Estudio de Hidrologia (Final)

MUNICIPALIDAD DISTRITAL
DE PILLCOMARCA
PROYECTO: CONSTRUCCION Y MEJORAMIENTO DE PISTAS Y VEREDAS EN

LOS JIRONES LOS EUCALIPTOS, PALMERAS, CASUARINAS, SAUCES, PINOS Y DE
LOS PASAJES LOS JARDINES, PRIMAVERA Y PINOS EN LA CIUDAD DE
CAYHUAYNA BAJA, DISTRITO DE PILLCO MARCA - HUANUCO - HUANUCO
ESTUDIO HIDROLOGICO
Contenido
1.
HIDROLOGIA.......................................................................................................................................................2
1.1 GENERALIDADES..............................................................................................................................................2
1.1.1 UBICACIN.........................................................................................................................................................2
1.1.2 OBJETIVOS..........................................................................................................................................................4
1.2 PARAMETROS DE LA MICROCUENCA..........................................................................................................4
1.2.1 INFORMACIN CARTOGRAFICA Y GEOGRFICA......................................................................................4
1.3 ANALISIS DE EVENTOS MAXIMOS................................................................................................................5
1.3.1 DATOS HIDROMETEOROLOGICOS.................................................................................................................5
1.3.2 PROBABILIDAD DE OCURRENCIA DE LA PRESENTACION......................................................................6
1.3.3 ANALISIS ESTADISTICO DE PRECIPITACIONES MAXIMAS.....................................................................6
1.3.4 METODOS DE ESTIMACION DE PARAMETROS DE LAS FUNCIONES PROBABILISTICAS................7
1.3.5 METODO DE MOMENTOS.................................................................................................................................8
1.3.5.1
DISTRIBUCION NORMAL........................................................................................................................8
1.3.5.2
DISTRIBUCION DE VALOR EXTREMO TIPO I....................................................................................11
1.3.5.3
DISTRIBUCION LOG NORMAL DE II PARAMETROS.....................................................................17
1.3.5.4
DISTRIBUCION LOG NORMAL DE III PARAMETROS...................................................................21
1.3.5.5
DISTRIBUCION LOG PEARSON TIPO III.............................................................................................25
1.3.5.6
DISTRIBUCION PEARSON TIPO III.......................................................................................................28
1.3.6 VERIFICACION ESTADISTICA DE LAS DISTRIBUCIONES......................................................................32

1.3.6.1
PRUEBAS DE AJUSTE.............................................................................................................................32
1.3.6.2
METODO DEL ERROR CUADRTICO MINIMO.................................................................................32
1.3.6.3
SELECCIN DEL METODO ESTADSTICO APROPIADO..................................................................33
1.3.6.4
PRECIPITACION MAXIMA E INTENSIDAD MAXIMA.......................................................................34
1.3.6.5
ANLISIS DE RIESGO DE FALLA.........................................................................................................35
1.3.6.6
CURVAS DE INTENSIDAD-DURACIN Y FRECUENCIA (IDF)........................................................37
1.4 CONCLUSIONES...............................................................................................................................................44
ESTUDIO DE HIDROLOGA
DE PILLCOMARCA

1. HIDROLOGIA
1.1
GENERALIDADES
El tema de agua no es solamente de carcter tcnico productivo, implica tambin aspectos
sociales y de conservacin de los recursos naturales, por eso requiere de propuestas integrales
para su manejo; sobre todo considerar a la poblacin que se dedica a la agricultura como un ente
conservador del recurso hdrico en su rea de expansin.
Todos sabemos de la importancia que tiene el recurso hdrico como elemento insustituible para
fructificar nuestras necesidades, y no nos es ajeno el hecho de que sin un buen uso de este
recurso, no se podra lograr un desarrollo adecuado para este sector tan vital de la economa del
pas.
Es necesario tener en cuenta, que el agua es uno del recurso natural ms importante con que
contamos para hacer reverdecer nuestro medio y dar niveles de eficiencia y productividad. Este
resultado muchas veces se ha movido segn el momento y los tiempos, pero sin duda, el manejo
del agua ha sido objeto de trabajo en algunos momentos planificado, con visin de futuro por los
antiguos peruanos, en el que nada se dejaba pasar. Si se actuara de esta manera, los resultados
deberan ser los esperados.
El presente informe, trata de precisar el sistema de obras de drenaje que son necesarias para el
tramo descrito, como alternativa para solucionar los problemas que suelen presentarse durante la
poca de lluvias, cuando las precipitaciones caen directamente sobre la va e inundan el rea del
proyecto.
Los pasos que se requerirn son:
1. Determinar el nmero de obras existentes y as mismo proponer obras adicionales que ayuden
a controlar los efectos negativos de la escorrenta, con el fin de precisar su caudal y tipo de flujo
con respecto a la va.
2. Finalmente se realizar una lista del tipo de obras o estructuras que son necesarias para el
control de la accin de los flujos de las quebradas, asimismo, de cada una de las obras se
realizar un diseo para fijar su dimensionamiento y de este modo obtener el costo de cada
estructura y as obtener el costo de las obras necesarias para mitigar los efectos negativos del
agua para la transitabilidad, seguridad y durabilidad que toda infraestructura debe brindar al
usuario.
1.1.1 UBICACIN
Poltica:
Departamento
: HUANUCO.
Provincia
: HUANUCO.
Distrito
: PILLCO MARCA.
Localidad
: CAYHUAYNA.
DE PILLCOMARCA

Geogrficas:
Latitud Sur:
09 57 7.24
Longitud Oeste:
76 14 54.80
UTM
365024 E, 364841 E,
8903889 N, 8904701 N
Altitud: 1,947 msnm.
Hidrogrficamente se ubica en la vertiente del Atlntico y siguiendo una direccin de Sur Norte y
al Nor Oeste.
DE PILLCOMARCA

1.1.2 OBJETIVOS
OBJETIVOS GENERALES
El propsito del estudio es evaluar el comportamiento hidrolgico de los cursos de agua generada
por las lluvias, en las calles de CAYHYANA BAJA, con el propsito de corregir y/o conocer los
requerimientos de diseo de las obras de drenaje del proyecto.
OBJETIVOS ESPECIFICOS
Determinar el caudal de la escorrenta superficial del recurso hdrico en la Microcuencas
correspondientes al rea del proyecto considerado que permita el tratamiento y evacuacin de las
aguas.
Calcular los caudales de diseo de drenaje de las calles principales.
Determinar la precipitacin y la intensidad de lluvia en un evento mximo en la zona de proyecto.
Determinar el caudal mximo de diseo para un periodo de retorno de 25 aos. En los puntos de
captacin.
1.2
PARAMETROS DE LA MICROCUENCA
1.2.1 INFORMACIN CARTOGRAFICA Y GEOGRFICA

Informacin Cartogrfica
Del Instituto Geogrfico Nacional, IGN, la informacin cartogrfica disponible fue la siguiente:
Descripcin
Escala
* Mapa Fsico Poltico del Per
1 /1 000 000
* Mapa Vial del Per
1 /2 000 000
* Cartas Nacionales, Hoja: 20k
1 /1 00 000
Informacin Meteorolgica
Se dispuso de la siguiente informacin pluviomtrica:

PARMETRO
ESTACIN
PERIODO
Precipitacin Mx.
24 Horas
HUANUCO (1986-2003)
Precipitacin Promedio mensual HUANUCO (2005-2014) con 10 aos de registro.
DE PILLCOMARCA
1.3

ANALISIS DE EVENTOS MAXIMOS
1.3.1 DATOS HIDROMETEOROLOGICOS

Es necesario identificar un perodo comn de anlisis, siendo este 1996 2010 en cuanto a
precipitaciones mximas en 24 horas, de acuerdo a la informacin disponible y que se requiere
para efectos de clculo, siendo estos los parmetros de Precipitacin de las estaciones de:
PARA PRECIPITACIN MX. 24 HORAS
REGISTRO DE PRECIPITACIONES MAXIMAS EN 24 HORAS

HUANUCO / 000404 /DREESTACION: 11
PARAMETR PRECIPITACIONES MXIMAS EN 24
O: HORAS (mm)
LAT.
: 09 57' "S"
LONG
.: 76 14' "W"
ALT.:
1947 msnm
DPTO. :
PROV. :
DIST. :
ENERO
FEBRER
O
MARZ
O
ABRI
L
MAY
O
JUNI
O
JULI
O
AGOST
O
SEPTIEMB
RE
2005
5.90
16.60
25.50
2.40
0.60
0.00
0.80
7.50
3.50
2006
28.00
11.30
18.90
8.30
1.90
3.60
1.60
2.00
7.20
2007
8.70
2.40
12.30
7.50
5.30
1.20
3.30
2.90
2.30
2008
7.90
12.50
16.60
15.80
2.70
1.80
0.10
0.70
2009
19.60
10.00
19.40
10.60
7.30
9.00
4.00
2010
4.90
17.40
22.60
6.80
2.40
1.20
3.80
2011
13.60
11.60
35.40
8.00
9.50
1.80
2012
16.30
12.30
11.60
16.30
5.70
2013
7.90
13.20
14.70
13.60
2014
15.40
21.90
20.60
24.80
MEDIA
MAXIM
A
MINIM
A
12.82
12.92
19.76
11.41
28.00
21.90
35.40
4.90
2.40
11.60
AO
OCTUB
RE
HUANUC
O
HUANUCO
PILLCO MARCA
NOVIEMB
RE
DICIEMB
RE
MAX.
ANUAL
11.00
8.70
20.10
25.50
18.90
21.70
18.20
28.00
25.80
13.70
27.30
27.30
14.20
11.70
33.10
30.60
33.10
3.40
2.30
16.80
8.50
9.10
19.60
5.00
9.60
12.00
21.80
19.90
22.60
0.90
1.50
11.40
20.40
19.30
36.20
36.20
1.90
4.70
2.50
2.60
16.20
29.60
30.70
30.70
1.90
4.70
5.50
14.10
2.40
13.40
11.10
19.90
19.90
18.20
3.20
1.30
0.30
11.70
23.20
9.30
14.10
24.80
5.55
2.84
2.60
3.99
6.72
16.94
17.68
22.61
36.20
24.80
18.20
9.00
5.50
14.10
14.20
25.80
33.10
36.20
36.20
2.40
0.60
0.00
0.10
0.30
2.30
11.00
8.50
9.10
19.60
1.3.2 PROBABILIDAD DE OCURRENCIA DE LA PRESENTACION

Existen varias formulas para calcular la probabilidad de ocurrencia, la misma que se muestra en
las siguientes tablas, siendo la ms utilizada la formula de Weibull.
FORMULAS EMPRICAS PARA DETERMINAR LA PROBABILIDAD DE OCURRENCIA
Mtodo
Probabilidad de Ocurrencia (P)
DE PILLCOMARCA

m
n
m 1/ 2
n
m
n 1
m 0.3
n 0.4
m3/8
n 1 / 4
3m 1
3n 1
ma
n 1 2a
California
Hazen
Weibull
Chegadayev
Blom
Tukey
Gringorten
Donde:
P= Probabilidad experimental o frecuencia relativa emprica
m= Nmero de Orden
n= Nmero de datos
a= Valor comprendido en el intervalo 0<a<1, y depende de n, de acuerdo a la siguiente tabla
N
A
10
0.448
20
0.443
30
0.442
40
0.441
50
0.440
60
0.440
70
0.440
80
0.440
90
0.439
100
0.439
1.3.3 ANALISIS ESTADISTICO DE PRECIPITACIONES MAXIMAS

FUNCION DE PROBABILIDAD
Una funcin f(x) es llamada funcin de probabilidad o funcin de densidad de la variable aleatoria
contina X si cumple con las siguientes condiciones:
f ( x) 0, x R
f ( x)dx 1
Cuando se encuentra en los lmites
P ( A) P ( x A) P (a x b)
Sea el evento A ( x / a x b) ; luego,
f ( x)dx
Cuando se encuentra entre los lmites a y b

En la estadstica existen decenas de funciones de distribucin de probabilidad terica; y
obviamente no es posible probarlas todas para un problema particular, por lo tanto es necesario
escoger uno de esos modelos, el que se adapte mejor al problema bajo anlisis.
DE PILLCOMARCA

Para el anlisis de las precipitaciones mximas de las microcuenca de la zona se han utilizado los
ltimos registros histricos mximos de 24 horas de 18 aos (1966-2003), para ello se ajustaron a
6 Distribuciones de probabilidades las cuales son:
Distribucin Normal Estndar.

