales se observan una cierta variación

termoevaporimétrica. La razón de este fenómeno parece ser la presencia de esporádicas

corrientes de vientos fuerte durante los primeros ocho meses del año.

Sub – tipo climático “C” o clima de Altiplano

Este impera sobre los extensos pastizales, donde las temperaturas promedio máxima y mínima

están alrededor de los 13ºC y 3ºC., respectivamente, comprendiendo un amplio rango de

oscilación.

En consideración a estas características, se puede afirmar que en este sub-tipo climático las

heladas son de fuerte intensidad y que abarcan un período de ocurrencias, por lo que la

agricultura debe estar supeditada exclusivamente a plantas resistentes a temperaturas bajas.

No obstante, la fotografía, los suelos y las buenas especies de pastos naturales constituyen

muy buenas para el desarrollo de la ganadería de tipo lanar y fibra

La humedad relativa tiene una variación y distribución anual bastante uniforme, con una

media mensual que varia alrededor de 65%. La nubosidad media oscila entre un máximo de

6/8 a un mínimo de 2/8.

Sub – tipo climático “D” o clima de las alturas

Corresponde a todas las zonas de altura, de topografía sumamente accidentada, con suelos

erosionados y con vegetación natural muy pobre. Existe poca información meteorológica en

estas áreas, sin embargo se estima que la temperatura promedio es sumamente baja oscilando
37
entre 0 ºC y 6 ºC., clara indicación de que las heladas son intensas y muy frecuentes, durante

todo el año. Debido a estas condiciones, el área es agrícolamente casi improductiva,

prosperando solo la ganadería de tipo autóctono. Aunque existe poca información

meteorológica pero se estima que el promedio anual debe ser de alrededor de los 800 mm.

3.7.Información geológica y de suelos.

En la situación Geológica Regional se distingue una variada gama de rocas sedimentarias,

ígneas y metamórficas cuyas edades varían desde las épocas primarias hasta períodos

relativamente cercanos. Los afloramientos que ocupan mayores extensiones en el área

pertenecen al Cenozoico y siguen el orden descendente a las unidades correspondientes al

Mesozoico y Paleozoico.

La región considerada las regiones circunvecinas, han estado sometidas, a través de diversos

períodos geológicos, a movimientos orogenéticos y epirogenéticos actualmente testificados

por el número de fallas existentes en sus áreas. Asimismo intensos, procesos estructurales,

debido a esfuerzos de comprensión y tensión, han originado estructuras complejas – sobre

escurrimientos, sinclinoríos, grandes fallas, etc. Que destacan particularmente en la zona Pirin

Putina. Intrusiones diversas de másas ígneas, tanto hipabisales como plutónicas, que han

producido no solo metamorfismo y cambio en la posición original de las rocas preexistentes si

no también instrucciones de composición intermedia que, por lo general, se encuentran

estrechamente relacionados al potencial minero del sector.

Las formaciones geológicas aflorantes, se extienden longitudinalmente a lo largo de la

Cordillera Oriental, hacia el Sur y Norte; caracterizadas por la presencia densa de diques de

cuarzo auríferos, llegando a constituir yacimientos de oro explotables como los casos de la

Rinconada en Ananea y Oscocachi en Ollache.

3.8. Información Cartográfica.

38
Para la generación de caudales máximos de la sub cuenca del río Ayaviri se utilizó además del

mapa base de escala 1/50 000:

El mapa base estuvo compuesto por:

 Límites de micro cuencas (divortium acuarum)

 Curvas de nivel a cada 50 metros.

 Red hidrográfica.

3.9.Información hidrometeorológica

La información hidrometeorológica utilizada consistió en:

 Precipitación máxima en 24 horas.

 Caudal máximo mensual del río Ayaviri, de la estación Puente Ayaviri.

3.10. Equipos y materiales para el procesamiento.

Los equipos y materiales utilizados en el procesamiento e impresión son:

 Hardware: Computadora, Impresora y accesorios.

 Software: Office 2010, Autocad 2013, Arc Gis 10.0, HIDROESTA, Minitab 16.

 Materiales de escritorio.

3.11. Metodología

Los datos hidrometeorologicos se han obtenidos por la Dirección Regional del Servicio

Nacional de Meteorología e Hidrología de Puno los mismos que se encuentran en el

ANEXOS del presente trabajo. Con los cuales se procederá a aplicar las diferentes

distribuciones de los métodos probabilísticos y también la aplicación de la formula empírica

(MacMath) que se describe a continuación:

39
3.11.1. Análisis de consistencia de la información hidrométrica y meteorológica

El análisis de consistencia es una técnica que permite detectar, corregir y eliminar

errores sistemáticos y aleatorios que se presentan en series hidrométricas; en
consecuencia la serie analizada debe ser homogénea, consistente y confiable.

La no homogeneidad e inconsistencia en series hidrológicas son causadas por errores

aleatorios y sistemáticos; entre ellas se tiene:
• Los errores aleatorios se presenta a causa de la inexactitud en las mediciones,
mala lectura, mal funcionamiento del instrumento, errores de copia, etc.

• Los errores sistemáticos son los de mayor importancia, como consecuencia de

los mismos, los datos pueden ser incrementados o reducidos sistemáticamente
y pueden ser naturales, (derrumbes, colmatación y erosión de la sección
transversal de la estructura de la estación de aforo; en general llamados como
desastres naturales); artificiales y ocasionados por la mano del hombre (déficit
en la toma de datos, cambio de la estación de aforo, construcción de estructuras
hidráulica, explotación de aguas subterráneas, tala de árboles, etc).

La no homogeneidad e inconsistencia en la serie histórica puede producir errores

significativos en todo los análisis futuros y obtendría resultados altamente sesgados.

La no homogeneidad e inconsistencia en la serie histórica se presentan en forma de

saltos y/o tendencias. Antes de realizar el modelamiento matemático de cualquier serie
hidrológica es importante efectuar el análisis de consistencia respectivo con el fin de
obtener una serie homogénea, consistente y confiable.

Los saltos “Jump” llamados también resbalamientos, son componentes determinísticas

transitorias que se manifiestan en forma de cambios bruscos haciendo posibles que en
la serie se presentan periodos de distinto comportamiento. Los saltos generalmente se
presentan en la media y desviación estándar.

Análisis de saltos:

El análisis de saltos se realiza desde tres puntos de vista:

• Análisis Visual de Hidrogramas.
• Análisis de doble masa.

40
 • Análisis estadístico.

a. Análisis visual de hidrógrafas.

Consiste en analizar visualmente la información histórica un hidrograma ploteada en

coordenadas cartesianas, en el eje de las abscisas se plotea el tiempo (en años o meses)
y en el eje de las ordenadas las variables hidrometeorológicas. La apreciación visual
de estos gráficos permite observar la distribución de las variables en estudio con
respecto al tiempo, e indicar el periodo o periodos dudosos, lo cual se puede reflejar
como saltos y/o tendencias.

Para indicar en este primer análisis los periodos y aceptables se puede analizar en
diversas formas:

• Cuando se tiene estaciones vecinas, se comparan sus hidrogramas y se ve cual

periodo varia notoriamente uno respecto al otro.

• Cuando se tiene una sola estación, esta se divide en varios periodos y se

compara con la información obtenida en campo, tratando de no confundir un
salto con la ocurrencia de varios periodos húmedos o prolongadas sequías.

• En lo posible se debe mantener el periodo más largo como la más confiable.

3.11.2. Métodos probabilísticos para el análisis de máximas avenidas

3.11.2.1. Distribución Log-normal

Es una distribución para una variable aleatoria cuyos logaritmos siguen una distribución

normal, con parámetros μ y σ. Los datos hidrológicos, a veces, tienen una distribución

fuertemente asimétrica y en general en esos casos una transformación logarítmica la convierte

en una distribución normal. Así la función de densidad y la función de distribución acumulada

de probabilidad son:

1 12

y2 f (y)  e

 2
41
 y 1 y2

P(Y  y) F(y)   1 e2   dy

  2
Donde:

Y = variable aleatoria.

y = logaritmo de la variable aleatoria. µ y σ = parámetros de la

función de densidad de probabilidad normal.

3.11.2.2. Distribución de Gumbel

Esa es la base del método de Gumbel (distribución de valores extremos tipo I), en el cual se

calcula P por la siguiente relación:

P1eey

yp p 0.45p
0.

p
Donde es la media de las “n” precipitaciones máximas, P es la probabilidad de que una

precipitación máxima diaria de un año cualquiera sea mayor o igual a la precipitación p, y σ p

la desviación estándar de las “n” precipitaciones máximas.

La expresión de y muestra que existe una relación lineal entre él y el valor de p; esa recta

puede ser diseñada conociéndose:

pp Sp  pp2 n n1

El eje donde están marcados los valores de y puede ser graduado en tiempos de retorno a
través

1
T

42
 P
de la relación y de esta manera, a cada precipitación le corresponde un período de retorno;

conociéndose a este como papel de distribución Gumbel.

El método de Gumbel es de fácil aplicación y se basa sólo en dos parámetros, la media y la

desviación estándar, mientras que otros métodos incluyen el coeficiente de asimetría.

3.11.2.3. Distribución Pearson III y Log-Pearson III

La distribución Pearson III posee las características de ser asimétrica y no negativa, lo que la

hace adecuada para describir las precipitaciones máximas; es una distribución de tres

parámetros. La media, desviación estándar y el coeficiente de asimetría, son definidos por las

siguientes relaciones:

 p pp2 p Sp 
n n1

43
 cp  pp3 2  np3 3npp232np3

2Sppp n(n1)(n2)Sp

La función de densidad de probabilidad y la función de probabilidad acumulada están dadas

por:
p


(p  )1e  f (p) 

)
(
p p


P(P p) F(p)  )(1e)  dp (p

0

Donde:

p α
= parámetro de posición:

β = parámetro de escala: Sp  

2
c
p 

γ = parámetro de forma:

3.11.2.4. Método de Mac Math

El Método de Mac Math la podemos utilizar de las siguientes maneras.

3.11.2.4.1. Determinación de la intensidad máxima de lluvia a partir de la

precipitación máxima de 24 horas.

La formula de Mac Math, en el sistema métrico, es la siguiente: Q=0.0091CIA4/5S1/5

Donde:

Q= caudal máximo con un periodo de retorno de T años, en m3/s

C= Factor de escorrentía de mac Math, representa las características de la cuenca

I= Intensisdad máxima de la lluvia, para una duración igual al tiempo de concentración t c y un

periodo de retorno de T años, mm/hr.

A= area de la cuenca en has.

42

S= pendiente promedio del cauce principal, en o/oo

De los parámetros que intervienen en esta formula, sobre el que se tiene que incidir, es sobre

el factor C, el cual compone de tres componentes, es decir:

C=C1+C2+C3

Donde:

C1= está en función de la cobertura vegetal

C2= esta en función de la textura del suelo

C3= esta en función de la topografía del terreno

Cuadro 3.1.Factor de escorrentía de Mac Math.

Vegetación Suelo Topografía

Cobertura (%) C1 Textura C2 Pendiente (%) C3

100 0.08 Arenoso 0.08 0.0-0.2 0.04

80-100 0.12 Ligera 0.12 0.2-0.5 0.06

50-80 0.16 Media 0.16 0.5-2.0 0.06

20-50 0.22 Fina 0.22 2.0-5.0 0.10

0-20 0.3 Rocosa 0.3 5.0-10.0 0.15

Fuente: Maximo V. Bejar “Hidrología estadística”

a. Determinación de la intensidad máxima de lluvia a partir de la precipitación

máxima de 24 horas

La intensidad o altura de lluvia por hora se ha estimado mediante la fórmula de Yance

Tueros ampliamente utilizado en el medio, la cual está dada por:

45
 Ihora  C(Pmáx24horas)n

Donde:

C = 0,4602
n = 0,875

Pmax 24 horas = Precipitación máxima en 24 horas (mm)

I hora = Intensidad máxima (mm/h).

3.11.2.4.2. Método de Mac Math, utilizando precipitación máxima de 24 horas El

análisis de máximas avenidas para las cuencas de nivel 7 se han obtenido haciendo uso del

modelo empírico de Mac Math cuya fórmula se indica a continuación:

Qmax=10-3CxPxA0.58I0.42

Donde:

C = Coeficiente de escorrentía

P = Precipitación máxima en 24 horas (mm)

A = Área de la cuenca (ha)

I = Pendiente del curso principal ( m/Km)

46
 IV. RESULTADOS Y DISCUSION
Los resultados obtenidos al aplicar la metodología del capítulo anterior y así como su
discusión, se presentan a continuación.

4.1. Formación de la serie anual de caudales y precipitación.

La serie histórica de caudales máximos mensuales y anuales del rio Ayaviri se presenta en el
Cuadro 4-1, y las series históricas de precipitación máxima de 24 horas de las estaciones de
Ayaviri y Chuquibambilla se presentan en los Cuadro 4-2 y 4-3; los mismos pertenecen al
Servicio Nacional de Meteorología e Hidrología (SENAMHI) y fueron obtenidos de la tesis
de
TITO CAMI LUIS INOC, “Calibración del modelo Lutz Schols en la Sub cuenca del rio
Ayaviri”, Los periodos de registro de caudales máximos del rio Ayaviri son de los últimos 18
años (1994 al 2009) y de las precipitaciones máximas de 24 horas corresponden al periodo
1970 al 2009, 39 años de registro.

Cuadro 4.1: Serie histórica de caudales máximos (m3/s) del rio Ayaviri periodo
(19942011)
AÑO ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC Q Max.
1994 81,8 19,0 43,1 81,8
1995 108,4 57,5 178,1 47,3 16,4 7,4 6,6 5,2 3,6 3,8 3,9 18,1 178,1
1996 119,4 145,6 27,4 72,1 20,0 10,5 4,7 3,6 3,5 3,7 5,8 57,1 145,6
1997 157,6 10,8 157,6
1998 103,7 12,1 2,7 2,6 2,0 0,7 4,4 8,3 103,7
1999 98,5 63,4 6,2 3,7 2,9 8,9 1,4 15,4 98,5
2000 38,8 25,8 12,4 3,8 2,9 38,8
2001 87,0 2,0 87,0
2002 38,8 125,9 40,4 12,8 3,9 4,5 2,8 1,8 13,8 27,0 41,5 125,9
2003 104,9 109,7 100,3 61,2 15,5 3,6 2,6 1,9 1,6 1,1 1,0 24,3 109,7
2004 81,5 71,2 25,0 5,2 2,1 2,6 1,6 1,7 1,0 1,5 19,2 81,5
2005 62,0 56,8 18,0 4,5 2,2 1,8 1,7 1,2 2,3 7,4 6,1 62,0
2006 129,1 80,9 46,3 70,0 10,5 2,7 2,1 1,7 1,5 1,3 3,4 3,9 129,1
2007 20,4 38,9 161,4 45,8 13,6 3,6 2,8 1,8 1,5 1,3 1,9 4,8 161,4
2008 98,6 45,6 50,4 8,2 2,0 1,5 1,4 1,3 1,1 0,9 1,7 7,8 98,6
2009 36,1 73,4 114,2 22,8 5,1 2,2 1,6 1,4 1,3 1,2 4,3 54,9 114,2
2010 169,6 106,7 42,9 7,4 4,5 2,7 2,0 1,6 1,6 1,7 6,3 169,6