Distribucin Gumbel (Distribucin extrema Tipo I).
Distribucin Log Pearson Tipo III.
Distribucin Log Normal II Parmetros.
Distribucin Log Normal III Parmetros.
Distribucin Pearson tipo III.
1.3.4 METODOS DE ESTIMACION DE PARAMETROS DE LAS FUNCIONES

PROBABILISTICAS
Existen varias tcnicas para la estimacin de los parmetros de una distribucin entre otras estas
son:
Mtodo de Momentos
Mtodo de mxima verosimilitud
Mtodo de mnimos cuadrados
Mtodo grfico
El objetivo de la estimacin de los parmetros es de relacionar los registros observados (media,
variancia, sesgo, etc.) de un fenmeno aleatorio con el modelo probabilstica seleccionado. En este
trabajo se desarrollara en base a la informacin seleccionada que se muestra en el siguiente
cuadro.
REGISTRO DE PRECIPITACIONES MAXIMAS EN 24 HORAS
N
1.00
2.00
11.00
12.00
13.00
14.00
15.00
16.00
17.00
AO
2005
2006
2007
2008
2009
2010
2011
2012
2013
MAX.
ANUAL
25.50
28.00
27.30
33.10
19.60
22.60
36.20
30.70
19.90
18.00
2014
24.80
MEDIA
36.20
MAXIMA
36.20
MINIMA
19.60
DE PILLCOMARCA

1.3.5 METODO DE MOMENTOS

1.3.5.1 DISTRIBUCION NORMAL
El mtodo de momentos fue desarrollado por primera vez por Karl Pearson en 1902. l consider
que unos buenos estimativos de los parmetros de una funcin de probabilidad son aquellos para
los cuales los momentos de la funcin de densidad de probabilidad alrededor del origen son
iguales a los momentos correspondientes de la informacin de la muestra.
El mtodo de momentos selecciona valores para los parmetros de la funcin de densidad de
probabilidad de tal manera que sus momentos son iguales a aquellos de la informacin de la
muestra.
n
i 1
Xi 1 n
Xi X
n
n i 1
La media o promedio es el estimador que corresponde a la funcin terica de probabilidad que es:
u xf ( x)dx
Originalmente Pearson consider solamente momentos alrededor del origen, pero posteriormente
se volvi comn el uso de la varianza como el segundo momento central,
2 E (( x u ) 2 ,
y el coeficiente de asimetra como el tercer momento central estandarizado,
E (( x u ) 3 / 3 ,
para determinar el segundo y el tercer parmetro de la distribucin.
Cuando la distribucin de probabilidad, a la que se estima los parmetros por este mtodo es
simtrica y particularmente si es normal, se puede demostrar que este mtodo es muy eficiente,
pero cuando las distribuciones son asimtricas y por lo tanto sesgadas, como ocurre muy a
menudo con las variables hidrolgicas, el utilizar este mtodo representa una prdida de eficiencia
en la estimacin.
El anlisis para la Distribucin Normal de la Estacin de HUANUCO que se presenta: Con el apoyo
del programa Smada.
Con las precipitaciones correspondientes a periodos de retorno de 2, 3, 5, 10, 25, 50, 100, y 200
aos se muestran a continuacin.
DE PILLCOMARCA

Distribution Analysis: Normal Distribution

------------------Summary of Data ----------------------First Moment (mean) = 26.7600
Second Moment = 2.961e01
Skew = 2.334e-01
--------------------------------------------------------Point
Weibull
Actual Predicted
Standard
Number Probability
Value
Value
Deviation
--------------------------------------------------------1
0.0909
19.6000
19.4938
2.8706
2
0.1818
19.9000
21.8174
2.3246
3
0.2727
22.6000
23.4722
2.0104
4
0.3636
24.8000
24.8647
1.8221
5
0.4545
25.5000
26.1401
1.7318
6
0.5455
27.3000
27.3799
1.7318
7
0.6364
28.0000
28.6553
1.8221
8
0.7273
30.7000
30.0478
2.0104
9
0.8182
33.0000
31.7026
2.3246
10
0.9091
36.2000
34.0262
2.8706
------------------------------------------------------------------------- Predictions -------------------------Exceedence
Return
Calculated
Standard
Probability
Period
Value
Deviation
--------------------------------------------------------0.9950
200.0
40.7780
4.7551
0.9900
100.0
39.4206
4.3577
0.9800
50.0
37.9374
3.9312
0.9600
25.0
36.2881
3.4697
0.9000
10.0
33.7342
2.7973
0.8000
5.0
31.3386
2.2488
0.6670
3.0
29.1064
1.8738
0.5000
2.0
26.7600
1.7207
---------------------------------------------------------
Normal Distribution
40
30
Value
Actual Data
20
10
Distribution
0
0.0
0.2
0.4
0.6
0.8
Weibull Probability
1.0
DE PILLCOMARCA

1.3.5.2 DISTRIBUCION DE VALOR EXTREMO TIPO I

FUNCIN DE DISTRIBUCIN ACUMULADA.
La funcin de distribucin acumulada, tiene la forma:
F ( x) e e
Para:
, x
Donde:
El parmetro se le conoce como parmetro de escala.
El parmetro se le conoce como parmetro de posicin.
FUNCIN DENSIDAD DE PROBABILIDAD.
Derivando la funcin de distribucin acumulada, con respecto a x, se obtiene la funcin de
densidad de probabilidad, es decir:
f ( x)
dF ( x)
dx
f ( x ) * e x e
z x
Para x ,
El signo (+) se aplica para valores mnimos y el signo (-) se aplica para valores mximos
(distribucin Gumbel o Tipo I).
Si se hace la transformacin:
Y x
Con lo cual, la funcin densidad reducida es:

y
f ( y) e y e
El signo (+) se emplea para eventos mnimos y el signo (-) para eventos mximos.
La funcin de distribucin acumulada es:
F ( y) ee
(Mximo)
F ( y ) 1 e e (Mnimo)
F ( y ) min 1 F ( y ) max
10
DE PILLCOMARCA

Los valores correspondientes de x e y, estn relacionadas por: F(x) = F(y) y la relacin:

Y x
MTODO DE GUMBEL (VALOR EXTREMO TIPO I)

Segn Paulet, 1974, El mtodo de Gumbel se utiliza para predecir magnitudes mximas de
variables hidrolgicas asumiendo que estos valores son independientes entre s, tambin son
usadas frecuentemente para el estudio de magnitud - duracin - frecuencias de lluvias (Hershfiel
1961).
Segn Linsley 1971, aplic al ro Clear Water en Idaho Estados Unidos. Este mtodo es adecuado
cuando se utiliza como datos las descargas mximas anuales en un punto de control de una
vertiente o un Ro.
La funcin de densidad reducida de Gumbel (Tipo I) tiene la forma de la ecuacin anterior pero con
signo negativo.
ESTIMACIN DE PARMETROS
Para la estimacin de los parmetros
utilizaron 2 mtodos de estimacin.
y de la Funcin Acumulada F(x) ecuacin se
MTODO DE MOMENTOS
Segn Lowery y Nash, 1970 utilizando el mtodo de momentos se obtienen las siguientes
relaciones:
Media:
E(x)=
Donde c, es la constante de Euler, cuyo valor es:
1 1
1
c Limn 1 ........... Ln(n)

2 3
n
c = 0.5772156649
Por lo tanto
:
X
0.57721
Varianza:
11
DE PILLCOMARCA

E X E ( x)
2
S 2
*6
2
De donde se obtienen:
1.2825
S
0.57721
Reemplazando en las ecuaciones anteriores se tiene lo siguiente:
X 0.45 * S ==>Mximo
X 0.45 * S ==>Mnimo
Para muestras muy grandes, o bien como:
y
S
y
a
Para muestras relativamente pequeas, los valores de

tabla
se muestran en la tabla siguiente
Por otro lado, conocemos que la ecuacin de GUMBEL se expresa como:

X
De las ecuaciones se puede escribir la ecuacin como:

X X
y y * S
X X
y * S y * S
y
y
X X
S
y y
Y
Se sabe que la funcin de distribucin Acumulada ecuacin es:
12
DE PILLCOMARCA
F(y) = e

e y
Por otro lado se tiene:

F ( y) 1
1
T
Entonces se tiene que.

1
y
1
ee F ( y)
T
TABLA DE MEDIAS ESPERADAS Y DESVIACIONES ESTNDAR DE EXTREMOS

REDUCIDOS
Tomando dos veces Ln a la ecuacin a ambos miembros se obtiene lo siguiente:
T 1
y Ln Ln
Reemplazando el valor de y en la ecuacin se obtiene:
13
DE PILLCOMARCA
X X

S
T 1
y Ln Ln
y
T
1
T
X X S
y LnLn

y
T 1

1
y
S i consideramos que para valores grandes de N, la expresin

tiende a y que y tiende
a c =0.5772 entonces hemos comprobado que la ecuacin general para expresar un valor de una
X X K *S
serie hidrolgica es:
El anlisis para la Distribucin MTODO DE GUMBEL (VALOR EXTREMO TIPO I) de la Estacin
de HUANUCO que se presenta: Con el apoyo del programa Smada.
14
DE PILLCOMARCA

Distribution Analysis: Gumbel Extremal Type I

Skew = 2.341e-01
--------------------------------------------------------Point
Weibull
Actual Predicted
Standard
Number Probability
Value
Value
Deviation
--------------------------------------------------------1
0.0909
19.6000
18.4854
2.1654
2
0.1818
19.9000
20.5488
1.7258
3
0.2727
22.6000
22.1915
1.4918
4
0.3636
24.8000
23.7052
1.4174
5
0.4545
25.5000
25.2124
1.4997
6
0.5455
27.3000
26.8029
1.7307
7
0.6364
28.0000
28.5778
2.1036
8
0.7273
30.7000
30.6956
2.6373
9
0.8182
33.1000
33.4887
3.4153
10
0.9091
36.2000
37.9916
4.7478
Return
Calculated
Standard
Probability
Period
Value
Deviation
--------------------------------------------------------0.9950
200.0
55.8043
10.2625
0.9900
100.0
51.5969
8.9467
0.9800
50.0
47.3741
7.6311
0.9600
25.0
43.1199
6.3141
0.9000
10.0
37.3853
4.5652
0.8000
5.0
32.8467
3.2317
0.6670
3.0
29.2421
2.2632
0.5000
2.0
25.9917
1.5973
---------------------------------------------------------
Gumbel Extremal Type I

40
30
Value
Actual Data
20
10
Distribution
0
0.0
0.2
0.4
0.6
0.8
Weibull Probability
15
1.0
DE PILLCOMARCA

1.3.5.3 DISTRIBUCION LOG NORMAL DE II PARAMETROS

Si la variable aleatoria Y = log X est normalmente distribuida, entonces se dice que X est
distribuida en forma lognormal. Esta funcin fue estudiada por primera vez por Galtn en el ao de
1875, por eso es que se le llama tambin funcin de Galtn.
Por el teorema del lmite central, tenemos que si X es una variable aleatoria con distribucin
normal, se puede esperar una variable y=lnx, tambin con distribucin normal con media y y
varianza y2, se usan estos parmetros para especificar que la distribucin es logartmica, puesto
que tambin puede usarse la media y la varianza de x.
FUNCIN DE DENSIDAD DE PROBABILIDAD
La funcin densidad de distribucin normal para Y es:
f ( y)
y 2
1 y y