47
2011 24,5 189,7 0,0 0,1 4,8 4,1 2,8 2,1 3,0 1,7 14,4 189,7
Fuente: SENAMHI

Cuadro 4.2: Serie histórica de precipitación máxima de 24 horas (mm)- Estación Ayaviri
(1970-2009)
AÑOS ENER. FEB. MAR. ABRL. MAY. JUN. JUL. AGOT. SET. OCT. NOV. DIC. PROM.
1965 16.5 18.5 31.6 8.0 0.0 0.0 0.0 0.0 1.5 4.5 15.0 38.5 38.5
1966 14.5 25.5 14.0 8.0 9.0 0.0 0.0 0.0 1.0 9.5 15.0 21.0 25.5
1967 10.5 10.5 15.0 18.0 4.0 0.0 10.5 8.0 7.2 25.0 18.0 27.0 27.0
1968 18.8 23.0 23.5 5.5 0.8 0.0 9.5 3.0 10.5 6.2 14.0 14.0 23.5
1969 15.8 12.0 4.3 11.0 0.0 0.0 5.0 0.5 4.7 9.0 15.5 19.0 19.0
1970 20.0 19.0 23.0 14.0 17.0 0.0 0.0 0.0 9.0 11.0 12.0 20.0 23.0
1971 9.0 21.0 3.5 29.2 0.0 0.0 0.0 1.5 0.0 8.0 11.0 25.0 29.2
1972 21.5 18.0 15.2 12.8 1.2 0.0 2.8 5.8 4.8 7.5 8.0 26.2 26.2
1973 17.0 13.0 16.5 10.0 7.0 0.0 5.0 1.8 18.8 22.9 20.4 16.5 22.9
1974 17.8 22.8 11.0 7.7 5.5 7.0 0.0 19.0 3.4 7.2 16.6 20.7 22.8
1975 25.5 21.4 12.6 10.0 2.9 0.0 0.0 0.0 3.5 31.3 18.7 20.0 31.3
1976 25.9 11.5 9.4 11.0 1.8 0.0 0.0 0.0 7.5 2.7 0.0 11.0 25.9
1977 6.5 10.8 8.5 0.0 0.0 0.0 0.0 0.0 1.0 1.0 16.0 15.0 16.0
1978 23.4 14.8 9.3 0.0 0.0 0.0 0.0 0.0 10.5 10.3 25.6 22.2 25.6
1979 21.5 12.4 26.5 11.3 26.5
1980 0.0
1981 0.0
1982 17.5 14.0 32.0 30.0 0.0 0.0 0.0 20.0 9.0 42.7 37.4 26.5 42.7
1983 8.4 14.1 33.5 26.9 0.4 2.0 0.0 0.0 6.5 9.2 20.0 26.2 33.5
1984 33.6 21.4 14.0 13.5 12.5 2.2 0.0 10.0 0.0 33.6
1985 24.4 28.0 29.0 4.2 19.8 0.0 0.0 8.6 29.0
1986 30.5 27.2 18.4 15.5 0.0 0.0 2.3 9.3 2.6 21.0 26.3 30.5
1987 19.3 17.8 13.7 12.0 4.0 4.3 11.9 2.1 1.5 17.7 29.2 33.4 33.4
1988 24.2 36.2 20.0 22.4 8.0 0.0 0.0 0.0 14.5 18.0 1.1 21.8 36.2
1989 26.0 15.8 20.9 13.2 3.5 1.1 0.1 24.7 17.0 10.6 8.0 16.8 26.0
1990 30.0 40.2 11.0 15.5 1.8 15.2 0.0 2.3 3.8 18.0 12.5 15.0 40.2
1991 52.2 23.6 21.3 11.6 11.0 20.2 0.6 2.9 4.5 31.8 9.2 24.4 52.2
1992 20.8 19.5 11.6 17.2 0.0 9.8 0.0 21.0 0.9 7.8 8.2 11.0 21.0
1993 33.5 11.0 18.8 7.7 0.3 10.8 0.3 10.0 10.0 22.2 92.0 17.5 92.0
1994 14.4 12.0 35.5 14.4 4.4 0.0 0.0 7.5 3.4 13.7 20.3 23.9 35.5
1995 18.5 25.0 24.3 26.0 0.5 0.0 0.0 0.0 3.5 9.0 16.2 20.0 26.0
1996 31.6 22.8 14.7 5.0 6.0 0.0 0.0 2.6 4.4 6.2 19.1 25.3 31.6
1997 13.8 30.1 23.6 5.4 1.4 0.0 0.0 12.8 2.2 8.8 21.4 45.9 45.9
1998 13.5 12.8 30.5 17.5 0.0 0.5 0.0 1.9 0.5 11.3 43.2 19.5 43.2
1999 13.0 27.1 19.0 34.7 6.4 0.0 0.0 0.0 11.4 8.4 14.3 9.0 34.7
2000 18.0 43.4 15.5 3.5 3.3 1.0 4.1 2.3 2.0 17.6 6.0 13.5 43.4
2001 25.8 19.2 13.4 20.0 12.6 2.9 0.8 4.8 3.6 11.7 6.1 15.7 25.8
2002 18.6 21.5 11.4 11.0 7.6 3.4 4.5 1.3 13.5 32.0 31.8 11.0 32.0
48
 2003 34.3 20.5 41.7 14.2 5.8 0.0 0.0 8.4 11.8 18.6 12.8 31.7 41.7
2004 25.9 36.7 23.9 11.5 2.1 0.4 2.2 8.7 12.7 10.6 31.3 27.8 36.7
2005 25.8 26.1 34.5 6.7 0.2 0.0 0.0 4.4 3.5 20.6 19.0 11.4 34.5
2006 22.0 11.7 17.8 18.7 0.0 0.6 0.0 1.3 1.8 38.5 13.2 25.1 38.5
2007 27.5 18.8 29.4 14.6 7.3 0.0 0.0 0.6 5.4 11.3 32.9 24.6 32.9
2008 26.1 37.9 24.9 4.0 1.0 0.5 0.0 0.4 0.7 9.6 14.9 20.4 37.9
2009 18.5 24.1 39.5 17.5 3.8 0.0 0.9 0.2 10.6 21.2 15.7 27.3 39.5
Fuente: SENAMHI

4.2.Análisis de consistencia.

4.2.1. Análisis de saltos.

Este análisis se realizó para comprobar si existen o no saltos en las series históricas de
caudales máximos mensuales y anuales (en m3/s) del rio Ayaviri, y de las
precipitaciones máximas mensuales y anuales de 24 horas (mm) de las estaciones
Ayaviri.

a. Análisis visual de histogramas.

En el grafico 4-1, se presenta el histograma de caudales máximos mensuales del rio
Ayaviri, en ella se puede apreciar que durante el periodo de 1994 al 2011, el
comportamiento de los caudales máximos es homogéneo, con un mínimo de 0.1 m3/s y
un máximo de 189.0 m3/s; visualmente se puede observar que no hay presencia de
saltos; como son eventos extremos, es necesario conservar la información original.

Grafico 4.1: Histograma de caudales máximos mensuales del rio Ayaviri (m3/s)

Estacion de aforo Puente Ayaviri

250
)
Caudal Maximo (m /s

200
3

150

100

50

0
1994 1996 1998 2000 2002 2004 2006 2008 2010 2012
Tiempo (Años)

Fuente: elaboración propia.

49
 En el grafico 4-2, se presenta el hidrograma de precipitación mensual máxima de 24
horas de la estación Ayaviri, en ella se puede apreciar que durante el periodo de 1970
al 2002, el comportamiento de las precipitaciones máximas mensuales son
homogéneos, con un mínimo de 0.0 mm y un máximo de 92.0 mm; visualmente se
puede observar que hay dos valores extremos; sin embargo, esto no representa un
salto; como son eventos extremos, es necesario conservar la información original.

Grafico 4.2: Histograma de precipitación máxima de 24 horas (mm) – Estación

Ayaviri, Periodo 1970 – 2009.

ESTACION AYAVIRI
100
PRECIPITACION MAXIMA (mm)

80

60

40

20

0
1970 1975 1980 1985 1990 1995 2000 2005
TIEMPO (Años)

Fuente: elaboración propia

4.3.Determinación de caudales máximos a partir de los métodos

estadísticos.

Para el diseño de estructuras hidráulicas tales como canales, puentes, presas, alcantarillados,

obras asociadas al diseño y construcción de vías es necesario estimar los caudales máximos

asociados a un período de retorno determinado. Las crecientes asociadas a un período de

retorno pueden ser estimadas por diferentes métodos, dependiendo de la disponibilidad de

registros hidrométricos. Los procesos hidrológicos evolucionan en el espacio y en el tiempo

en una forma que es parcialmente predecible, y parcialmente aleatoria. Este tipo de

tratamiento es apropiado para observaciones de eventos hidrológicos extremos, como

50
crecientes o sequías, y para información hidrológica promediada a lo largo de intervalos de

tiempo grandes, como la precipitación anual. Este trabajo de investigación analiza la

información hidrológica de procesos enteramente aleatorios utilizando parámetros y funciones

estadísticos. Los métodos estadísticos están basados en principios matemáticos que describen

la variación aleatoria de un conjunto de observaciones de un proceso, y éstos centran su

atención en las observaciones mismas en lugar de los procesos físicos que las producen. La

estadística es una ciencia de descripción, no de causalidad. La distribución de probabilidad

está definida sobre el conjunto de todos los sucesos, cada uno de los sucesos es el rango de

valores de la variable aleatoria. La distribución de probabilidad está completamente

especificada por la función de distribución, cuyo valor en cada real x es la probabilidad de que

la variable aleatoria sea menor o igual que

x. Para el presente trabajo se ha realizado el estudio de las distribuciones de probabilidad:

Normal, Log normal de 2 parámetros, Log normal de 3 parámetros, Gamma de 2 parámetros,

Gumbel, y Log Gumbel. Los resultados del análisis para la distribución Normal cuyo

resultado se ha obtenido que el delta teórico es 0.0878 es menor que el delta tabular que es

0.3206, esto indica que se ajustan los datos de aforos realizados en el puente de Ayaviri, con

un nivel de significancia de 5%, para lo cual se han generado valores de caudales de diseño

para periodos de retorno de 2, 5, 10, 20, 25, 50, 75, 100, 200, 250 y 500; así, como se

muestra en el cuadro

4.3.

51
52
Cuadro 4.3. Determinación de caudal del diseño a partir de modelos Probabilísticos
T Normal Log-Normal Log-Normal-III-P Gama II-P Gumbel log-gumbel

2 118.49 110.54 117.82 113.17 111.60 103.42

5 153.76 155.45 152.57 152.82 148.64 147.95

10 172.21 185.81 171.14 176.74 173.17 187.54

20 187.45 215.30 186.68 198.22 196.69 235.43

25 191.89 224.74 191.24 204.77 204.16 253.04

50 204.59 254.11 204.38 224.28 227.14 316.02

75 211.41 271.42 211.48 235.2 240.51 359.59

100 216.02 283.78 216.31 242.77 249.96 394.02

200 226.47 313.97 227.32 260.44 272.70 490.87

250 229.67 323.82 230.71 265.97 280.01 526.81

500 239.14 354.88 240.79 282.73 302.69 655.99

Fuente: Elaboración propia.

 Los resultados del análisis para la distribución Log Normal de II parámetros, cuyo

resultado se ha obtenido que el delta teórico es 0.0725es menor en comparación con el

delta tabular que es 0.3206 a la probabilidad de 5%, esto indica que se ajustan los

datos de aforos realizados en el puente de Ayaviri, para lo cual se han generado

valores de caudales de diseño para periodos de retorno de 2, 5, 10, 20, 25, 50, 75, 100,

200, 250 y 500.

 Los resultados del análisis para la distribución Log Normal III parámetros, cuyo

resultado se ha obtenido que el delta teórico es 0.0949 es menor que el delta tabular

que es 0.3206, esto indica que se ajustan los datos de aforos realizados en el puente de

Ayaviri, con un nivel de significancia de 5%, para lo cual se han generado valores de

caudales de diseño para periodos de retorno de 2, 5, 10, 20, 25, 50, 75, 100, 200, 250 y

500; así, como se muestra en el cuadro 4.1.

 También que el caso de la distribución Gama de II parámetros, cuyo resultado se ha

obtenido que el delta teórico es 0.0877 es menor que el delta tabular que es 0.3206, esto
50
 indica que se ajustan los datos de aforos realizados en el puente de Ayaviri, con un

nivel de significancia de 5%, para lo cual se han generado valores de caudales de

diseño para periodos de retorno de 2, 5, 10, 20, 25, 50, 75, 100, 200, 250 y 500; así,

como se muestra en el cuadro 4.3.

 Los resultados del análisis para la distribución Gumbel cuyo resultado se ha obtenido

que el delta teórico es 0.01071 es menor que el delta tabular que es 0.3206, esto indica

que se ajustan los datos de aforos realizados en el puente de Ayaviri, con un nivel de

significancia de 5%, para lo cual se han generado valores de caudales de diseño para

periodos de retorno de 2, 5, 10, 20, 25, 50, 75, 100, 200, 250 y 500; así, como se

muestra en el cuadro 4.3.

 Los resultados del análisis para la distribución Log Gumbel, cuyo resultado se ha

obtenido que el delta teórico es 0.0878 es menor que el delta tabular que es 0.3206,

esto indica que se ajustan los datos de aforos realizados en el puente de Ayaviri, con

un nivel de significancia de 5%, para lo cual se han generado valores de caudales de

diseño para periodos de retorno de 2, 5, 10, 20, 25, 50, 75, 100, 200, 250 y 500; así,

como se muestra en el cuadro 4.3.

Una creciente es un evento que produce en un río o canal niveles muy altos, en los cuales el

agua sobrepasa la banca e inunda las zonas aledañas. Las crecientes causan daños

económicos, pérdidas de vidas humanas y trastornan toda la actividad social y económica de

una región. Para el diseño de estructuras hidráulicas tales como canales, puentes, presas,

alcantarillados, obras asociadas al diseño y construcción de vías es necesario estimar los

caudales máximos asociados a un período de retorno determinado. Las crecientes asociadas a

un período de retorno pueden ser estimadas por diferentes métodos, dependiendo de la

disponibilidad de registros hidrométricos.