2 y
Para - < y < +

Refiriendo la funcin de distribucin de f(y) con f(x), se tiene:
f ( x) f ( y )
Como Y=lnx
dy
dx
dy
dx
1
x
, X>0
1 ln x y
y
1
2
f ( x)
e
2 x y
Para X>0
f(y) = Es la funcin de densidad de la distribucin normal para y con media y y variancia y2.
f(x) = Es la funcin de densidad de la distribucin Log - Normal para X con parmetro y y y2.
Las tablas de distribucin normal estndar pueden ser usadas para evaluar la distribucin Log
Normal.
Como f(x) = f(y)/x; pero f(y) es una distribucin normal tenemos: f(x)=f(z)/xy.
FUNCIN DE DISTRIBUCIN ACUMULADA
La funcin de distribucin acumulada para X e Y es:
16
DE PILLCOMARCA

1
2
F ( x)
F ( x)
dx
1
2
1 Lnx y
2
y
1 y y
2 y
dy
Los valores de la funcin de distribucin de probabilidad F(y) se obtienen usando la frmula de

Abramowitz y Stegn si la variable estandarizada se define como:
y y
1
F ( x)
2
Para la estimacin de los parmetros

estimaron por 2 Mtodos de estimacin:
z2
2
dz
de la funcin de Distribucin Acumulada F(x) se
MTODO DE MOMENTOS
Utilizando el mtodo de momentos de las relaciones entre la media y la varianza de la variable x y
2
los parmetros y y y , pueden ser estimados por y y Sy2 mediante la transformacin yi =
LnXi. Se sabe que y = Lnx tiene distribucin normal, mientras que x tiene distribucin Log-Normal.
n
y
y 1
n
i 1
S y2
i 1
2
i
ny
n 1
Los valores de y y Sy2 se estiman a partir de n observaciones Xi, i=1,2,3,4....n

Segn Chow (1954), se presento la siguiente relacin para calcular y y Sy2 sin que sea necesario
transformar los datos previamente en sus logaritmos.
1
x
y Ln
2 Cv 2 1
2
S y2 Ln(Cv 2 1)
17
DE PILLCOMARCA

Donde Cv es el coeficiente de variacin de los datos originales
Cv
Sx
x
Existen las siguientes relaciones para obtener la Media y Varianza de la distribucin Log Normal.
x E ( x) e
1 2
y y
2
y2
2
Var(x)= x e
Cv=
y2
1/ 2
Coeficiente de Asimetra: g = 3Cv+Cv3

Para valores prcticos de
por:
g=0.52 + 4.85*
; 0.1<
y2 0.6,
la relacin es casi lineal y puede ser aproximada
Que es correcta dentro del 2%, en el rango mencionado.
El anlisis para la DISTRIBUCION LOG NORMAL DE II PARAMETROS de la Estacin de

HUANUCO que se presenta: Con el apoyo del programa Smada.
18
DE PILLCOMARCA

Distribution Analysis: 2 Parameter Log Normal

Skew = 2.341e-01
--------------------------------------------------------Point
Weibull
Actual Predicted
Standard
Number Probability
Value
Value
Deviation
--------------------------------------------------------1
0.0909
19.6000
20.0381
1.9359
2
0.1818
19.9000
21.8403
1.7156
3
0.2727
22.6000
23.2217
1.6193
4
0.3636
24.8000
24.4517
1.5977
5
0.4545
25.5000
25.6353
1.6364
6
0.5455
27.3000
26.8408
1.7317
7
0.6364
28.0000
28.1400
1.8878
8
0.7273
30.7000
29.6305
2.1194
9
0.8182
33.1000
31.5046
2.4663
10
0.9091
36.2000
34.3381
3.0635
Return
Calculated
Standard
Probability
Period
Value
Deviation
--------------------------------------------------------0.9950
200.0
44.1016
5.3885
0.9900
100.0
41.9379
4.8554
0.9800
50.0
39.6946
4.3103
0.9600
25.0
37.3408
3.7501
0.9000
10.0
33.9685
2.9821
0.8000
5.0
31.0825
2.3839
0.6670
3.0
28.6144
1.9562
0.5000
2.0
26.2312
1.6769
---------------------------------------------------------
2 Parameter Log Normal

40
30
Value
Actual Data
20
10
Distribution
0
0.0
0.2
0.4
0.6
0.8
Weibull Probability
19
1.0
DE PILLCOMARCA

1.3.5.4 DISTRIBUCION LOG NORMAL DE III PARAMETROS

Es una funcin de distribucin anloga a la anterior con la nica diferencia que el lmite inferior no
es cero, fue introducida por primera vez por R. Gibrart el cual la llam la ley de efectos
proporcionales.
Difiere de la distribucin Log Normal de II parmetros por la introduccin de un lmite inferior X0, tal
que: y = ln(x-x0).
La funcin de densidad de x es:
f ( x)
1
e
( x x 0 ) 2 y
1 ln( x x0 ) y
2
y
Para x>x0
Donde:
x0 =
y =
y2=
Parmetro de posicin
Parmetro de escala o media
Parmetro de forma o varianza
Haciendo la transformacin y = ln(x-x0); la funcin de densidad reducida es:
f ( y)
y 2
1 y y
2 y
Para y
z
si
yy
f (z)
z2
1
e2
2

La funcin de distribucin acumulada del Mtodo Log - Normal de III Parmetros es:
x
1
F ( x)
( x x0 ) y 2
F ( y)
20
y 2
1 ln(x x 0 ) y
2
y
x0
1 y y
2 y
dy
dx
DE PILLCOMARCA
Como
y y

1
2
f (z)
z2
dz
Las funciones: F(x) y F(y) son iguales.

La funcin F(z) es una distribucin normal estndar, la que puede ser usada para evaluar la
distribucin Log Normal.
Para la estimacin de los parmetros de Xo,
F(x) se tienen 2 Mtodos de estimacin:
de la Funcin de Distribucin Acumulada
MTODO DE MOMENTOS
Los momentos de X pueden obtenerse de los correspondientes momentos de la distribucin Log
Normal de II parmetros, debido a que las variables difieren solo en el parmetro de posicin Xo,
ya que y = Ln (x-xo).
X Xo H
Donde:
X = variable aleatoria con distribucin Log Normal de III parmetros
H = Variable aleatoria con distribucin Log Normal de II parmetros
Xo = Parmetro de posicin
x x0 E ( H ) x0 H
x H
2
Media: x x0 e
Varianza: x e
2
1 2
y y
2
y2
1 * e
y 2
El coeficiente de asimetra (g) esta dado por:
g e
y2
y2
Y de forma aproximada puede ser:
g 0.52 4.85sy2
g =0.52+4.85sy2
Luego de las ecuaciones anteriores se obtienen los siguientes resultados:
21
DE PILLCOMARCA

g 0.52
4.85
1 x
2
y Ln
2
y
2 e y 1
X 0 x e
2
y y 2
El anlisis para la DISTRIBUCION LOG NORMAL DE III PARAMETROS de la Estacin de

HUANUCO que se presenta: Con el apoyo del programa Smada.
Distribution Analysis: 3 Parameter Log Normal
Skew = 2.341e-01
--------------------------------------------------------Point
Weibull
Actual Predicted
Standard
Number Probability
Value
Value
Deviation
--------------------------------------------------------1
0.0909
19.6000
19.6720
2.1852
2
0.1818
19.9000
21.7969
1.9073
3
0.2727
22.6000
23.3538
1.8413
4
0.3636
24.8000
24.6928
1.8356
5
0.4545
25.5000
25.9427
1.8519
6
0.5455
27.3000
27.1799
1.8806
7
0.6364
28.0000
28.4756
1.9262
8
0.7273
30.7000
29.9175
2.0096
9
0.8182
33.1000
31.6687
2.1925
10
0.9091
36.2000
34.1988
2.7009
Return
Calculated
Standard
Probability
Period
Value
Deviation
--------------------------------------------------------0.9950
200.0
42.0456
6.4744
0.9900
100.0
40.4067
5.4276
0.9800
50.0
38.6518
4.4501
0.9600
25.0
36.7436
3.5669
0.9000
10.0
33.8762
2.6172
0.8000
5.0
31.2800
2.1419
0.6670
3.0
28.9395
1.9483
0.5000
2.0
26.5586
1.8647
---------------------------------------------------------
22
DE PILLCOMARCA

3 Parameter Log Normal

40
30
Value
Actual Data
20
10
Distribution
0
0.0
0.2
0.4
0.6
0.8
1.0
Weibull Probability
1.3.5.5 DISTRIBUCION LOG PEARSON TIPO III
Segn Chow, 1995, si log X sigue una distribucin Pearson Tipo III, entonces se dice que X sigue
una distribucin log - Pearson tipo III. Esta es la distribucin estndar para anlisis de frecuencias
de crecientes mximas anuales en los Estados Unidos (Benson, 1968).
La localizacin del lmite X0 en la distribucin Log - Pearson Tipo III depende de la asimetra de la
informacin, se plantea 2 casos:
Si la informacin tiene asimetra positiva, entonces Log x X0 y X0 es un lmite inferior.
Si la informacin tiene asimetra negativa, Log x X0 y X0 es un lmite superior.
Segn Bobee, 1975. La transformacin Log reduce la asimetra de la informacin transformada y
puede producir informacin transformada con asimetra negativa utilizando informacin original con
asimetra positiva. En este caso, la aplicacin de la distribucin Log - Pearson Tipo III impondra un
lmite superior artificial a la informacin.
Dependiendo de los valores de los parmetros, la distribucin Log - Pearson Tipo III puede asumir
muchas formas diferentes, tal como se muestra en la siguiente tabla
Localizacin de la moda para la distribucin Log - Pearson Tipo III como una funcin de sus
parmetros.
Parmetro
Forma
0<<1
>1
23
de
<-Ln10
-Ln10<<0
>0
Sin
moda,
forma en J
Moda mnima
forma en U
Unimodal
Sin
moda
forma en J
invertida
Sin
moda,
forma en J
invertida
Unimodal
DE PILLCOMARCA

FUNCIN DE DENSIDAD DE PROBABILIDAD.

El primer paso es tomar los logartmicos de la informacin hidrolgica, Z=logx, mayormente se
utilizan logaritmos con base 10, se calculan la media X, la desviacin estndar Sx y el coeficiente
de asimetra Cs para los logaritmos de los datos.
La funcin de densidad para X y Z se dan a continuacin:
f ( x)
1 log x x
* e log x x /
Si se hace una transformacin: Z = log(x) La funcin densidad reducida es:
z z 0 1 z z /
f ( z)
*e

0
Donde:
Z = Variable aleatoria con distribucin Pearson Tipo III
X = Variable aleatoria con distribucin Log - Pearson Tipo III
Z0 = Parmetro de Posicin
= Parmetro de escala
= Parmetro de forma
En el caso de la distribucin Log - Pearson Tipo III: X = 10z, la variable reducida es:
Z Z0
Por lo que la ecuacin queda de la siguiente manera:
f ( y)
1
* y 1 * e y


La funcin de distribucin acumulada de la distribucin Log Pearson Tipo III es:
1 z z0
F ( z)

Z0
Z
*e
z z0
Sustituyendo las ecuaciones anteriores se obtiene lo siguiente:

1
F ( y)

24
* e y dy
dz
DE PILLCOMARCA

La ecuacin anterior es una distribucin Ji cuadrada con 2 grados de libertad y X2=2y
F ( y ) F x 2 / Fx 2 ( 2 y / 2 )
Para la estimacin de los parmetros Zo, y de la funcin acumulada se usaron 2 mtodos de

estimacin.
MTODO DE MOMENTOS
El procedimiento recomendado para el mtodo de momentos es convertir la serie de datos a sus
logaritmos y luego calcular los siguientes parmetros:
Media:
Logx =
log x
n
Desviacin Estndar:
log x
log x log x
n 1
Coeficiente de Asimtrica:
n log x log x
g = n 1 n 2 log x
El valor de X; para cualquier nivel de probabilidad se puede calcular a partir de la siguiente

expresin:
Logx =
log x K log x
Los valores de K se toman de la tabla siguiente:

Distribution Analysis: Log Pearson Type III
Skew = 2.341e-01
--------------------------------------------------------Point
Weibull
Actual Predicted
Standard
Number Probability
Value
Value
Deviation
--------------------------------------------------------1
0.0909
19.6000
19.3884
1.9910
2
0.1818
19.9000
21.3807
1.8427
3
0.2727
22.6000
22.9186
1.8490
4
0.3636
24.8000
24.2950
1.9083
5
0.4545
25.5000
25.6254
1.9925
6
0.5455
27.3000
26.9860
2.0956
7
0.6364
28.0000
28.4582
2.2259
8
0.7273
30.7000
30.1541
2.4131
25
DE PILLCOMARCA

9
0.8182
33.1000
32.2964
2.7450
10
0.9091
36.2000
35.5541
3.5707
Return
Calculated
Standard
Probability
Period
Value
Deviation
--------------------------------------------------------0.9950
200.0
46.9203
10.3695
0.9900
100.0
44.3852
8.3260
0.9800
50.0
41.7659
6.5259
0.9600
25.0
39.0284
4.9923
0.9000
10.0
35.1280
3.4363
0.8000
5.0
31.8130
2.6581
0.6670
3.0
28.9972
2.2802
0.5000
2.0
26.2972
2.0415
---------------------------------------------------------
Log Pearson Type III

40
30
Value
Actual Data
20
10
Distribution
0
0.0
0.2
0.4
0.6
0.8
1.0
Weibull Probability
1.3.5.6 DISTRIBUCION PEARSON TIPO III
Segn Chow, la distribucin Pearson Tipo III se aplic por primera vez en la Hidrologa por Foster
(1924) para describir la distribucin de probabilidad de picos crecientes mximos anuales. Cuando
la informacin es muy asimtrica positivamente, se utiliza una transformacin Log para reducir la
asimetra.
La distribucin Pearson Tipo III, Tambin llamada la distribucin gamma de tres parmetros,
introduce un tercer parmetro, el lmite inferior o parmetro de posicin , de tal manera que por el
mtodo de los momentos, los tres momentos de la muestra (la media, la desviacin estndar y el
coeficiente de asimetra) pueden transformarse en los tres parmetros , , de la distribucin de
probabilidad.
Funcin de densidad de probabilidad Pearson Tipo III
26
DE PILLCOMARCA

f ( x ) ( x
1 x
) / parax
El sistema de distribuciones Pearson incluye siete tipos; todos son soluciones para f(x) en una
ecuacin de la forma:
d ( f ( x) / dx ( f ( x) * ( x d )) /( C 0 C1 * x C 2 * x 2 )
Donde d es la moda de la distribucin (el valor de x para la cual f(x) es un mximo) y C0, C1 y C2
son coeficientes que deben determinarse. Cuando C2 = 0 es la solucin de la ecuacin anterior, es
una distribucin Pearson tipo III, con una funcin de densidad de probabilidad segn la ecuacin
anterior Para C1 = C2 = 0, la solucin de la ecuacin anterior es una distribucin normal.
Segn Markovick, 1965, mostr que no hay diferencia entre el ajuste de una distribucin Gamma y
una Log Normal, esta funcin de distribucin es muy popular debido a que cuando el coeficiente de
asimetra se iguala a cero se obtiene la distribucin Normal.

Se dice que una variable aleatoria X tiene una distribucin Tipo III si su funcin densidad de
probabilidades con origen en la moda, est dada por:
x 1
1
f ( x)
1 1 1
x 1
1 1
*e
Donde 1, 1 y 1, son los parmetros de la funcin (1) es la funcin Gamma.

En la tabla de funcin gama se halla las propiedades bsicas y la tabla de valores de la funcin
Gamma.
Para: 1 x
Donde:
1 = Parmetro de Posicin
1 = Parmetro de escala
1 = Parmetro de forma
La variable reducida.
x 1
1
Por lo que
27
DE PILLCOMARCA

f ( y)
1
y 1 * e y
1
FUNCIN DE DISTRIBUCIN ACUMULADA.

La funcin de distribucin acumulada de la distribucin Pearson Tipo III es:
x 1
F ( x)
e
1 1 0
x
x 1
dx
1
Combinando las ecuaciones anteriores se tiene:

1
F ( y)
1
1 y
e dy
La ecuacin anterior es una funcin de distribucin Ji cuadrada con 21 grados de libertad y X2=2y
F ( y ) F x 2 / Fx 2 2 y / 2 1
2
En las tablas de estadstica se encuentra la funcin de distribucin X
Segn Aparicio 1996, manifiesta que la manera de usar la funcin de distribucin Pearson Tipo III
es estrictamente vlida cuando 1=n/2, donde n es un entero positivo cualquiera si, como es
comn, 21 es no entero, puede tomarse como el entero ms prximo o bien interpolar en la tabla
N A.2 del apndice A. Cuando 1<0.3, ser necesario acudir a tablas de la funcin de distribucin
Gamma de un Parmetro.
Para la estimacin de parmetros de la Funcin Acumulada F(x) se tiene 2 Mtodos de Estimacin.
MTODO DE MOMENTOS
Los parmetros de 1, 1 y d1 de la Funcin Acumulada F(x) se evalan a partir de n datos

medidos mediante el siguiente sistema de ecuaciones.
X 1 * 1 1
2*
S 2 1 1
g
2
1
Donde X es la media de los datos S2 su varianza y g su coeficiente de sesgo coeficiente de

Asimetra, que se define como:
28
DE PILLCOMARCA

Cs g
i 1
X *n
3
n 1 n 2 S 3
Distribution Analysis: Pearson Type III

Skew = 2.341e-01
--------------------------------------------------------Point
Weibull
Actual Predicted
Standard
Number Probability
Value
Value
Deviation
--------------------------------------------------------1
0.0909
19.6000
20.0129
1.8158
2
0.1818
19.9000
21.8065
1.6742
3
0.2727
22.6000
23.1926
1.7276
4
0.3636
24.8000
24.4318
1.8051
5
0.4545
25.5000
25.6267
1.8769
6
0.5455
27.3000
26.8446
1.9430
7
0.6364
28.0000
28.1568
2.0182
8
0.7273
30.7000
29.6600
2.1388
9
0.8182
33.1000
31.5441
2.4002
10
0.9091
36.2000
34.3752
3.1295
Return
Calculated
Standard
Probability
Period
Value
Deviation
--------------------------------------------------------0.9950
200.0
43.9040
8.3003
0.9900
100.0
41.8263
6.8906
0.9800
50.0
39.6510
5.5625
0.9600
25.0
37.3462
4.3467
0.9000
10.0
34.0073
3.0101
0.8000
5.0
31.1204
2.3276
0.6670
3.0
28.6356
2.0509
0.5000
2.0
26.2287
1.9101
---------------------------------------------------------
Pearson Type III

40
30
Value
Actual Data
20
10
Distribution
0
0.0
0.2
0.4
0.6
0.8
Weibull Probability
29
1.0
DE PILLCOMARCA

1.3.6 VERIFICACION ESTADISTICA DE LAS DISTRIBUCIONES

Para un mejor anlisis de los datos hidrolgicos es necesario conocer el tipo o forma de
distribucin terica que puede representar aproximadamente a la distribucin emprica (mtodo
estadstico) de estos datos. Para averiguar cuan aproximada es esta distribucin emprica a la
terica, es necesario realizar algunas pruebas estadsticas conocidas como prueba de ajuste.
1.3.6.1 PRUEBAS DE AJUSTE
Consisten en comprobar grfica y estadsticamente si la frecuencia emprica de la serie de
registros analizados se ajustan a un determinado modelo probabilstica adoptado a priori, con los
parmetros estimados en base a los valores maestrales.
Las pruebas estadsticas tienen por objeto medir la certidumbre que se obtiene al hacer una
hiptesis estadstica sobre una poblacin. Es decir, calificar el hecho de suponer que una variable
aleatoria se distribuye segn un modelo probabilstica.
Los ajustes ms comunes son:
Smirnov Kolmogorow.
Mtodo del error cuadrtico mnimo
1.3.6.2 METODO DEL ERROR CUADRTICO MINIMO

Este mtodo consiste en calcular, para cada funcin de distribucin, el error cuadrtico.
( X i Yi )
i 1
Donde
Xi = es el i-esimo dato estimado
Yi = es el i-simo dato calculado con la funcin de distribucin bajo anlisis
N = Nmero de datos
En el cuadro siguiente se muestra el procedimiento estimado para cada uno de los diferentes
mtodos estadsticos usados en el presente estudio.
30
DE PILLCOMARCA
WEIBU
LL
PERIOD
O DE
RET.
TR
0.909
11.000
0.818
5.500
0.727
3.667
0.636
2.750
0.545
2.200
0.455
1.833
0.364
1.571
0.273
1.375
9
1
0
0.182
1.222
0.091
1.100
PERIO
PRO
DO DE
B.
RET.
200.00 0.99
0
5
100.00 0.99
0
0
0.98
50.000
0
0.96
25.000
0
0.90
10.000
0
0.80
5.000
0
0.66
3.000
7
2.000 0.50
31
P(mm
)

METODO DE ERROR CUADRATICO MINIMO

MTODO DE
DISTRIBUCION
DISTRIBUCION
GUMBEL (VALOR LOG NORMAL
LOG NORMAL
EXTREMO TIPO
DE II
DE III
I)
PARAMETROS
PARAMETROS
DISTRIBUCION
LOG PEARSON
TIPO III
(PePe
Po)2
19.39
0
0.044
21.38
0
2.190
22.92
0
0.102
24.30
0
0.250
25.63
0
0.017
26.99
0
0.096
28.46
0
0.212
30.15
0
0.303
32.30
0
0.640
35.55
0
0.423
DISTRIBUCION
PEARSON TIPO
III
(PePe
Po)2
20.01
0
0.168
21.81
0
3.648
23.19
0
0.348
24.43
0
0.137
25.63
0
0.017
26.84
0
0.212
28.16
0
0.026
29.66
0
1.082
31.54
0
2.434
34.38
0
3.312
Po
19.60
0
19.90
0
22.60
0
24.80
0
25.50
0
27.30
0
28.00
0
30.70
0
33.10
0
36.20
0
DISTRIBUCIO
N NORMAL
(PePe
Po)2
19.49
0
0.012
21.82
0
3.686
23.47
0
0.757
24.87
0
0.005
26.15
0
0.422
27.39
0
0.008
28.67
0
0.449
30.07
0
0.397
31.72
0
1.904
34.05
0
4.623
12.264
7.038
11.879
11.281
4.277
11.383
3.502
2.653
3.447
3.359
2.068
3.374
DISTRIBU
CION
NORMAL
40.820
39.460
37.970
36.320
33.760
31.360
29.120
26.770
Pe
18.49
0
20.55
0
22.19
0
23.71
0
25.21
0
26.80
0
28.58
0
30.70
0
33.49
0
37.99
0
(Pe-Po)2
1.232
0.423
0.168
1.188
0.084
0.250
0.336
0.000
0.152
3.204
Pe
20.04
0
21.84
0
23.22
0
24.45
0
25.64
0
26.84
0
28.14
0
29.63
0
31.50
0
34.34
0
(Pe-Po)2
0.194
3.764
0.384
0.123
0.020
0.212
0.020
1.145
2.560
3.460
Pe
19.67
0
21.80
0
23.35
0
24.69
0
25.94
0
27.18
0
28.48
0
29.92
0
31.67
0
34.20
0
(Pe-Po)2
0.005
3.610
0.563
0.012
0.194
0.014
0.230
0.608
2.045
4.000
MTOD
O DE DISTRIBUC DISTRIBUC
GUMBE ION LOG ION LOG DISTRIBUC
DISTRIBUCIO
L
NORMAL
NORMAL
ION LOG
N PEARSON
(VALOR
DE II
DE III
PEARSON
TIPO III
EXTRE PARAMETR PARAMETR
TIPO III
MO
OS
OS
TIPO I)
55.80
0
44.100
42.050
46.920
43.900
51.60
0
41.940
40.410
44.390
41.830
47.37
0
39.690
38.650
41.770
39.650
43.12
0
37.340
36.740
39.030
37.350
37.39
0
33.970
33.880
35.130
34.010
32.85
0
31.080
31.280
31.810
31.120
29.24
0
28.610
28.940
29.000
28.640
25.99
26.230
26.560
26.300
26.230
DE PILLCOMARCA