4.4. Determinación de caudales máximos a partir de la formula empírica

(Mac Math).
 51
Existen cuencas con ríos que no tienen estaciones de aforo, al no contar con estaciones de

aforo que proporcionen registros de descargas máximas, se tendrá que acudir a métodos

alternativos, basados la mayoría de ellos en datos de precipitación máxima en 24 horas y en

las características físicas de la cuenca, para así inferir los caudales máximos asociados a un

cierto periodo de retorno que podrían presentarse en la zona de interés de un proyecto en

estudio. Sabemos, en nuestro medio, la intensidad de la lluvia influye notoriamente en el uso

del suelo. Las lluvias violentas pueden ocasionar importantes daños, degradación de la

estructura del suelo, erosión, inundaciones, daños mecánicos en cultivos, etc. Aunque la

precipitación máxima en 24 h, en ocasiones son más interesantes las precipitaciones máximas

en períodos de tiempo más cortos, por lo que se debe acudir a sistemas de estimación.

Cuadro 4.4. Caudales maximos a partir de precipitaciones máximas de 24 horas Metodo Mac Math
PP Max. I
N° Constante C A Q
(mm) (pendiente)
1 10 35.5 0.86 370620 8.3 126.10
2 10 26 0.86 370620 8.3 92.36
3 10 31.6 0.86 370620 8.3 112.25
4 10 45.9 0.86 370620 8.3 163.04
5 10 43.2 0.86 370620 8.3 153.45
6 10 34.7 0.86 370620 8.3 123.26
7 10 43.4 0.86 370620 8.3 154.16
8 10 25.8 0.86 370620 8.3 91.65
9 10 32 0.86 370620 8.3 113.67
10 10 41.7 0.86 370620 8.3 148.12
11 10 36.7 0.86 370620 8.3 130.36
12 10 34.5 0.86 370620 8.3 122.55
13 10 38.5 0.86 370620 8.3 136.76
14 10 32.9 0.86 370620 8.3 116.87
15 10 37.9 0.86 370620 8.3 134.63
16 10 39.5 0.86 370620 8.3 140.31
Fuente: Elaboración propia

Cuadro 4.5. Caudales de diseño a partir de precipitaciones máximas de 24 horas Metodo Mac Math
T Normal Log-Normal Log-Normal-III-P Gama II-Parametros Gumb log-gumbel

52

2 111.18 104.20 102.08 106.53 103.36 98.48

5 151.12 139.23 137.49 142.36 145.32 133.48

10 172.02 162.02 162.30 163.92 173.08 163.30

20 189.26 183.61 186.96 183.20 199.73 198.11

25 194.29 190.44 194.98 189.11 208.17 210.63

50 208.67 211.37 220.16 206.59 234.23 254.39

75 216.40 223.55 235.23 216.37 249.36 283.92

100 221.62 232.18 246.06 223.14 260.07 306.84

200 233.45 252.99 272.77 238.92 285.82 369.86

250 237.09 259.73 281.59 243.86 294.08 392.75

500 247.80 280.755 309.58 258.83 319.79 473.21

Fuente: Elaboración propia

Las precipitaciones máximas en 24 horas se indicará: el número de años de la serie analizada

y la serie de años, para cada mes la precipitación máxima en 24 horas producida en todos los

años de la serie en dicho mes, y el número de veces que la precipitación máxima se ha

producido en dicho mes en los años de la serie, para poder así ver en qué meses se suelen

producir las precipitaciones máximas. El estudio se realizó el análisis de las precipitaciones

máximas probables y sus períodos de retorno. El estudio de las precipitaciones máximas es

necesario en múltiples aplicaciones. Así en hidrología para la estimación de avenidas es

necesario conocer el valor de la máxima precipitación probable registrada para un

determinado período de retorno. El "período de retorno o de recurrencia" (T) es el intervalo

medio expresado en años en el que un valor extremo alcanza o supera al valor "x", al menos

una sola vez.. El período de retorno será mayor cuanto mayor sea la importancia y la

repercusión social, ecológica y económica de la obra. Así la necesidad de disponer de amplios

períodos de retorno contrasta con la disponibilidad de series de datos climatológicos, por lo

que se debe recurrir a estimaciones estadísticas.

53
 De acuerdo al cuadro 4.5, La distribución normal se ha determinado su calculo

probabilístico y resulta que como el delta teórico 0.1783, es menor que el delta

tabular 0.2150. Los datos se ajustan a la distribución Normal, con un nivel de

significación del 5%. Los Parámetros de la distribución normal: Con momentos

ordinarios el parámetro de localización Xm= 35.795, parámetro de escala S=

15.2845 con momentos lineales: Media lineal Xl= 35.795 y la desviación estándar

lineal Sl=

12.6265.

 El Ajuste de una serie de datos a la distribución lognormal de 2 parámetros con

momentos ordinarios, como el delta teórico 0.0975, es menor que el delta tabular

0.2150. Los datos se ajustan a la distribución logNormal 2 parámetros, con un nivel

de significación del 5%. Parámetro de escala µy= 3.5131, parámetro de forma Sy=

0.3443 y con momentos lineales y su parámetro de parámetro de escala µyl=

3.5131y parámetro de forma Syl= 0.3286.

 El Ajuste con momentos ordinarios de la distribución Gamma de 2 parámetros,

como el delta teórico 0.1189, es menor que el delta tabular 0.2150. Los datos se

ajustan a la distribución Gamma de 2 parámetros, con un nivel de significación del

5%, Con momentos ordinarios, Parámetro de forma gamma= 7.8917, Parámetro de

escala beta= 4.5358, con momentos lineales, Parámetro de forma gammal= 3.9507 y

Parámetro de escala beta= 9.0605.

58
 4.5.Análisis comparativo de los caudales de diseño de valores aforados y

formula empírica (Mac Math)

El resumen de los resultados obtenidos por ambas metodologías se presenta a continuación

en el cuadro 4.6. En el cual se pude apreciar que existen diferencias entre resultados para

cada distribución aplicada, siendo la distribución con menor diferencia entre cada resultado

la distribución Normal, seguida de Gumbel, Gama II-P, Log Normal III-P, Log Normal y

Log

Gumbel respectivamente.

Cuadro 4.6. Cuadro resumen de resultados para cada distribución.

Normal Log-Normal Log-Normal-III-P Gama - II P Gumbel Log-Gumbel
"T"
M. Est. M. Math M. Est. M. Math M. Est. M. Math M. Est. M. Math M. Est. M. Math M. Est. M. Math
2 118.49 111.18 110.54 104.2 117.82 102.08 113.17 106.53 111.6 103.36 103.42 98.48
5 153.76 151.12 155.45 139.23 152.57 137.49 152.82 142.36 148.64 145.32 147.95 133.48
10 172.21 172.02 185.81 162.02 171.14 162.3 176.74 163.92 173.17 173.08 187.54 163.3
20 187.45 189.26 215.3 183.61 186.68 186.96 198.22 183.2 196.69 199.73 235.43 198.11
25 191.89 194.29 224.74 190.44 191.24 194.98 204.77 189.11 204.16 208.17 253.04 210.63
50 204.59 208.67 254.11 211.37 204.38 220.16 224.28 206.59 227.14 234.23 316.02 254.39
75 211.41 216.4 271.42 223.55 211.48 235.23 235.2 216.37 240.51 249.36 359.59 283.92
100 216.02 221.62 283.78 232.18 216.31 246.06 242.77 223.14 249.96 260.07 394.02 306.84
200 226.47 233.45 313.97 252.99 227.32 272.77 260.44 238.92 272.7 285.82 490.87 369.86
250 229.67 237.09 323.82 259.73 230.71 281.59 265.97 243.86 280.01 294.08 526.81 392.75
500 239.14 247.8 354.88 280.755 240.79 309.58 282.73 258.83 302.69 319.79 655.99 473.21
Fuente: Elaboracion propia