1.3.6.3 SELECCIN DEL METODO ESTADSTICO APROPIADO

En el cuadro siguiente se resume los resultados de las pruebas efectuadas anteriormente. En este
cuadro se verificara el error estadstico menor. De estos resultados se concluye que la funcin que
mejor se ajusta a los datos es GUMBEL (VALOR EXTREMO TIPO I)
Seleccin de la funcin de Distribucin
SELECION DE
METODO
ESTADISTICO
METODO
ESTADISTICO
DISTRIBUCION
NORMAL
3.502
ERROR
MTODO DE
GUMBEL (VALOR
EXTREMO TIPO I)
2.653
ERROR
DISTRIBUCION LOG
NORMAL DE II
PARAMETROS
3.447
ERROR
DISTRIBUCION LOG
NORMAL DE III
PARAMETROS
3.359
ERROR
DISTRIBUCION
LOG PEARSON
TIPO III
2.068
TOMAR VALOR
DISTRIBUCION
PEARSON TIPO III
3.374
ERROR
En conclusin despus de realizar todas las pruebas de anlisis estadstico la distribucin que
mejor se adecua es el mtodo de DISTRIBUCION LOG PEARSON TIPO III por que tiene menor
error
1.3.6.4 PRECIPITACION MAXIMA E INTENSIDAD MAXIMA
El estudio de la Precipitacin Mxima e Intensidad Mxima es muy importante para tener
conocimiento de la intensidad de las tormentas, sus magnitudes, as como su frecuencia, son muy
32
DE PILLCOMARCA

necesarios para el diseo de las diferentes obras hidrulicas que pudieran construirse en las zonas
de estudio.
Para el anlisis se ha tenido en cuenta en cuenta la informacin de precipitacin mxima en 24
horas
Con la finalidad de obtener informacin de precipitacin mxima en 24 horas y la para diferentes
periodos de retorno y que permita tener confiabilidad de su recurrencia, se le evalu a travs de 6
distribuciones de frecuencia
Distribucin Normal Estndar.

Distribucin Gumbel (Distribucin extrema Tipo I).
Distribucin Log Pearson Tipo III.
Distribucin Log Normal II Parmetros.
Distribucin Log Normal III Parmetros.
Distribucin Pearson tipo III.
En la tabla se muestra las estimaciones obtenidas segn cada modelo considerado y para algunos
periodos de retorno.
PERIO
PRO
DO DE
B.
RET.
200.00 0.99
0
5
100.00 0.99
0
0
0.98
50.000
0
0.96
25.000
0
0.90
10.000
0
0.80
5.000
0
0.66
3.000
7
0.50
2.000
0
DISTRIBU
CION
NORMAL
40.820
39.460
37.970
36.320
33.760
31.360
29.120
26.770
MTOD
O DE DISTRIBUC DISTRIBUC
GUMBE ION LOG ION LOG DISTRIBUC DISTRIBUCIO
L
NORMAL
NORMAL
ION LOG
N PEARSON
(VALOR
DE II
DE III
PEARSON
TIPO III
EXTRE PARAMETR PARAMETR
TIPO III
MO
OS
OS
TIPO I)
55.80
0
44.100
42.050
46.920
43.900
51.60
0
41.940
40.410
44.390
41.830
47.37
0
39.690
38.650
41.770
39.650
43.12
0
37.340
36.740
39.030
37.350
37.39
0
33.970
33.880
35.130
34.010
32.85
0
31.080
31.280
31.810
31.120
29.24
0
28.610
28.940
29.000
28.640
25.99
0
26.230
26.560
26.300
26.230
En el cuadro siguiente se muestra el resumen de los resultados por el mtodo estadstico de la

distribucin que ms se ajusta aplicando el mtodo de momentos desarrollados en el presente
estudio la distribucin que se considera es la distribucin DISTRIBUCION LOG PEARSON TIPO
33
DE PILLCOMARCA

III. Se observa que la diferencia entre uno y otro mtodo puede ser apreciable. En muchos casos
las diferencias son muchos mayores que las que resultan aqu. Una seleccin apresurada de
cualquiera de los mtodos podra traducirse en una estructura sobre diseado y costoso o sub
diseada y peligrosa.
1.3.6.5 ANLISIS DE RIESGO DE FALLA
El diseo de estructuras para el control de agua incluye la consideracin de riesgos. Una
estructura para el control de agua puede fallar si la magnitud correspondiente al periodo de retorno
de diseo T se excede durante la vida til de la estructura. Este riesgo hidrolgico natural, o
inherente, de falla puede calcularse utilizando la ecuacin:
Es el tiempo medio en aos en que ese inundacin (evento) es igualdad o superada por lo menos
una vez es decir
periodo de retorno
1
1
T
probabilid ad
P
T = periodo de retorno
P = probabilidad de ocurrencia de un caudal
En hidrologa se utiliza ms el periodo de retorno que la probabilidad
Probabilid ad de que un suceso de retorno T se produzca el prximo ao....... ........
1
T
1
Probabilid ad de que un suceso de retorno NO se produzca el prximo ao....... .....1 -
1 1
Probabilid ad de que un suceso de retorno NO se produzca los proximos dos aos.. 1 - 1 -
T T
1
Probabilid ad de que un suceso de retorno NO se produzca los proximos n aos..... 1 -
T
1
Probabilid ad de que un suceso de retorno SI se produzca los proximos n aos...... .1 - 1 -
T
En El diseo de obras pblicas, la ltima expresin obtenida es el Riesgo de falla (R, es decir la
probabilidad de que SI se produzca alguna vez un suceso de periodo de retorno T a lo largo a un
periodo de n aos:
1
R 1 1
T
34
DE PILLCOMARCA

Valores de periodo de retorno T asociado al riesgo R
Un anlisis de la tabla anterior muestra que si adopta un riesgo de 10% de que durante los 10 aos
de vida til de una estructura ocurra una descarga igual o superior a la del proyecto, se debe usar
un periodo de retorno de 95.41 aos.
Dada la magnitud de las subcuencas, para la estimacin de las mximas avenidas se ha tenido en
consideracin los siguientes rangos de superficies de cuenca de recepcin:
rea
Mtodo
< 10 Km2
< 100 Km2
> 100 km2
Hidrograma del US - SCS

Mac Math
Curvas Envolventes de Creager
Vida esperada del proyecto, n (aos)
Riesgo
de Falla
1
10
20
25
50
100
0.99
1.01
1.11
1.66
2.71
0.9
1.11
1.46
2.71
4.86
4.86
5.94
11.37
22.22
9.20
11.37
22.22
0.75
1.33
2.00
4.13
43.93
7.73
14.93
18.54
36.57
0.5
2.00
3.41
72.64
7.73
14.93
29.36
36.57
72.64
144.77
348.11
0.25
4.00
7.46
17.89
35.26
70.02
87.40
174.30
0.1
10.00
19.49
47.96
95.41
190.32
237.78
475.06
949.62
0.05
20.00
39.49
97.98
195.46
390.41
487.89
975.29
1950.07
498.00
995.49
1990.48
2487.98
4975.46
9950.42
0.01
100.00
199.50
Vida esperada de la Estructura
1.3.6.6 CURVAS DE INTENSIDAD-DURACIN Y FRECUENCIA (IDF)

Uno de los primeros pasos que debe seguirse en muchos proyectos de diseo hidrolgico, como el
diseo de un drenaje, es la determinacin del evento o los eventos de lluvia que deben usarse. La
forma ms comn de hacerlo es utilizar una tormenta de diseo o un evento que involucre una
35
DE PILLCOMARCA

relacin entre la intensidad de lluvia (o profundidad), la duracin, y las frecuencias o periodos de

retorno apropiados para la obra y el sitio. Deberan existir curvas (IDF) estndar desarrolladas por
instituciones del gobierno disponibles para el sitio para que su uso sea de forma general, uniforme
y oficial.
Para construir la curva IDF para diferentes periodos de retorno utilizamos la formula de DYCK
PESCHKE para el clculo de mximas avenidas.
d
Pd P24h
1440
0.25
Donde
Pd : Precipitacin mxima para un periodo de duracin
d : Periodo de duracin (min. 10, 15, 30., etc)
P24h: Precipitacin mxima para 24 horas (En este estudio se utilizara el modelo adecuado segn
las pruebas realizados en los acpites anteriores.
ECUACIN DE INTENSIDAD
Las relaciones o cocientes a la lluvia de 24 horas se emplean para duraciones de varias
horas. D. F. Campos A. propone los siguientes cocientes:
Valores concluidos para las relaciones a la lluvia de duracin 24 horas
Fuente: D. F. Campos A., 1978
Duraciones, en horas
1
0.30
2
0.39
3
0.46
4
0.52
5
0.57
6
0.61
8
0.68
12
0.80
18
0.91
24
1.00
Estos datos sern obtenidos como un porcentaje de los resultados de la precipitacin

mxima probable para 24 horas, para cada perodo de retorno, diferentes porcentajes de
este valor segn los tiempos de duracin de lluvia adoptados.
Tabla 7.7 - Precipitaciones mximas para diferentes tiempos de duracin de
lluvias
Fuente: Elaboracin propia
Tiempo de
Duracin
36
Cociente
P.M.P. (mm) para diferentes tiempos de duracin Sg. Periodo de Retorno

2 aos 3 aos 5 aos 10 aos 25 aos 50 aos
100
200 aos
DE PILLCOMARCA
24 hr
18 hr
12 hr
8 hr
6 hr
5 hr
4 hr
3 hr
2 hr
1 hr
X24
X18 = 91%
X12 = 80%
X8 = 68%
X6 = 61%
X5 = 57%
X4 = 52%
X3 = 46%
X2 = 39%
X1 = 30%
26.3000
23.9330
21.0400
17.8840
16.0430
14.9910
13.6760
12.0980
10.2570
7.8900
29.0000
26.3900
23.2000
19.7200
17.6900
16.5300
15.0800
13.3400
11.3100
8.7000
31.8100
28.9471
25.4480
21.6308
19.4041
18.1317
16.5412
14.6326
12.4059
9.5430

35.1300
31.9683
28.1040
23.8884
21.4293
20.0241
18.2676
16.1598
13.7007
10.5390
39.0300
35.5173
31.2240
26.5404
23.8083
22.2471
20.2956
17.9538
15.2217
11.7090
41.7700
38.0107
33.4160
28.4036
25.4797
23.8089
21.7204
19.2142
16.2903
12.5310
aos
44.3900
40.3949
35.5120
30.1852
27.0779
25.3023
23.0828
20.4194
17.3121
13.3170
46.9200
42.6972
37.5360
31.9056
28.6212
26.7444
24.3984
21.5832
18.2988
14.0760
Basndose en los resultados de la anterior tabla, y los tiempos de duracin adoptados,

calculamos la intensidad equivalente para cada caso, segn:
Intensidades de lluvia para diferentes tiempos de duracin

Tiempo de
duracin
Intensidad de la lluvia (mm /hr) segn el Periodo de Retorno

100
aos
1.8496
2.2442
2.9593
3.7732
4.5130
5.0605
5.7707
6.8065
8.6561
200
aos
1.9550
2.3721
3.1280
3.9882
4.7702
5.3489
6.0996
7.1944
9.1494
11.7090 12.5310 13.3170
14.0760
Hr
min
2 aos 3 aos 5 aos 10 aos 25 aos 50 aos
24 hr
18 hr
12 hr
8 hr
6 hr
5 hr
4 hr
3 hr
2 hr
1440
1080
720
480
360
300
240
180
120
1.0958
1.3296
1.7533
2.2355
2.6738
2.9982
3.4190
4.0327
5.1285
1 hr
60
1.2083
1.4661
1.9333
2.4650
2.9483
3.3060
3.7700
4.4467
5.6550
1.3254
1.6082
2.1207
2.7039
3.2340
3.6263
4.1353
4.8775
6.2030
7.8900 8.7000 9.5430
1.4638
1.7760
2.3420
2.9861
3.5716
4.0048
4.5669
5.3866
6.8504
10.539
0
1.6263
1.9732
2.6020
3.3176
3.9681
4.4494
5.0739
5.9846
7.6109
1.7404
2.1117
2.7847
3.5505
4.2466
4.7618
5.4301
6.4047
8.1452
La representacin matemtica de las curvas Intensidad - Duracin - Perodo de retorno, Sg.

Bernard es:
en la cual:
I=
Intensidad (mm/hr)
t=
Duracin de la lluvia (min)
T=
Perodo de retorno (aos)
a,b,c =
Parmetros de ajuste
Realizando un cambio de variable:
De donde:
37
DE PILLCOMARCA

Periodo de retorno para T = 2 aos

N
ln x
ln y
ln x*ln y
(lnx)^2
1440
1.0958
7.2724
0.0915
0.6655
52.8878
1080
1.3296
6.9847
0.2849
1.9899
48.7863
720
1.7533
6.5793
0.5615
3.6944
43.2865
480
2.2355
6.1738
0.8045
4.9666
38.1156
360
2.6738
5.8861
0.9835
5.7891
34.6462
300
2.9982
5.7038
1.0980
6.2628
32.5331
240
3.4190
5.4806
1.2293
6.7376
30.0374
180
4.0327
5.1930
1.3944
7.2412
26.9668
22.9201
120
5.1285
4.7875
1.6348
7.8267
10
60
7.8900
4.0943
2.0656
8.4573
16.7637
10
4980
32.5565
58.1555
10.1481
53.6310
346.9435
99.4278
B=
-0.6164
Ln (A) =
4.5994
A=

N
ln x
ln y
ln x*ln y
(lnx)^2
1440
1.2083
7.2724
0.1892
1.3762
52.8878
1080
1.4661
6.9847
0.3826
2.6724
48.7863
720
1.9333
6.5793
0.6592
4.3373
43.2865
480
2.4650
6.1738
0.9022
5.5699
38.1156
360
2.9483
5.8861
1.0812
6.3643
34.6462
300
3.3060
5.7038
1.1957
6.8202
32.5331
240
3.7700
5.4806
1.3271
7.2732
30.0374
180
4.4467
5.1930
1.4922
7.7487
26.9668
120
5.6550
4.7875
1.7325
8.2945
22.9201
10
60
8.7000
4.0943
2.1633
8.8574
16.7637
10
4980
35.8988
58.1555
11.1254
59.3143
346.9435
109.6352
B=
-0.6164
Ln (A) =
4.6972
A=

N
ln x
ln y
ln x*ln y
(lnx)^2
1440
1.3254
7.2724
0.2817
2.0488
52.8878
1080
1.6082
6.9847
0.4751
3.3184
48.7863
720
2.1207
6.5793
0.7517
4.9458
43.2865
480
2.7039
6.1738
0.9947
6.1409
38.1156
360
3.2340
5.8861
1.1737
6.9087
34.6462
300
3.6263
5.7038
1.2882
7.3477
32.5331
240
4.1353
5.4806
1.4196
7.7801
30.0374
180
4.8775
5.1930
1.5846
8.2290
26.9668
120
6.2030
4.7875
1.8250
8.7373
22.9201
10
60
9.5430
4.0943
2.2558
9.2361
16.7637
10
4980
39.3772
58.1555
12.0502
64.6928
346.9435
120.2585
B=
-0.6164
Ln (A) =
38
4.7896
A=
DE PILLCOMARCA


N
ln x
ln y
ln x*ln y
(lnx)^2
1440
1.4638
7.2724
0.3810
2.7708
52.8878
1080
1.7760
6.9847
0.5744
4.0118
48.7863
720
2.3420
6.5793
0.8510
5.5990
43.2865
480
2.9861
6.1738
1.0940
6.7538
38.1156
360
3.5716
5.8861
1.2730
7.4930
34.6462
300
4.0048
5.7038
1.3875
7.9140
32.5331
240
4.5669
5.4806
1.5188
8.3242
30.0374
180
5.3866
5.1930
1.6839
8.7445
26.9668
22.9201
120
6.8504
4.7875
1.9243
9.2126
10
60
10.5390
4.0943
2.3551
9.6425
16.7637
10
4980
43.4870
58.1555
13.0430
70.4662
346.9435
132.8099
B=
-0.6164
Ln (A) =
4.8889
A=

N
ln x
ln y
ln x*ln y
(lnx)^2
1440
1.6263
7.2724
0.4863
3.5364
52.8878
1080
1.9732
6.9847
0.6796
4.7471
48.7863
720
2.6020
6.5793
0.9563
6.2916
43.2865
480
3.3176
6.1738
1.1992
7.4038
38.1156
360
3.9681
5.8861
1.3783
8.1127
34.6462
300
4.4494
5.7038
1.4928
8.5145
32.5331
240
5.0739
5.4806
1.6241
8.9012
30.0374
180
5.9846
5.1930
1.7892
9.2912
26.9668
120
7.6109
4.7875
2.0296
9.7166
22.9201
10
60
11.7090
4.0943
2.4604
10.0736
16.7637
10
4980
48.3148
58.1555
14.0957
76.5885
346.9435
147.5539
B=
-0.6164
Ln (A) =
4.9942
A=

N
ln x
ln y
ln x*ln y
(lnx)^2
1440
1.7404
7.2724
0.5541
4.0298
52.8878
1080
2.1117
6.9847
0.7475
5.2210
48.7863
720
2.7847
6.5793
1.0241
6.7380
43.2865
480
3.5505
6.1738
1.2671
7.8226
38.1156
360
4.2466
5.8861
1.4461
8.5120
34.6462
300
4.7618
5.7038
1.5606
8.9014
32.5331
240
5.4301
5.4806
1.6920
9.2730
30.0374
180
6.4047
5.1930
1.8570
9.6435
26.9668
120
8.1452
4.7875
2.0974
10.0414
22.9201
10
60
12.5310
4.0943
2.5282
10.3513
16.7637
10
4980
51.7066
58.1555
14.7742
80.5342
346.9435
157.9125
B=
-0.6164
Ln (A) =
5.0620
A=
39
ln x
ln y
ln x*ln y
(lnx)^2
1440
1.8496
7.2724
0.6150
4.4722
52.8878
1080
2.2442
6.9847
0.8083
5.6460
48.7863
DE PILLCOMARCA

720
2.9593
6.5793
1.0850
7.1383
480
3.7732
6.1738
1.3279
8.1982
38.1156
360
4.5130
5.8861
1.5070
8.8701
34.6462
300
5.0605
5.7038
1.6215
9.2484
32.5331
240
5.7707
5.4806
1.7528
9.6064
30.0374
180
6.8065
5.1930
1.9179
9.9594
26.9668
120
8.6561
4.7875
2.1583
10.3326
22.9201
10
60
13.3170
4.0943
2.5890
10.6004
16.7637
10
4980
54.9499
58.1555
15.3825
84.0722
346.9435
167.8175
B=
-0.6164
Ln (A) =
5.1229
A=
43.2865

N
ln x
ln y
ln x*ln y
(lnx)^2
1440
1.9550
7.2724
0.6704
4.8753
52.8878
1080
2.3721
6.9847
0.8638
6.0331
48.7863
720
3.1280
6.5793
1.1404
7.5029
43.2865
480
3.9882
6.1738
1.3833
8.5404
38.1156
360
4.7702
5.8861
1.5624
9.1964
34.6462
300
5.3489
5.7038
1.6769
9.5646
32.5331
240
6.0996
5.4806
1.8082
9.9102
30.0374
180
7.1944
5.1930
1.9733
10.2473
26.9668
120
9.1494
4.7875
2.2137
10.5980
22.9201
10
60
14.0760
4.0943
2.6445
10.8274
16.7637
10
4980
58.0817
58.1555
15.9368
87.2957
346.9435
177.3822
B=
-0.6164
Ln (A) =
5.1783
A=
Resumen de aplicacin de regresin potencial
Periodo de
Retorno (aos)
2
3
5
10
25
50
100
200
Promedio =
Trmino ctte. de
regresin (d)
99.42781346176
109.63523157381
120.25850746078
132.80985121337
147.55389959743
157.91253871855
167.81751481245
177.38224363596
139.09970005926
Coef. de
regresin [ c ]
-0.6163860881
-0.6163860881
-0.6163860881
-0.6163860881
-0.6163860881
-0.6163860881
-0.6163860881
-0.6163860881
-0.6163860881
En funcin del cambio de variable realizado, se realiza otra regresin de potencia entre las columnas del periodo de
retorno (T) y el trmino constante de regresin (d), para obtener valores de la ecuacin:
Regresin potencial
40
ln x
ln y
ln x*ln y
(lnx)^2
99.4278
0.6931
4.5994
3.1881
0.4805
109.6352
1.0986
4.6972
5.1604
1.2069
DE PILLCOMARCA

120.2585
1.6094
4.7896
7.7086
10
132.8099
2.3026
4.8889
11.2572
5.3019
25
147.5539
3.2189
4.9942
16.0757
10.3612
50
157.9125
3.9120
5.0620
19.8028
15.3039
100
167.8175
4.6052
5.1229
23.5917
21.2076
200
177.3822
5.2983
5.1783
27.4363
28.0722
395
1112.7976
22.7382
39.3326
114.2208
84.5244
96.5320
B=
Ln (A) =
4.5699
A=
Termino constante de regresin (a) =

Coef. de regresin (b) =
2.5903
0.1220
96.5320
0.121979
Finalmente se tiene la ecuacin de intensidad vlida para la cuenca:

0.121979
96.5320
I=
* T
0.61639
t
Donde:
I = intensidad de precipitacin (mm/hr)
T = Periodo de Retorno (aos)
t = Tiempo de duracin de precipitacin (min)
Intensidad - Tiempo de duracin - Perodo de retorno
Tabla de intensidad - Tiempo de duracin - Periodo de retorno
Frecuencia
Duracin en minutos
aos
10
15
20
25
30
38.95
25.41
19.79
16.58
14.45
12.91
40.93
26.70
20.79
17.42
15.18
13.56
43.56
28.41
22.13
18.54
16.15
14.44
10
47.40
30.92
24.08
20.17
17.58
15.71
25
53.01
34.58
26.93
22.56
19.66
17.57
50
57.69
37.63
29.31
24.55
21.39
19.12
100
62.78
40.95
31.89
26.71
23.28
20.80
200
68.31
44.56
34.71
29.07
25.33
22.64
Tabla de intensidad - Tiempo de duracin - Periodo de retorno (continuacin...)