Para el análisis comparativo entre los métodos de los caudales de diseño obtenidos mediante

la fórmula empírica y los valores aforados en el puente del rio de Ayaviri, se ha sometido a

un análisis de variancia de un diseño experimental de Completo al Azar con dos

tratamientos y cada una con 66 observaciones cada método, es decir cada una de las 06

distribuciones con 11 tiempos de retorno para cada caso; y después de haber realizado el

análisis correspondiente se ha llegado que entre los dos tratamientos no existe una

diferencia estadística a la Probabilidad de P<=0.05, la probabilidad encontrado ha sido de

59
0.243 que es un valor muy superior a 0.05, por lo que la hipótesis nula se acepta y se

rechaza la hipótesis alterna. Cuadro 4.7. Análisis de variancia entre valores aforados y

valores obtenidos por formulas empíricas

F. de V. GL SC CM Fc Significancia Probabilidad

Métodos 1 9629 9629 1.37 NS 0.243

Error 130 910659 7005

Total 131 920288

Fuente: Elaboración propia

S = 83.70; r2 = 85%; r2 (ajustado)= 0.29%

El coeficiente de determinación es muy elevada debido a que los datos que han sido aplicados

en el análisis de variancia han sido para diferentes tiempos de retorno; así mismo la desviación

estándar es alto debido también por utilizar los diferentes tiempos de retorno. El caudal de

diseño que es posible recomendar es de 225.25 m 3/s. Similares a este valor se presentan en el

cuadro a tiempo de retorno de 25 a 50 años y puede ser recomendable para el caso del rio

Ayaviri. Para el presente análisis no es necesario realizar las pruebas de rango múltiple,

porque los valores obtenidos son estadísticamente homogéneos.

Cuadro 4.8. Descriptiva estadística de caudales de Diseño para el puente del rio Ayaviri.
Metodo aplicado Numero de Medias del caudal de Desviación estándar
observaciones diseño calculados

Caudales aforados 66.00 233.79 95.23

Caudales Mac Math 66.00 216.71 70.29

Promedio 66.00 225.25 82.76

Fuente: Elaboracion propia

60
Sabemos que, uno de los primeros pasos en muchos proyectos de diseño es la determinación

del evento de lluvia a usar. Es decir una tormenta de diseño es un patrón de precipitación

definido para utilizarse en el diseño de un sistema hidrológico. Usualmente la tormenta de

diseño conforma la entrada al sistema, y los caudales resultantes a través de éste se calculan

utilizando procedimientos de lluvia-escorrentía y tránsito de caudales. Una tormenta de

diseño puede definirse mediante un valor de profundidad de precipitación en un punto,

mediante un hietograma de diseño que especifique la distribución temporal de la

precipitación durante una tormenta. Las tormentas de diseño pueden basarse en información

histórica de precipitación de una zona o pueden construirse utilizando las características

generales de la precipitación en regiones adyacentes. Su aplicación va desde el uso de

valores puntuales de precipitación en el método racional para determinar los caudales picos

en alcantarillados de aguas lluvias y alcantarillas de carreteras, hasta el uso de hietogramas

de tormenta como las entradas para el análisis de lluvia-escorrentía en embalses de detención

de aguas urbanas. Para determinación de la tormenta de diseño es recomendable contar con

información obtenida a través de una fluviógrafo o pluviómetro como mínimo, ya que este

equipo provee información instantánea, sin embargo, la mayoría de estaciones de medición

de precipitaciones solo cuentan con pluviómetros que solo proveen de valores medios.

El exceso de precipitación o precipitación efectiva (Pe), es la precipitación que no se retiene

en la superficie terrestre y tampoco se infiltra en el suelo. Después de fluir a través de la

superficie de la cuenca, el exceso de precipitación se convierte en escorrentía directa a la

salida de la cuenca bajo la suposición de flujo superficial hortoniano. Las gráficas de exceso

de precipitación vs. el tiempo o hietograma de exceso de precipitación es un componente

clave para el estudio de las relaciones lluvia-escorrentía. La diferencia entre el hietograma de

lluvia total y el hietograma de exceso de precipitación se conoce como abstracciones o

pérdidas. Las pérdidas son primordialmente agua absorbida por filtración con algo de
61
intercepción y almacenamiento superficial. El hietograma de exceso de precipitación puede

calcularse a partir del hietograma de precipitación en una o dos formas, dependiendo de si

existe o no información de caudales disponibles para la tormenta.

Cuando existen datos de aforo en cantidad suficiente, se realiza un análisis estadístico de los

caudales máximos instantáneos anuales para la estación más cercana al punto de interés. Se

calculan los caudales para los períodos de retorno de interés (2, 5, 10, 20, 50, 100 y 500 años

son valores estándar) usando la distribución log normal, log pearson III y Valor Extremo Tipo

I (Gumbel), Cuando no existen datos de aforo, se utilizan los datos de precipitación como

datos de entrada a una cuenca y que producen un caudal Q. cuando ocurre la lluvia, la cuenca

se humedece de manera progresiva, infiltrándose una parte en el subsuelo y luego de un

tiempo, el flujo se convierte en flujo superficial.

62
 V. CONCLUSIONES Y RECOMENDACIONES

5.1.Conclusiones

1. Los métodos presentados son de total aplicabilidad en las cuencas peruanas; más aún, al

menos dos de ellos han sido desarrollados tomando en consideración la realidad de nuestro

territorio. En el estudio de proyectos reales, es recomendable hacer uso de varios de los

métodos presentados y luego, analizar los resultados obtenidos; momento en el cual, la

experiencia del especialista resulta esencial.

2. En el presente trabajo el estudio de las distribuciones de probabilidad: Normal, Log normal

de 2 parámetros, Log normal de 3 parámetros, Gamma de 2 parámetros, Gumbel, y Log

Gumbel. Los resultados se ha obtenido que el delta teórico es menor que el delta tabular,

esto indica que se ajustan los datos de aforos realizados en el puente de Ayaviri, con un

nivel de significancia de 5%, para lo cual se han generado valores de caudales de diseño

para periodos de retorno de 2, 5, 10, 20, 25, 50, 75, 100, 200, 250 y 500.

3. El análisis comparativo entre los métodos de los caudales de diseño obtenidos mediante la

fórmula empírica y los valores aforados en el puente del rio de Ayaviri, se ha sometido a un

análisis de variancia de un diseño experimental de Completo al Azar con dos tratamientos y

cada una con 66 observaciones cada método, es decir cada una de las 06 distribuciones con

11 tiempos de retorno para cada caso; y después de haber realizado el análisis

correspondiente se ha llegado que entre los dos tratamientos no existe un diferencia

estadística a la Probabilidad de P<=0.05, la probabilidad encontrado ha sido de 0.243 que es

un valor muy superior a 0.05, por lo que la hipótesis nula se acepta y se rechaza la hipótesis

alterna

4. El coeficiente de determinación es muy elevada debido a que los datos que han sido

aplicados en el análisis de variancia han sido para diferentes tiempos de retorno; así mismo

la desviación estándar es alto debido también por utilizar los diferentes tiempos de retorno.

63
 El caudal de diseño que es posible recomendar es de 225.25 m3/s. Similares a este valor se

presentan en el cuadro a tiempo de retorno de 25 a 50 años y puede ser recomendable para el

caso del rio Ayaviri. Para el presente análisis no es necesario realizar las pruebas de rango

múltiple, por que los valores obtenidos son estadísticamente homogéneos.

5. Cuando existen datos de aforo en cantidad suficiente, se realiza un análisis estadístico de

los caudales máximos instantáneos anuales para la estación más cercana al punto de interés.