Frecuencia
41
aos
35
40
45
50
55
60
11.74
10.81
10.05
9.42
8.88
8.42
12.33
11.36
10.56
9.90
9.34
8.85
13.13
12.09
11.24
10.54
9.94
9.42
10
14.29
13.16
12.24
11.47
10.81
10.25
25
15.98
14.71
13.68
12.82
12.09
11.46
50
17.38
16.01
14.89
13.95
13.16
12.47
100
18.92
17.42
16.20
15.18
14.32
13.57
200
20.59
18.96
17.63
16.52
15.58
14.77
DE PILLCOMARCA

75.00
50.00
INTENSIDAD (mm/h)
25.00
0.00
0
10
15
20
25
30
35
40
45
50
TIEMPO DE DURACION (min)
400
Tabla de intensidades - Tiempo de duracin
1.4
42
ESTIMACIN DE LOS CAUDALES MXIMOS DE DISEO
55
60
DE PILLCOMARCA

Para el dimensionamiento hidrulico de las estructuras de drenaje superficial, transversal (alcantarillas).

y longitudinal (cunetas), del rea de influencia del Proyecto: CONSTRUCCIN Y MEJORAMIENTO, DE
PISTAS Y VEREDAS EN LOS JIRONES, LOS EUCALIPTOS, PALMERAS, CASUARINAS, SAUCES,
PINOS Y DE LOS PASAJES LOS JARDINES PRIMAVERA Y PINOS DE LA CIUDAD DE CAYHUAYNA
BAJA, se estimaron los Caudales Mximos de Diseo, en base a la Precipitacin Mxima en 24 Horas
(Pm24hr), y su transformacin en intensidades mximas horarias (Curvas IDF) de la estacin de
HUANUCO con datos de precipitacin mxima de 24 horas.
Al respecto se asume la serie Hunuco " como representativa de las condiciones de pluviosidad tpica de
la sierra especialmente en la zona del estudio que corresponde al tramo.
Los caudales mximos de diseo para las estructuras de cruce. Comparativamente, se obtuvieron el
mtodo Racional donde se exponen dichos mtodos y a la vez, se hacen los clculos correspondientes:
los resultados obtenidos, tienen un carcter preliminar, como primeros valores que definen el orden de
magnitud de las estructuras de cruce.
En las microcuenca se aplicaron el presente Mtodo Racional porque sus reas no sobrepasan los 10
km2, y que ste mtodo puede ser utilizado en stos casos donde recomiendan varios autores donde la
relacin de caudales mximos y reas a portantes, planteada por Remenieras.
CAUDAL DE DISEO PERIODO DE RETORNO DE 05 AOS
Tipo de Obra de
Arte
Ubicacin
Area Micro
Cuenca
(m2)
Area
Micro
Cuenca
(Has)
Longitud de
Cauce L
(m)
CUOTA
INIC
CUOTA
FIN
Desnivel
H (m)
Pendiente
S (m/m)
Tiempo de
Concentracin
(min)
Intensidad
Mxima ( i2 )
en mm/h
Coeficiente de
escorrentia ( c
)
Caudal
m3/seg
(Metodo
Racional)
Cuneta
JR. LOS
EUCALIPTOS
5046.668
0.505
211.8771
1,941.79
1,928.47
13.320
0.063
3.497
16.150
0.637
0.014
Cuneta
JR. LAS PALMERAS
7438.958
0.744
229.777
1,942.02
1,927.71
14.310
0.062
3.736
16.150
0.637
0.021
Cuneta
JR. LAS
CASUARINAS
9310.258
0.931
298.6913
1,940.34
1,925.45
14.890
0.050
4.981
16.150
0.637
0.027
Cuneta
PSJ. LOS JARDINES
4543.040
0.454
222.1084
1,933.18
1,928.53
4.650
0.021
5.538
16.150
0.637
0.013
Cuneta
PSJ. PRIMAVERA
5265.902
0.527
214.9048
1,930.24
1,922.21
8.030
0.037
4.320
16.150
0.637
0.015
Cuneta
JR. LOS SAUCES
14778.623
1.478
408.3065
1,938.44
1,923.78
14.660
0.036
7.191
16.150
0.637
0.042
Cuneta
PSJ. LOS PINOS
5550.000
0.555
290.1458
1,930.49
1,922.71
7.780
0.027
6.185
16.150
0.637
0.016
Cuneta
JR. LOS PINOS
13142.234
1.314
452.8098
1,937.49
1,922.80
14.690
0.032
8.097
16.150
0.637
0.038
Cuneta
PSJ. LOS PINOS 02
1622.622
0.162
89.7089
1,934.18
1,933.34
0.840
0.009
3.756
16.150
0.637
0.005
Cuneta
PSJ. S/N 01
1143.785
0.114
43.7423
1,928.51
1,928.38
0.130
0.003
3.361
16.150
0.637
0.003
Cuneta
PSJ. S/N 02
417.542
0.042
56.9052
1,932.27
1,932.43
0.160
0.003
4.204
16.150
0.637
0.001
DRENAJE
600mm
JR. LOS
EUCALIPTOS
5046.668
0.505
211.8771
1,941.79
1,928.47
13.320
0.063
3.497
16.150
0.637
0.014
DRENAJE
600mm
JR. LAS PALMERAS
7438.958
0.744
229.777
1,942.02
1,927.71
14.310
0.062
3.736
16.150
0.637
0.021
DRENAJE
600mm
JR. LAS
CASUARINAS
9310.258
0.931
298.6913
1,940.34
1,925.45
14.890
0.050
4.981
16.150
0.637
0.027
DRENAJE
600mm
PSJ. PRIMAVERA
5265.902
0.527
214.9048
1,930.24
1,922.21
8.030
0.037
4.320
16.150
0.637
0.015
DRENAJE
600mm
JR. LOS SAUCES
14778.623
1.478
408.3065
1,938.44
1,923.78
14.660
0.036
7.191
16.150
0.637
0.042
DRENAJE
600mm
PSJ. LOS PINOS
5550.000
0.555
290.1458
1,930.49
1,922.71
7.780
0.027
6.185
16.150
0.637
0.016
DRENAJE
600mm
JR. LOS PINOS
13142.234
1.314
452.8098
1,937.49
1,922.80
14.690
0.032
8.097
16.150
0.637
0.038
DRENAJE
900mm
JR. LOS
EUCALIPTOS
10093.336
1.009
211.8771
1,941.79
1,928.47
13.320
0.063
3.497
16.150
0.637
0.029
DRENAJE
900mm
JR. LAS PALMERAS
14877.916
1.488
229.777
1,942.02
1,927.71
14.310
0.062
3.736
16.150
0.637
0.043
DRENAJE
900mm
JR. LAS
CASUARINAS
18620.516
1.862
298.6913
1,940.34
1,925.45
14.890
0.050
4.981
16.150
0.637
0.053
DRENAJE
900mm
PSJ. PRIMAVERA
10531.804
1.053
214.9048
1,930.24
1,922.21
8.030
0.037
4.320
16.150
0.637
0.030
DRENAJE
900mm
JR. LOS SAUCES
29557.245
2.956
408.3065
1,938.44
1,923.78
14.660
0.036
7.191
16.150
0.637
0.084
43
DE PILLCOMARCA

DRENAJE
900mm
PSJ. LOS PINOS
11100.000
1.110
290.1458
1,930.49
1,922.71
7.780
0.027
6.185
16.150
0.637
0.032
DRENAJE
900mm
JR. LOS PINOS
26284.468
2.628
452.8098
1,937.49
1,922.80
14.690
0.032
8.097
16.150
0.637
0.075
Caudal
m3/seg
(Metodo
Racional)

Tipo de Obra de
Arte
Ubicacin
Area Micro
Cuenca
(m2)
Area Micro
Cuenca
(Has)
Longitud de
Cauce L
(m)
CUOTA
INIC
CUOTA
FIN
Desnivel
H (m)
Pendiente
S (m/m)
Tiempo de
Concentracin
(min)
Intensidad
Mxima ( i2 )
en mm/h
Coeficiente de
escorrentia ( c
)
211.8771
1,941.79
1,928.47
13.320
0.063
3.497
17.580
0.637
0.016
Cuneta
JR. LOS
EUCALIPTOS
5046.67
0.505
Cuneta
JR. LAS PALMERAS
7438.96
0.744
229.777
1,942.02
1,927.71
14.310
0.062
3.736
17.580
0.637
0.023
Cuneta
JR. LAS
CASUARINAS
9310.26
0.931
298.6913
1,940.34
1,925.45
14.890
0.050
4.981
17.580
0.637
0.029
Cuneta
PSJ. LOS JARDINES
4543.04
0.454
222.1084
1,933.18
1,928.53
4.650
0.021
5.538
17.580
0.637
0.014
Cuneta
PSJ. PRIMAVERA
5265.90
0.527
214.9048
1,930.24
1,922.21
8.030
0.037
4.320
17.580
0.637
0.016
Cuneta
JR. LOS SAUCES
14778.62
1.478
408.3065
1,938.44
1,923.78
14.660
0.036
7.191
17.580
0.637
0.046
Cuneta
PSJ. LOS PINOS
5550.00
0.555
290.1458
1,930.49
1,922.71
7.780
0.027
6.185
17.580
0.637
0.017
Cuneta
JR. LOS PINOS
13142.23
1.314
452.8098
1,937.49
1,922.80
14.690
0.032
8.097
17.580
0.637
0.041
Cuneta
PSJ. LOS PINOS 02
1622.62
0.162
89.7089
1,934.18
1,933.34
0.840
0.009
3.756
17.580
0.637
0.005
Cuneta
PSJ. S/N 01
1143.78
0.114
43.7423
1,928.51
1,928.38
0.130
0.003
3.361
17.580
0.637
0.004
Cuneta
PSJ. S/N 02
417.54
0.042
56.9052
1,932.27
1,932.43
0.160
0.003
4.204
17.580
0.637
0.001
DRENAJE
600mm
JR. LOS
EUCALIPTOS
5046.67
0.505
211.8771
1,941.79
1,928.47
13.320
0.063
3.497
17.580
0.637
0.016
DRENAJE
600mm
JR. LAS PALMERAS
7438.96
0.744
229.777
1,942.02
1,927.71
14.310
0.062
3.736
17.580
0.637
0.023
DRENAJE
600mm
JR. LAS
CASUARINAS
9310.26
0.931
298.6913
1,940.34
1,925.45
14.890
0.050
4.981
17.580
0.637
0.029
DRENAJE
600mm
PSJ. PRIMAVERA
5265.90
0.527
214.9048
1,930.24
1,922.21
8.030
0.037
4.320
17.580
0.637
0.016
DRENAJE
600mm
JR. LOS SAUCES
14778.62
1.478
408.3065
1,938.44
1,923.78
14.660
0.036
7.191
17.580
0.637
0.046
DRENAJE
600mm
PSJ. LOS PINOS
5550.00
0.555
290.1458
1,930.49
1,922.71
7.780
0.027
6.185
17.580
0.637
0.017
DRENAJE
600mm
JR. LOS PINOS
13142.23
1.314
452.8098
1,937.49
1,922.80
14.690
0.032
8.097
17.580
0.637
0.041
DRENAJE
900mm
JR. LOS
EUCALIPTOS
10093.34
1.009
211.8771
1,941.79
1,928.47
13.320
0.063
3.497
17.580
0.637
0.031
DRENAJE
900mm
JR. LAS PALMERAS
14877.92
1.488
229.777
1,942.02
1,927.71
14.310
0.062
3.736
17.580
0.637
0.046
DRENAJE
900mm
JR. LAS
CASUARINAS
18620.52
1.862
298.6913
1,940.34
1,925.45
14.890
0.050
4.981
17.580
0.637
0.058
DRENAJE
900mm
PSJ. PRIMAVERA
10531.80
1.053
214.9048
1,930.24
1,922.21
8.030
0.037
4.320
17.580
0.637
0.033
DRENAJE
900mm
JR. LOS SAUCES
29557.25
2.956
408.3065
1,938.44
1,923.78
14.660
0.036
7.191
17.580
0.637
0.092
DRENAJE
900mm
PSJ. LOS PINOS
11100.00
1.110
290.1458
1,930.49
1,922.71
7.780
0.027
6.185
17.580
0.637
0.035
DRENAJE
900mm
JR. LOS PINOS
26284.47
2.628
452.8098
1,937.49
1,922.80
14.690
0.032
8.097
17.580
0.637
0.082