Se calculan los caudales para los períodos de retorno de interés (2, 5, 10, 20, 50, 100 y

500 años son valores estándar) usando la distribución log normal, log pearson III y Valor

Extremo Tipo I (Gumbel), Cuando no existen datos de aforo, se utilizan los datos de

precipitación como datos de entrada a una cuenca y que producen un caudal Q.

64
 5.2. Recomendaciones.
1. Disponer de información a escala diaria en valores de precipitación y caudales para la

calibración del modelo, además de información de retención de humedad del suelo, así

como establecer bien un método de separación del caudal directo del flujo base para

representar de forma más realista el proceso de precipitación escorrentía.

2. Los resultados de la investigación sean una referencia para comparar con los resultados de
las posteriores investigaciones.

3. Realizar estudios de máximas avenidas mediante métodos de correlación hidrológica e

hidrométrica.

4. Determinar una relación entre los parámetros óptimos de calibración de las micro cuencas

del río Ramis con los tipos de suelo, los usos de suelo y las características

geomorfológicas de estas, para poder desarrollar un método de calibración directa de los

parámetros en cuencas no instrumentadas.

65
 VII. BIBLIOGRAFÍA

1. APARICIO MIJARES, F.J. 1996. “Fundamentos de Hidrología de Superficie”. Primera

edición. Editorial Limusa. México. Pag. 203, Pag. 206 – 208, Pag. 252..

2. CHEREQUE M., W. 1989. “Hidrología para estudiantes de ingeniería civil”.

CONCYTEC. Lima. Perú.

3. CHOW, MAIDMENT Y MAYS. 1994. “Hidrología Aplicada”. Mc Graw-Hill

Interamericana. Santafé de Bogotá. Colombia. Pag. 8, Pag. 9, Pag. 495.

4. COAQUIRA A, R. 1998. “Análisis de precipitaciones máximas de 24 horas”.

PRORRIDRE. Puno. Perú. Pag. 10.

5. CUTIPA L, E. 1999. “Aplicación de Modelos Hidrológicos en el Análisis de Máximas

Avenidas del Río Grande Ilave – Puno”. Tesis de Ing. Agrícola. UNAP. Puno. Perú.

6. DIRECCIÓN GENERAL DE AGUAS, SUELOS E IRRIGACIONES (Ministerio de

Agricultura). 1981. “Estudio de la cuenca del río Illpa”. Tomo I: Diagnóstico de la cuenca.

Proyecto manejo de cuencas. Lima. Perú.

7. LINSLEY, R. KOHLER, M. PAULHUS, J. 1988. “Hidrología para Ingenieros”. Segunda

Edición. Mc Graw – Hill Interamericana. México. Pag. 193 – 195.

8. MEJÍA, A. 2001. “Hidrología Aplicada”. CIP. FIA. UNALM. Lima. Perú. Pag. 69.

9. Mockus, V. 1957. Use of storm and watershed characteristics in syntetic unit hidrograph

analysis and application. U. S. Soil Conservation Service, 1957.

10. NANÍA S, L. 2003. “Métodos de transformación lluvia-escorrentía y de propagación de

caudales”. Apuntes de clase de hidrología superficial y subterránea. Universidad de

Granada. Pag.1, Pag. 10.

11. PAOLI, CAICK, MORRECI. 2002. “Consistencia en la determinación de crecidas de

diseño por transformación lluvia – caudal y análisis de frecuencia (estudio de caso)”. Vol.

XVI. Ing. Hidráulica. México. Pag. 87-97.

66
12. PONCE V. M. 1989. “Engineering Hydrology – Principles and Practices”. Prentice Hall.

San Diego State University. EE. UU.

13. SENAMHI. 2002. Reportes de mediciones hidrometeorológicas.

14. Soil Conservation Service. 1972. National Engineering Handbook, section 4, Hydrology,

U.S. Dept. of Agriculture, available in U.S. Government Printing Office, Washington, D.

C. USA.

15. TITO CAMI, L.I. 2010. “Calibracion del modelo Lutz Schols en la sub Cuenca del rio

Ayaviri”. Puno – Perú.

16. U.S. ARMY CORPS OF ENGINEERS.1995. “HEC Hydrologic Modeling System. HEC

– HMS user’s guide”. Hydrologic Engineering Center. EE.UU.

17. U.S. BUREAU OF RECLAMATION. 1973. “Design of small dams”. Segunda edición.

Washington D. C. EE.UU.

18. UNEP-División de Aguas Continentales Programa de las Naciones Unidas para el Medio

Ambiente. 1996. Diagnóstico ambiental del Sistema Titicaca-Desaguadero-Poopo-Salar

de

Coipasa (Sistema TDPS) Bolivia-Perú. Departamento de Desarrollo Regional y Medio

Ambiente, Secretaria General de la Organización de los Estados Americanos,

Washington, D. C. USA.

19. US Army Corps of Engineers, USACE 1998. HEC-1 flood hydrograph package user’s

manual. Hydrologic Engineering Center, Davis, CA. USA.

20. US Army Corps of Engineers. 2000. Hydrologic Modeling System HEC-HMS, Technical

Reference Manual, HEC Davis CA, USA, 157 p.

VIII. ANEXOS
DISTRIBUCION
67
NORMAL

T n C P A S i n k Qmax
2 10 0.75 35.80 370635 8.35 1000 0.58 0.42 111.18
5 10 0.75 48.66 370635 8.35 1000 0.58 0.42 151.12
10 10 0.75 55.39 370635 8.35 1000 0.58 0.42 172.02
20 10 0.75 60.94 370635 8.35 1000 0.58 0.42 189.26
25 10 0.75 62.56 370635 8.35 1000 0.58 0.42 194.29
50 10 0.75 67.19 370635 8.35 1000 0.58 0.42 208.67
75 10 0.75 69.68 370635 8.35 1000 0.58 0.42 216.40
100 10 0.75 71.36 370635 8.35 1000 0.58 0.42 221.62
200 10 0.75 75.17 370635 8.35 1000 0.58 0.42 233.45
250 10 0.75 76.34 370635 8.35 1000 0.58 0.42 237.09
500 10 0.75 79.79 370635 8.35 1000 0.58 0.42 247.80

DISTRIBUCION LOG NORMAL DE DOS

PARAMETROS

T n C P A S i n k Qmax
2 10 0.75 33.55 370635 8.35 1000 0.58 0.42 104.20
5 10 0.75 44.83 370635 8.35 1000 0.58 0.42 139.23
10 10 0.75 52.17 370635 8.35 1000 0.58 0.42 162.02
20 10 0.75 59.12 370635 8.35 1000 0.58 0.42 183.61
25 10 0.75 61.32 370635 8.35 1000 0.58 0.42 190.44
50 10 0.75 68.06 370635 8.35 1000 0.58 0.42 211.37
75 10 0.75 71.98 370635 8.35 1000 0.58 0.42 223.55
100 10 0.75 74.76 370635 8.35 1000 0.58 0.42 232.18
200 10 0.75 81.46 370635 8.35 1000 0.58 0.42 252.99
250 10 0.75 83.63 370635 8.35 1000 0.58 0.42 259.73
500 10 0.75 90.40 370635 8.35 1000 0.58 0.42 280.75

DISTRIBUCION LOG NORMAL DE TRES

PARAMETROS

T n C P A S i n k Qmax
68
2 10 0.75 32.87 370635 8.35 1000 0.58 0.42 102.08
5 10 0.75 44.27 370635 8.35 1000 0.58 0.42 137.49
10 10 0.75 52.26 370635 8.35 1000 0.58 0.42 162.30
20 10 0.75 60.20 370635 8.35 1000 0.58 0.42 186.96
25 10 0.75 62.78 370635 8.35 1000 0.58 0.42 194.98
50 10 0.75 70.89 370635 8.35 1000 0.58 0.42 220.16
75 10 0.75 75.74 370635 8.35 1000 0.58 0.42 235.23
100 10 0.75 79.23 370635 8.35 1000 0.58 0.42 246.06
200 10 0.75 87.83 370635 8.35 1000 0.58 0.42 272.77
250 10 0.75 90.67 370635 8.35 1000 0.58 0.42 281.59
500 10 0.75 99.68 370635 8.35 1000 0.58 0.42 309.58

DISTRIBUCION GAMA DE DOS

PARAMETROS

T
n C P A S i n k Qmax
2
10 0.75 34.30 370635 8.35 1000 0.58 0.42 106.53
5
10 0.75 45.84 370635 8.35 1000 0.58 0.42 142.36
10
10 0.75 52.78 370635 8.35 1000 0.58 0.42 163.92
20
10 0.75 58.99 370635 8.35 1000 0.58 0.42 183.20
25
10 0.75 60.89 370635 8.35 1000 0.58 0.42 189.11
50
10 0.75 66.52 370635 8.35 1000 0.58 0.42 206.59
75
10 0.75 69.67 370635 8.35 1000 0.58 0.42 216.37
100 10 0.75 71.85 370635 8.35 1000 0.58 0.42 223.14

200 10 0.75 76.93 370635 8.35 1000 0.58 0.42 238.92

250 10 0.75 78.52 370635 8.35 1000 0.58 0.42 243.86

500 10 0.75 83.34 370635 8.35 1000 0.58 0.42 258.83

DISTRIBUCION

GUMBEL

69
T n C P A S i n k Qmax
2 10 0.75 33.28 370635 8.35 1000 0.58 0.42 103.36
5 10 0.75 46.79 370635 8.35 1000 0.58 0.42 145.32
10 10 0.75 55.73 370635 8.35 1000 0.58 0.42 173.08
20 10 0.75 64.31 370635 8.35 1000 0.58 0.42 199.73
25 10 0.75 67.03 370635 8.35 1000 0.58 0.42 208.17
50 10 0.75 75.42 370635 8.35 1000 0.58 0.42 234.23
75 10 0.75 80.29 370635 8.35 1000 0.58 0.42 249.36
100 10 0.75 83.74 370635 8.35 1000 0.58 0.42 260.07
200 10 0.75 92.03 370635 8.35 1000 0.58 0.42 285.82
250 10 0.75 94.69 370635 8.35 1000 0.58 0.42 294.08
500 10 0.75 102.97 370635 8.35 1000 0.58 0.42 319.79

DISTRIBUCION LOG GUMBEL

T n C P A S i n k Qmax
2 10 0.75 31.71 370635 8.35 1000 0.58 0.42 98.48
5 10 0.75 42.98 370635 8.35 1000 0.58 0.42 133.48
10 10 0.75 52.58 370635 8.35 1000 0.58 0.42 163.30
20 10 0.75 63.79 370635 8.35 1000 0.58 0.42 198.11
25 10 0.75 67.82 370635 8.35 1000 0.58 0.42 210.63
50 10 0.75 81.91 370635 8.35 1000 0.58 0.42 254.39
75 10 0.75 91.42 370635 8.35 1000 0.58 0.42 283.92
100 10 0.75 98.80 370635 8.35 1000 0.58 0.42 306.84
200 10 0.75 119.09 370635 8.35 1000 0.58 0.42 369.86
250 10 0.75 126.46 370635 8.35 1000 0.58 0.42 392.75
500 10 0.75 152.37 370635 8.35 1000 0.58 0.42 473.21

Distribución Normal
Cálculos del ajuste Smirnov Kolmogorov:
m X P(X) F(Z) Ordinario F(Z) Mom Lineal Delta
1 38.8 0.0526 0.0286 0.0336 0.0240
2 62.0 0.1053 0.0889 0.0972 0.0164
3 81.5 0.1579 0.1888 0.1978 0.0309
4 81.8 0.2105 0.1907 0.1997 0.0198
5 87.0 0.2632 0.2263 0.2348 0.0369
6 98.5 0.3158 0.3167 0.3231 0.0009
7 98.6 0.3684 0.3176 0.3239 0.0509
8 103.7 0.4211 0.3621 0.3670 0.0589
9 109.7 0.4737 0.4170 0.4200 0.0567
10 114.2 0.5263 0.4593 0.4608 0.0671

70
 11 125.9 0.5789 0.5702 0.5676 0.0088
12 129.1 0.6316 0.5999 0.5963 0.0317
13 145.6 0.6842 0.7411 0.7333 0.0569
14 157.6 0.7368 0.8246 0.8155 0.0878
15 161.4 0.7895 0.8470 0.8378 0.0576
16 169.6 0.8421 0.8887 0.8798 0.0465
17 178.1 0.8947 0.9225 0.9145 0.0278
18 189.7 0.9474 0.9553 0.9490 0.0080

Ajuste con momentos ordinarios:

Como el delta teórico 0.0878, es menor que el delta tabular 0.3206. Los datos se ajustan a la

distribución Normal, con un nivel de significación del 5%

Parámetros de la distribución normal:

Con momentos ordinarios:

Parámetro de localización (Xm)= 118.4889

Parámetro de escala (S)= 41.9152

Con momentos lineales:

Media lineal (Xl)= 118.4889

Desviación estándar lineal (Sl)= 43.5375

Distribución log normal 2 parámetros

Cálculos del ajuste Smirnov Kolmogorov:

----------------------------------------------------------------------------------------------------------------------------------
m X P(X) F(Z) Ordinario F(Z) Mom Lineal Delta
----------------------------------------------------------------------------------------------------------------------------------
1 38.8 0.0526 0.0049 0.0048 0.0477
2 62.0 0.1053 0.0768 0.0765 0.0285
3 81.5 0.1579 0.2260 0.2257 0.0681
4 81.8 0.2105 0.2287 0.2284 0.0182
5 87.0 0.2632 0.2773 0.2770 0.0141
6 98.5 0.3158 0.3880 0.3878 0.0722
7 98.6 0.3684 0.3889 0.3888 0.0205
8 103.7 0.4211 0.4374 0.4373 0.0163
9 109.7 0.4737 0.4925 0.4925 0.0188
10 114.2 0.5263 0.5320 0.5321 0.0057
71
11 125.9 0.5789 0.6259 0.6261 0.0470
12 129.1 0.6316 0.6492 0.6493 0.0176
13 145.6 0.6842 0.7517 0.7520 0.0675
14 157.6 0.7368 0.8093 0.8096 0.0725
15 161.4 0.7895 0.8249 0.8252 0.0354
16 169.6 0.8421 0.8546 0.8549 0.0125
17 178.1 0.8947 0.8804 0.8807 0.0143
18 189.7 0.9474 0.9087 0.9090 0.0387
----------------------------------------------------------------------------------------------------------------------------------
Ajuste con momentos ordinarios:

Como el delta teórico 0.0725, es menor que el delta tabular 0.3206. Los datos se ajustan a la distribución

logNormal 2 parámetros, con un nivel de significación del 5%

Parámetros de la distribución logNormal:

Con momentos ordinarios:

Parámetro de escala (µy)= 4.7054

Parámetro de forma (Sy)= 0.4052 Con

momentos lineales:

Parámetro de escala (µyl)= 4.7054

Parámetro de forma (Syl)= 0.4047

72