Tipo de Obra de
Arte
44
Ubicacin
Area Micro
Cuenca
(Has)
Longitud de
Cauce L (m)
CUOTA
INIC
CUOTA
FIN
Desnivel
H (m)
Pendiente S
(m/m)
Tiempo de
Concentracin
(min)
Intensidad
Mxima ( i2 ) en
mm/h
Coeficiente de
escorrentia ( c )
Caudal m3/seg
(Metodo
Racional)
DE PILLCOMARCA

Cuneta
JR. LOS
EUCALIPTOS
0.505
211.8771
1,941.79
1,928.47
13.320
0.063
3.497
19.660
0.637
0.018
Cuneta
JR. LAS PALMERAS
0.744
229.777
1,942.02
1,927.71
14.310
0.062
3.736
19.660
0.637
0.026
Cuneta
JR. LAS
CASUARINAS
0.931
298.6913
1,940.34
1,925.45
14.890
0.050
4.981
19.660
0.637
0.032
Cuneta
PSJ. LOS JARDINES
0.454
222.1084
1,933.18
1,928.53
4.650
0.021
5.538
19.660
0.637
0.016
Cuneta
PSJ. PRIMAVERA
0.527
214.9048
1,930.24
1,922.21
8.030
0.037
4.320
19.660
0.637
0.018
Cuneta
JR. LOS SAUCES
1.478
408.3065
1,938.44
1,923.78
14.660
0.036
7.191
19.660
0.637
0.051
Cuneta
PSJ. LOS PINOS
0.555
290.1458
1,930.49
1,922.71
7.780
0.027
6.185
19.660
0.637
0.019
Cuneta
JR. LOS PINOS
1.314
452.8098
1,937.49
1,922.80
14.690
0.032
8.097
19.660
0.637
0.046
Cuneta
PSJ. LOS PINOS 02
0.162
89.7089
1,934.18
1,933.34
0.840
0.009
3.756
19.660
0.637
0.006
Cuneta
PSJ. S/N 01
0.114
43.7423
1,928.51
1,928.38
0.130
0.003
3.361
19.660
0.637
0.004
Cuneta
PSJ. S/N 02
0.042
56.9052
1,932.27
1,932.43
0.160
0.003
4.204
19.660
0.637
0.001
DRENAJE
600mm
JR. LOS
EUCALIPTOS
0.505
211.877
1941.79
1,928.47
13.320
0.063
3.497
19.660
0.637
0.018
DRENAJE
600mm
JR. LAS PALMERAS
0.744
229.777
1942.02
1,927.71
14.310
0.062
3.736
19.660
0.637
0.026
DRENAJE
600mm
JR. LAS
CASUARINAS
0.931
298.691
1940.34
1,925.45
14.890
0.050
4.981
19.660
0.637
0.032
DRENAJE
600mm
PSJ. PRIMAVERA
0.527
214.905
1930.24
1,922.21
8.030
0.037
4.320
19.660
0.637
0.018
DRENAJE
600mm
JR. LOS SAUCES
1.478
408.307
1938.44
1,923.78
14.660
0.036
7.191
19.660
0.637
0.051
DRENAJE
600mm
PSJ. LOS PINOS
0.555
290.146
1930.49
1,922.71
7.780
0.027
6.185
19.660
0.637
0.019
DRENAJE
600mm
JR. LOS PINOS
1.314
452.810
1937.49
1,922.80
14.690
0.032
8.097
19.660
0.637
0.046
DRENAJE 900mm
JR. LOS
EUCALIPTOS
1.009
211.877
1941.79
1,928.47
13.320
0.063
3.497
19.660
0.637
0.035
DRENAJE 900mm
JR. LAS PALMERAS
1.488
229.777
1942.02
1,927.71
14.310
0.062
3.736
19.660
0.637
0.052
DRENAJE 900mm
JR. LAS
CASUARINAS
1.862
298.691
1940.34
1,925.45
14.890
0.050
4.981
19.660
0.637
0.065
DRENAJE 900mm
PSJ. PRIMAVERA
1.053
214.905
1930.24
1,922.21
8.030
0.037
4.320
19.660
0.637
0.037
DRENAJE 900mm
JR. LOS SAUCES
2.956
408.307
1938.44
1,923.78
14.660
0.036
7.191
19.660
0.637
0.103
DRENAJE 900mm
PSJ. LOS PINOS
1.110
290.146
1930.49
1,922.71
7.780
0.027
6.185
19.660
0.637
0.039
DRENAJE 900mm
JR. LOS PINOS
2.628
452.810
1937.49
1,922.80
14.690
0.032
8.097
19.660
0.637
0.091
1.5
CONCLUSIONES
Las estaciones pluviomtricas que se utilizaron en el presente estudio son: estacin Hunuco
ubicada en Pillco Marca, ya que esta estacione es las ms cercanas al rea de proyecto y estn
certificadas por el Senamhi.
Las distribuciones para eventos extremos utilizados son: la distribucin Normal, distribucin
Gumbel extremo tipo I, distribucin Normal de 2 parmetros, distribucin normal 3 parmetros,
distribucin Pearson tipo 3 y distribucin Log Pearson tipo 3.
Segn los anlisis y pruebas estadsticas se ha seleccionado la distribucin DISTRIBUCION LOG
PEARSON TIPO III.
La intensidad mxima de diseo es 19.66 mm para un periodo de retorno de 25 aos
45

Estudio de Hidrologia (Final)

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Estudio de Hidrologia (Final)

Uploaded by

Copyright:

Available Formats

MUNICIPALIDAD DISTRITAL

PROYECTO: CONSTRUCCION Y MEJORAMIENTO DE PISTAS Y VEREDAS EN

DISTRIBUCION DE VALOR EXTREMO TIPO I....................................................................................11

DISTRIBUCION LOG NORMAL DE II PARAMETROS.....................................................................17

DISTRIBUCION LOG NORMAL DE III PARAMETROS...................................................................21

DISTRIBUCION LOG PEARSON TIPO III.............................................................................................25

DISTRIBUCION PEARSON TIPO III.......................................................................................................28

1.3.6 VERIFICACION ESTADISTICA DE LAS DISTRIBUCIONES......................................................................32

METODO DEL ERROR CUADRTICO MINIMO.................................................................................32

SELECCIN DEL METODO ESTADSTICO APROPIADO..................................................................33

PRECIPITACION MAXIMA E INTENSIDAD MAXIMA.......................................................................34

ANLISIS DE RIESGO DE FALLA.........................................................................................................35

CURVAS DE INTENSIDAD-DURACIN Y FRECUENCIA (IDF)........................................................37

PROYECTO: CONSTRUCCION Y MEJORAMIENTO DE PISTAS Y VEREDAS EN

PROYECTO: CONSTRUCCION Y MEJORAMIENTO DE PISTAS Y VEREDAS EN

PROYECTO: CONSTRUCCION Y MEJORAMIENTO DE PISTAS Y VEREDAS EN

LOS JIRONES LOS EUCALIPTOS, PALMERAS, CASUARINAS, SAUCES, PINOS Y DE

1.2.1 INFORMACIN CARTOGRAFICA Y GEOGRFICA

* Mapa Fsico Poltico del Per

* Mapa Vial del Per

* Cartas Nacionales, Hoja: 20k

Se dispuso de la siguiente informacin pluviomtrica:

Precipitacin Promedio mensual HUANUCO (2005-2014) con 10 aos de registro.

PROYECTO: CONSTRUCCION Y MEJORAMIENTO DE PISTAS Y VEREDAS EN

LOS JIRONES LOS EUCALIPTOS, PALMERAS, CASUARINAS, SAUCES, PINOS Y DE

ANALISIS DE EVENTOS MAXIMOS

1.3.1 DATOS HIDROMETEOROLOGICOS

REGISTRO DE PRECIPITACIONES MAXIMAS EN 24 HORAS

1.3.2 PROBABILIDAD DE OCURRENCIA DE LA PRESENTACION

Probabilidad de Ocurrencia (P)

PROYECTO: CONSTRUCCION Y MEJORAMIENTO DE PISTAS Y VEREDAS EN

LOS JIRONES LOS EUCALIPTOS, PALMERAS, CASUARINAS, SAUCES, PINOS Y DE

1.3.3 ANALISIS ESTADISTICO DE PRECIPITACIONES MAXIMAS

Cuando se encuentra en los lmites

Cuando se encuentra entre los lmites a y b

PROYECTO: CONSTRUCCION Y MEJORAMIENTO DE PISTAS Y VEREDAS EN

LOS JIRONES LOS EUCALIPTOS, PALMERAS, CASUARINAS, SAUCES, PINOS Y DE

Distribucin Normal Estndar.

1.3.4 METODOS DE ESTIMACION DE PARAMETROS DE LAS FUNCIONES

PROYECTO: CONSTRUCCION Y MEJORAMIENTO DE PISTAS Y VEREDAS EN

LOS JIRONES LOS EUCALIPTOS, PALMERAS, CASUARINAS, SAUCES, PINOS Y DE

1.3.5 METODO DE MOMENTOS

PROYECTO: CONSTRUCCION Y MEJORAMIENTO DE PISTAS Y VEREDAS EN

LOS JIRONES LOS EUCALIPTOS, PALMERAS, CASUARINAS, SAUCES, PINOS Y DE

Distribution Analysis: Normal Distribution

PROYECTO: CONSTRUCCION Y MEJORAMIENTO DE PISTAS Y VEREDAS EN

LOS JIRONES LOS EUCALIPTOS, PALMERAS, CASUARINAS, SAUCES, PINOS Y DE

1.3.5.2 DISTRIBUCION DE VALOR EXTREMO TIPO I

Con lo cual, la funcin densidad reducida es:

PROYECTO: CONSTRUCCION Y MEJORAMIENTO DE PISTAS Y VEREDAS EN

LOS JIRONES LOS EUCALIPTOS, PALMERAS, CASUARINAS, SAUCES, PINOS Y DE

Los valores correspondientes de x e y, estn relacionadas por: F(x) = F(y) y la relacin:

MTODO DE GUMBEL (VALOR EXTREMO TIPO I)

y de la Funcin Acumulada F(x) ecuacin se

Donde c, es la constante de Euler, cuyo valor es:

c Limn 1 ........... Ln(n)

PROYECTO: CONSTRUCCION Y MEJORAMIENTO DE PISTAS Y VEREDAS EN

LOS JIRONES LOS EUCALIPTOS, PALMERAS, CASUARINAS, SAUCES, PINOS Y DE

Reemplazando en las ecuaciones anteriores se tiene lo siguiente:

Para muestras relativamente pequeas, los valores de

se muestran en la tabla siguiente

Por otro lado, conocemos que la ecuacin de GUMBEL se expresa como:

De las ecuaciones se puede escribir la ecuacin como:

Se sabe que la funcin de distribucin Acumulada ecuacin es: