Informe Final Fase 1 - V05

Universidad de los Andes
Facultad de Ingeniera
Departamento de Ingeniera Civil y Ambiental
Centro de Investigaciones en Acueductos y

Alcantarillados
CIACUA
DRENAJE URBANO Y CAMBIO CLIMTICO: HACIA LOS

SISTEMAS DE ALCANTARILLADO DEL FUTURO
INFORME FINAL FASE I
Bogot, Octubre 2014

Centro de Investigaciones en Acueductos y Alcantarillados CIACUA
Drenaje Urbano y Cambio Climtico: hacia los sistemas de alcantarillado del futuro
DESCRIPCIN DEL INFORME

El presente documento corresponde al informe final de la primera fase del proyecto
Drenaje Urbano y Cambio Climtico: hacia los sistemas de drenaje urbano del futuro, el
cual fue ejecutado por el Centro de Investigaciones en Acueductos y Alcantarillados
(CIACUA) del Departamento de Ingeniera Civil y Ambiental y el Grupo de Investigacin
en Automatizacin para la Produccin (GIAP) del Departamento de Ingeniera Elctrica y
Electrnica de la Universidad de los Andes.
El desarrollo de este proyecto incluye tambin la asesora de profesores internacionales
pertenecientes a universidades de Argentina, Portugal y Espaa quienes dependiendo de
sus reas de especializacin asesoraron la Fase I del proyecto mencionado.
EQUIPO DE TRABAJO
Para la realizacin de este documento, el Centro de Investigaciones en Acueductos y
Alcantarillados (CIACUA) del Departamento de Ingeniera Civil y Ambiental y el Grupo de
Investigacin en Automatizacin para la Produccin (GIAP) del Departamento de
Ingeniera Elctrica y Electrnica de la Universidad de los Andes conform el siguiente
equipo de trabajo:
Mexichem Colombia
Carlos Gonzalez Vega Presidente
Ernesto Guerrero Molina Vicepresidente Comercial
Ins Elvira Wills Gerente Tcnico
Orlando Polo Ingeniero Asesor Tcnico
Francisco Mendoza Ingeniero de Diseo
Oscar Corts Ingeniero de Diseo
Director del Proyecto
Juan Guillermo Saldarriaga Valderrama
Profesores Universidad de los Andes
Nicanor Quijano Silva
Diego Alejandro Pez Angel
Asesores Internacionales
Ins ngela Camilloni (Universidad de Buenos Aires - Argentina)
Maria da Conceio Morais de Oliveira Cunha (Universidad de Coimbra Portugal)
Nuno Eduardo Simoes (Universidad de Coimbra Portugal)
Joao Zeferino (Universidad de Coimbra Portugal)
CIACUA
ii

Pedro L. Iglesias Rey (Universidad Politcnica de Valencia Espaa)

Francisco Javier Martnez (Universidad Politcnica de Valencia Espaa)
Carlos Ocampo-Martnez (Universidad Politcnica de Catalua Espaa)
Estudiantes Doctorales
Julin Barreiro Gmez
Luis Antonio Garca Gutierrez
Asistentes de Investigacin
Jessica Mara Bohrquez Arvalo
Eduardo Escobar Gutierrez
Camilo Andrs Salcedo Ballesteros
Duvan Andrs Tellez Castro
Daniel Vallejo Martelo
Monitores de Investigacin
Rafael Ignacio Fernandez Miranda
Juan Felipe Garca Acero
Julin Santiago Montejo Espitia
Nicols Eduardo Pez Rincn
Gerardo Andrs Riao Briceo
Nataly Torres Pinzn
Mara Jos Uribe Prez
CIACUA
iii

TABLA DE CONTENIDO
ndice de Tablas .............................................................................................................. viii
ndice de Grficas ...............................................................................................................x
ndice de Figuras ............................................................................................................... xi
ndice de Variables ........................................................................................................... xv
ndice de Unidades .......................................................................................................... xix
ndice de Siglas ................................................................................................................ xx
DRENAJE URBANO Y CAMBIO CLIMTICO: HACIA LOS SISTEMAS DE DRENAJE
URBANO DEL FUTURO .................................................................................................... 1
1.
Introduccin ................................................................................................................ 1
1.1
1.1.1
Objetivo General del Proyecto ...................................................................... 3
1.1.2
Objetivos Especficos del Informe ................................................................. 3
1.2
2.
Objetivos ............................................................................................................. 3
Contenido del Informe ......................................................................................... 4
Presentacin de los Casos de Estudio ........................................................................ 7

2.1
Red Chic Sur ..................................................................................................... 7
2.1.1
Localizacin y Descripcin............................................................................ 7
2.1.2
Unidades de Gestin de Alcantarillado Red Chic Sur .............................. 9
2.2
Red Mini Chic Sur ............................................................................................ 10
2.2.1
2.3
Red Chic Norte ................................................................................................ 11
2.3.1
Localizacin y Descripcin.......................................................................... 11
2.3.2
Unidades de Gestin de Alcantarillado Red Chic Norte ......................... 13
2.4
3.
Localizacin y Descripcin.......................................................................... 10
Estaciones Pluviomtricas ................................................................................. 13
Cambio Climtico en Bogot..................................................................................... 15

3.1
Aspectos hidrolgicos en el estudio de la Precipitacin ..................................... 15
3.1.1
Curvas IDF ................................................................................................. 15
3.1.2
Estimacin de Eventos Cortos de Precipitacin .......................................... 18
3.1.3
Hietogramas de Precipitacin ..................................................................... 21
3.1.4
Mtodo de Intensidad Instantnea .............................................................. 22
3.1.5
Modelos Climticos Globales ...................................................................... 24
CIACUA
iv

3.2
3.2.1
Eventos de Precipitacin con un Periodo de Retorno Mayor ...................... 28
3.2.2
Proyeccin de Intensidad Diaria ................................................................. 33
3.2.3
3.2.4
Delta Change.............................................................................................. 43
3.3
Parmetros de los Eventos de Precipitacin ...................................................... 44
3.3.1
Duracin ..................................................................................................... 45
3.3.2
Coeficiente de Retardo ............................................................................... 47
3.4
Resultados Curvas IDF y Hietogramas de Precipitacin .................................... 48
3.4.1
Eventos de Precipitacin con un Periodo de Retorno Mayor ...................... 49
3.4.2
Proyeccin de Intensidad Diaria ................................................................. 50
3.4.3
3.4.4
Anlisis Comparativo .................................................................................. 54
3.5
4.
Metodologas de Determinacin de Hietogramas de Precipitacin .................... 27
Conclusiones ..................................................................................................... 57
Reduccin de Caudales Pico .................................................................................... 58

4.1
Estado del arte en Reduccin de Caudales Pico ............................................... 58
4.1.1
Tanques de Tormenta como elemento para el control de caudales pico..... 58
4.1.2
Utilizacin de Tanques de Almacenamiento. Estado Actual del
Conocimiento. ........................................................................................................... 65
4.1.3
Mtodos de optimizacin ............................................................................ 69
4.1.4
Sistemas de Drenaje Urbano Sostenibles (SUDS)...................................... 76
4.1.5
Herramientas de Apoyo a la Decisin ......................................................... 76
4.2
Optimizacin sin Control Hidrulico ................................................................... 79
4.2.1
Formulacin del Problema de Optimizacin ................................................ 79
4.2.2
Manual de Usuario de la Herramienta de Optimizacin .............................. 82
4.2.3
Ejemplo de Estudio ..................................................................................... 88
4.2.4
Estudio del Espacio de Soluciones Posible................................................. 93
4.2.5
Conclusiones y Desarrollos Futuros ......................................................... 100
4.3
Optimizacin con Control Hidrulico ................................................................ 101
4.3.1
Modelo de Decisin para la Localizacin y Dimensionamiento ptimo de
Estructuras de Almacenamiento ............................................................................. 101
4.3.2
CIACUA
Algoritmo Simulated Annealing (SA) ......................................................... 109


5.
4.3.3
Calibracin de los Parmetros del Algoritmo SA ....................................... 119
4.3.4
Aplicacin en Caso de Estudio: Combra, Portugal ................................... 125
4.3.5
Conclusiones ............................................................................................ 134
Modelacin Computacional ..................................................................................... 139

5.1
5.1.1
Presentacin............................................................................................. 139
5.1.2
Justificacin .............................................................................................. 139
5.1.3
Funciones de la librera ............................................................................ 146
5.1.4
Validacin de las funciones del Toolkit ..................................................... 147
5.2
6.
Elaboracin y validacin de la librera de conexin de SWMM 5 ..................... 139
Modelos de Caso de Estudio ........................................................................... 157
5.2.1
Modelo Hidrulico ..................................................................................... 157
5.2.2
Modelo Lluvia Escorrenta ........................................................................ 159
5.2.3
Simplificacin de la redes ......................................................................... 169
Control en Tiempo Real .......................................................................................... 174

6.1
Modelamiento de Sistemas de Drenaje Urbano ............................................... 175
6.1.1
Modelos Orientados a Control .................................................................. 176
6.1.2
Modelos Orientados a Simulacin ............................................................ 177
6.2
Control en Tiempo Real de Sistemas de Drenaje Urbano ................................ 178
6.2.1
Model Predictive Control ........................................................................... 179
6.2.2
Dinmicas de Replicador .......................................................................... 184
6.2.3
Caso de Estudio ....................................................................................... 187
6.3
Aseguramiento de la Operacin en Sistemas de Control ................................. 191
6.3.1
Control Tolerante a Fallas......................................................................... 192
6.3.2
Sistemas de Control en Red ..................................................................... 194
6.4
Herramienta de Co-simulacin para Modelos de Sistemas de Drenaje Urbano
con Control en Tiempo Real. ...................................................................................... 196
6.5
7.
Conclusiones ................................................................................................... 200
Publicaciones Fase I ............................................................................................... 201

7.1
Cambio Climtico............................................................................................. 201
7.2
Reduccin de Caudales Pico ........................................................................... 201
7.3
Modelacin Computacional .............................................................................. 202
7.4
Control en Tiempo Real ................................................................................... 203
CIACUA
vi

8.
Trabajo Futuro ........................................................................................................ 204
9.
Bibliografa .............................................................................................................. 207
10.
Anexos ................................................................................................................ 217
CIACUA
vii

ndice de Tablas
Tabla 2-1. Resumen de Componentes de la Red Chic Sur. ............................................. 9
Tabla 2-2. Resumen de Componentes de la Red Mini Chic Sur..................................... 11
Tabla 2-3. Resumen de Componentes de la Red Chic Sur. ........................................... 11
Tabla 3-1. Parmetros ecuacin CIACUA. Red Chic Norte. ........................................... 20
Tabla 3-2. Parmetros ecuacin CIACUA. Red Chic Sur. .............................................. 20
Tabla 3-3. Modelos climticos globales correspondientes al proyecto de intercomparacin
CMIP5 analizados. Se indica la institucin y pas de origen. ............................................ 26
Tabla 3-4. Periodo de Retorno en la Actualidad. Aproximacin 1..................................... 31
Tabla 3-5. Ecuaciones de proyeccin de lmina de precipitacin. Estacin San Luis. ..... 36
Tabla 3-6. Intensidad (mm/hr) proyectada a partir de la precipitacin diaria. ................... 37
Tabla 3-7. Resultados ECM por vrtice............................................................................ 41
Tabla 3-8. EMC ponderando por distancias y por EMC Individual.................................... 41
Tabla 3-9. Parmetros Tiempo de Entrada. ..................................................................... 46
Tabla 3-10. Coeficiente de Retardo en Registros Pluviogrficos. ..................................... 47
Tabla 3-11. Resultados Numricos de Hietogramas de Precipitacin. ............................. 55
Tabla 3-12. Cambios Porcentuales con respecto a Hietogramas de precipitacin actuales.
........................................................................................................................................ 56
Tabla 4-1. Tabla topolgica de las diferentes tuberas de la red Mini-Chic Sur. ............. 90
Tabla 4-2. Resultados de inundacin en los nudos. ......................................................... 91
Tabla 4-3. Dimensionado del depsito PMP93041........................................................... 95
Tabla 4-4. Resultados de inundacin en los nudos. ......................................................... 99
Tabla 4-5 Notacin Utilizada en el Modelo de Decisin ................................................. 106
Tabla 6 Conjuntos de Parmetros Clasificados Segn los Resultados Obtenidos Durante
la Primera Etapa de la Calibracin del Algoritmo Simulated Annealing (10 Mejores y 5
Peores) .......................................................................................................................... 122
Tabla 7 Conjuntos de Parmetros Clasificados Segn los Resultados Obtenidos Durante
la Segunda Etapa de la Calibracin del Algoritmo Simulated Annealing (10 Mejores y 5
Peores) .......................................................................................................................... 124
Tabla 8 Resultados obtenidos para los cuatro escenarios propuestos en el caso de
estudio ........................................................................................................................... 128
Tabla 9 Resultados obtenidos del balance de masa para todos los escenarios ............. 132
Tabla 5-1. Comparacin de tiempos de ejecucin (en milisegundos). ............................ 144
Tabla 5-2. Ejemplo de tabla de comparacin de resultados entre SWMM y Toolkit. ...... 153
Tabla 6-1. Herramientas de software orientados a simulacin. ...................................... 178
Tabla 6-2. Variables del sistema. ................................................................................... 180
Tabla 6-3. Resultados de aplicacin de controladores MPC en caso de estudio. ........... 190
Tabla 7-1. Publicaciones Cambio Climtico. .................................................................. 201
Tabla 7-2. Publicaciones Reduccin de Caudales Pico. ................................................ 202
Tabla 7-3. Publicaciones Modelacin Computacional. ................................................... 202
Tabla 7-4. Publicaciones Control en Tiempo Real. ........................................................ 203
Tabla 10-1. Valores para el argumento code de la funcin swmm_getCount. ................ 248
CIACUA
viii

Tabla 10-2. Valores para el argumento value de la funcin swmm_getNodeType. ........ 252
Tabla 10-3. Valores para el argumento value de la funcin swmm_getLinkType. .......... 253
Tabla 10-4. Valores para el argumento code de las funciones swmm_getNodeValue y
swmm_setNodeValue. ................................................................................................... 254
Tabla 10-5. Valores para el argumento code de las funciones swmm_getLinkValue y
swmm_setLinkValue. ..................................................................................................... 256
Tabla 10-6. Valores para el argumento type de la funcin swmm_getLinkGeom. .......... 258
Tabla 10-7. Nmeros de Curva para los distintos tipos de suelo en cuencas. Disponible en
(USDA, 1986). ............................................................................................................... 265
CIACUA
ix

ndice de Grficas
Grfica 3-1. Curvas IDF para 10 aos en Red Chic Norte.............................................. 17
Grfica 3-2. Curvas IDF para 10 aos en Red Chic Sur. ................................................ 18
Grfica 3-3. Comparacin Curvas IDF ecuacin CIACUA y PULGARN. ......................... 21
Grfica 3-4. Periodo de retorno como funcin del tiempo considerando un parmetro que
modifica en el tiempo la Funcin de Probabilidad (Mailhot & Duchesne, 2010)................ 30
Grfica 3-5. Disminucin del periodo de retorno. Aproximacin 1. ................................... 32
Grfica 3-6. Indicador RX1Day. Aeropuerto El Dorado (Benavides, 2011). ...................... 34
Grfica 3-7. Evolucin de la lmina de precipitacin 1986-2012. Periodo de Retorno 100
Aos. Estacin San Luis. ................................................................................................. 35
Grfica 3-8. Proyeccin de la intensidad diaria de precipitacin. Estacin San Luis. ....... 36
Grfica 3-9. Validacin de Modelos Climticos Globales. Sector 1 Chic Norte. .............. 39
Grfica 3-10. Resultados Construccin curvas IDF bajo escenarios de Cambio Climtico
(Acevedo, 2009). ............................................................................................................. 43
Grfica 3-11. Hietograma de precipitacin con Coeficiente de retardo de 0.402. ............. 48
Grfica 3-12. Curvas IDF con Efectos de CC. Aproximacin 1. ....................................... 49
Grfica 3-13. Hietograma de Precipitacin con Efectos de CC. Aproximacin 1. ............. 50
Grfica 3-14. Curvas IDF con efectos de CC. Aproximacin 2. ........................................ 51
Grfica 3-15. Hietogramas de precipitacin bajo efectos de CC. Aproximacin 2. ........... 51
Grfica 3-16. Curvas IDF bajo efectos de CC. Aproximacin 3. ....................................... 52
Grfica 3-17. Hietogramas de Precipitacin bajo efectos de CC. Aproximacin 3. ........... 53
Grfica 3-18. Comparacin de Curvas IDF. ..................................................................... 54
Grfica 3-19. Comparacin de Hietogramas de Precipitacin. ......................................... 55
Grfica 20 Caudal medido en el punto de descarga para los escenarios analizados ..... 133
Grfica 21 Profundidad al interior de las estructuras de almacenamiento en cada
escenario analizado. ...................................................................................................... 134
Grfica 5-1. Comparacin de los tiempos de ejecucin entre el uso del Toolkit y la
interface incluida en EPA SWMM. ................................................................................. 145
Grfica 5-2. Curva de precipitacin. ............................................................................... 170
Grfica 5-3. Curva de precipitacin y de caudal. ............................................................ 171
Grfica 5-4. Comparacin nivel en las descargas .......................................................... 173
CIACUA

ndice de Figuras
Figura 1-1. Estructura del Proyecto. ................................................................................... 2
Figura 2-1. Esquema de la red de alcantarillado Chic Sur. ............................................ 8
Figura 2-2. Divisin por UGAs de la Red Chic Sur. .......................................................... 9
Figura 2-3. Esquema de la red Mini Chic Sur. ............................................................. 10
Figura 2-4. Esquema de la red de alcantarillado Chic Norte. ....................................... 12
Figura 2-5. Divisin por UGAs de la Red Chic Norte. ..................................................... 13
Figura 2-6. Ubicacin Estaciones Pluviomtricas EAB. .................................................... 14
Figura 3-1. Curvas Intensidad-Duracin-Frecuencia (IDF) para lluvia mxima en una
muestra (Chow, Maidment, & Mays, 1994). ..................................................................... 17
Figura 3-2. Hietograma de Precipitacin con un pico durante el evento. .......................... 22
Figura 3-3. Hietograma de Precipitacin con dos picos durante el evento. ...................... 22
Figura 3-4. Ajuste de un hietograma mediante curvas (Chow, Maidment, & Mays, 1994). 23
Figura 3-5. Metodologa General para determinacin de eventos de precipitacin. ......... 27
Figura 3-6. Escenarios del V Reporte del IPCC (Gulizia & Camilloni, 2014). ................... 39
Figura 3-7. Ubicacin de Caso de estudio con respecto a vrtices de MCGs. ................. 40
Figura 3-8. Escenarios de cambio de precipitacin anual (%) para Colombia para el futuro
cercano (2016-2035) y a mediano plazo (2046-2065) para el escenario RCP4.5. ........... 44
Figura 3-9. Cauce ms largo Red Chic Sur. ................................................................... 46
Figura 3-10. Cauce ms largo Red Mini Chic Sur. ......................................................... 46
Figura 3-11. Nudos Sector 4 Red Mini Chic Sur. ............................................................ 49
Figura 4-1. Depsito de retencin abierto a la atmsfera (Boneyard Creek, Champaign Illinois). ............................................................................................................................ 60
Figura 4-2. Depsito de retencin enterrado (Depsito Pluvial Loan Mir Barcelona). .. 60
Figura 4-3. Estructura de un tanque de tormenta Amitech. ............................................ 61
Figura 4-4. Instalacin de un tanque de tormenta con estructuras tipo Aquacell. ........... 61
Figura 4-5. Esquema de un Tanque On-Line con aliviadero de entrada........................... 62
Figura 4-6. Esquema de un Tanque On-Line con dos aliviaderos. ................................... 63
Figura 4-7. Esquema de un Tanque Off-Line. .................................................................. 64
Figura 4-8. Pantalla principal del modelo de optimizacin COLCIENCIAS-OptiTank. ...... 82
Figura 4-9. Formulario de Opciones de Optimizacin. ..................................................... 84
Figura 4-10. Opciones de optimizacin de las Bombas. ................................................... 85
Figura 4-11. Opciones de optimizacin de los Nudos. ..................................................... 85
Figura 4-12. Opciones de optimizacin de los depsitos. ................................................ 86
Figura 4-13. Opciones generales de edicin. ................................................................... 86
Figura 4-14. Men de almacenamiento de las Opciones de Optimizacin. ...................... 86
Figura 4-15. Formulario de Clculo. ................................................................................. 87
Figura 4-16. Formulario de Clculo durante el proceso de optimizacin. ......................... 88
Figura 4-17. Lluvia de diseo utilizada en el ejemplo. ...................................................... 89
Figura 4-18. Mapa de contorno con los niveles de la red Mini-Chic Sur. ........................ 89
Figura 4-19. Numeracin de los nudos del ejemplo considerado. .................................... 90
Figura 4-20. Caudales de inundacin principales en la red Mini-Chic Sur. ..................... 92
CIACUA
xi

Figura 4-21. Caudales de inundacin menores en la red Mini-Chic Sur. ........................ 92

Figura 4-22. Nudos en los que se produce inundacin durante el evento de lluvia
considerado. .................................................................................................................... 93
Figura 4-23. Definicin de los Ramales 3 y 11. ................................................................ 94
Figura 4-24. Numeracin de nudos y lneas del Ramal 3. ................................................ 94
Figura 4-25. Perfil longitudinal del Ramal 3. ..................................................................... 95
Figura 4-26. Diagrama de Pareto del Volumen de tanque frente al Volumen de Inundacin.
........................................................................................................................................ 96
Figura 4-27. Diagrama de Pareto del rea del Tanque frente al Volumen de Inundacin. 96
Figura 4-28. Relacin geomtrica entre el rea y el volumen de tanque necesario en el
nudo PMI92766. .............................................................................................................. 97
Figura 4-29. Perfil longitudinal del Ramal 11. ................................................................... 98
Figura 4-30. Evolucin de la escorrenta de entrada en el nudo PMI92734. .................... 98
Figura 4-31. Nudos con inundacin en la red Mini-Chic Sur modificada......................... 99
Figura 4-32 Interaccin entre el optimizador y el simulador hidrulico. .......................... 103
Figura 4-33. Representacin Esquemtica de las Variables y los Parmetros Involucrados
en el Modelo .................................................................................................................. 106
Figura 4-34 Etapas Bsicas del Algoritmo SA ................................................................ 111
Figura 4-35. Caractersticas que pueden ser modificadas en una Estructura de
Almacenamiento. ........................................................................................................... 112
Figura 4-36 Proceso de Generacin de una Solucin Candidata ................................... 114
Figura 4-37 Rutina de Enfriamiento para el Algoritmo SA .............................................. 118
Figura 4-38 Sistema de Prueba ..................................................................................... 120
Figura 4-39 Hietograma utilizado en el sistema de prueba............................................. 120
Figura 4-40 Hietograma utilizado en el caso de estudio ubicado en Portugal ................ 125
Figura 4-41 Inundaciones generadas en el caso de estudio en la situacin inicial ......... 126
Figura 4-42 Ubicaciones potenciales de las estructuras de almacenamiento en el caso de
estudio ........................................................................................................................... 127
Figura 4-43 Localizacin de las Estructuras de Almacenamiento y el Volumen Mximo de
Inundacin en el Escenario A ........................................................................................ 129
Figura 4-44 Localizacin de las estructuras de almacenamiento y el volumen mximo de
inundacin en el Escenario B......................................................................................... 130
inundacin en el Escenario C ........................................................................................ 130
inundacin en el Escenario D ........................................................................................ 131
Figura 5-1. Comparacin del esquema de funcionamiento de un algoritmo de optimizacin
utilizando EPA SWMM 5 Interface (A) y SWMM 5 Toolkit (B). ....................................... 142
Figura 5-2. Redes utilizadas para la evaluacin de los tiempos de clculo. ................... 143
Figura 5-3. Red empleada para el estudio de las funciones de los Grupos 1 (gestin del
proyecto) y 2 (lectura de datos y resultados).................................................................. 149
CIACUA
xii

Figura 5-4. Red empleada para el estudio del comportamiento de los depsitos utilizando
las funciones del Grupo 3 (modificacin de datos). ........................................................ 149
Figura 5-5. Red empleada para el estudio del comportamiento de vertederos, orificios y
desniveles (offsets) utilizando las funciones del Grupo 3 (modificacin de datos). ......... 150
Figura 5-6. Red utilizada para el estudio exhaustivo de vertederos y orificios. ............... 150
Figura 5-7. Modelo EPA-SWMM de la Red Chic Norte. ............................................... 159
Figura 5-8. Modelo EPASWMM de la Red Chic Sur..................................................... 159
Figura 5-9. Etapas de desarrollo del modelo Lluvia-Escorrenta. ................................... 160
Figura 5-10. Cuencas urbanas aferentes a las cmaras de la Red Chic Sur ............... 161
Figura 5-11. Cuencas urbanas aferentes a las cmaras de la Red Mini Chic Sur ........ 161
Figura 5-12. a) Plano de elevacin de la Red Chic Sur. b) Modelo en 3D de la Red Chic
Sur. ................................................................................................................................ 162
Figura 5-13. Mapa de acumulacin de agua de acuerdo con la direccin de flujo para la
Red Chic Sur. .............................................................................................................. 163
Figura 5-14. Resultado de la delimitacin de cuencas rurales en la Red Chic Sur. ...... 163
Figura 5-15. Delimitacin definitiva de cuencas urbanas y rurales para la red Chic Sur164
Figura 5-16. Delimitacin definitiva de cuencas urbanas y rurales para la red Mini Chic
Sur ................................................................................................................................. 164
Figura 5-17. Cobertura de las cuencas rurales de la Red Chic Sur. ............................. 166
Figura 5-18. Foto de referencia para el coeficiente de rugosidad de las reas permeables
presentes en las cuencas rurales de Chic Sur (Fuente: HR Wallingford Software, 2008).
...................................................................................................................................... 167
Figura 5-19. Foto de referencia para el coeficiente de rugosidad de las reas permeables
presentes en las cuencas urbanas de Chic Sur (Fuente: HR Wallingford Software, 2008).
...................................................................................................................................... 167
Figura 5-20. Interfaz grfica del modelo lluvia escorrenta. ............................................ 170
Figura 5-21. Red para esqueletizacin........................................................................... 172
Figura 5-22. Puntos crticos. .......................................................................................... 172
Figura 5-23. Red Mini Chic Sur esqueletizada. ............................................................ 172
Figura 6-1 Taxonoma propuesta de modelos de Sistemas de Drenaje Urbano............. 176
Figura 6-2 Sistemas de Drenaje Urbano reales vs Modelos. .......................................... 176
Figura 6-3 Estructura de software para control de SDU (Garca Gutierrez, et al., 2014). 178
Figura 6-4. Configuracin para convergencia................................................................. 185
Figura 6-5. Evolucin de alturas en los tanques. ............................................................ 185
Figura 6-6. Configuracin para divergencia. .................................................................. 186
Figura 6-7. Evolucin de alturas en los tanques. ............................................................ 186
Figura 6-8. Comportamiento de convergencia ante una perturbacin. ........................... 187
Figura 6-9. Sistemas de drenaje de Barcelona (Ocampo Martnez C. , 2010). ............... 188
Figura 6-10. Eventos de lluvia en el caso de estudio. .................................................... 189
Figura 6-11. Volmenes arrojados por el sistema a la calle y el mar. ............................. 189
Figura 6-12. Volmenes que se dirige a la planta de tratamiento del sistema. ............... 190
Figura 6-13. Algoritmo de simulacin de SWMM. .......................................................... 197
CIACUA
xiii

Figura 6-14. Topologa del caso de estudio. .................................................................. 198

Figura 6-15. Resultados del nivel en los tanques sin control. -- V1 -- V2 V3. ............ 199
Figura 6-16. Resultados de nivel en los tanques con control. -- V1 -- V2 V3. ........... 199
Figura 10-1. Definicin de las dimensiones geomtricas de los orificios. ....................... 258
Figura 10-2. Mapa de acumulacin de agua de acuerdo con la direccin de flujo para la
Red Mini Chic Sur. ....................................................................................................... 264
Figura 10-3. Resultado de la delimitacin de cuencas rurales en la Red Mini Chic Sur.264
CIACUA
xiv

ndice de Variables
( )
(
CIACUA
xv

CIACUA
xvi

CIACUA
xvii

CIACUA
xviii

ndice de Unidades
Almacenamiento en depresiones del terreno: milmetros [mm]
Ancho de una cuenca: metros [m]
rea: metros cuadrados [m2]
Caudal: metros cbicos por segundo [m3/s] o litros por segundo [L/s]
Dimetro de los orificios de las estructuras de almacenamiento: metros [m]
Duracin de Tormenta: minutos [min]
Forzante Radiativo: watts por metro cuadrado [Wm-2]
Intensidad: milmetros por hora [mm/hr]
Longitud del cauce ms largo: metros [m]
Nivel del agua al interior de los tanques: [m]
Pendiente promedio del cauce: porcentaje [%]
Periodo de Retorno: aos [aos]
Porcentaje de rea impermeable: porcentaje [%]
Precipitacin diaria: milmetros por da [mm/da]
Tiempo antes del pico: minutos [min]
Tiempo despus del pico: minutos [min]
Tiempo de concentracin: minutos [min]
Tiempo de recorrido: minutos [min]
Volumen de almacenamiento: metros cbicos [m3]
Volumen de inundacin: metros cbicos [m3]
CIACUA
xix

ndice de Siglas
ArcGis: ESRIs Geographic Information System
AE: Algoritmos Evolutivos
AG: Algoritmos Genticos
BCC-CSM1.1: Beijing Climate Center Climate System Model
CC: Cambio Climtico
CCSM: Community Climate System Model
CES: Conveyance Estimation System
CMIP: Protocolo de Administracin de Informacin Comn
CMIP5: Coupled Model Intercomparison Project Phase 5
CIACUA: Centro de Investigaciones en Acueductos y Alcantarillados
CRU: Climate Research Unit
CSIRO: Commonwealth Scientific and Industrial Research Organization
CTR: Control en Tiempo Real
DGC: Direccin General de Carreteras
EAB: Empresa de Acueducto, Alcantarillados y Aseo de la ciudad de Bogot
ECM: Error Cuadrtico Medio
ECHAM: Global Climate Model developed by the Max Planck Institute for Meteorology
EPA SWMM: Environmental Protection Agency Storm Water Management Model
FTC: Control Tolerante a Fallos
GEV: Funcin Generalizada de Valor Extremo
GPL: Gradiente de Programacin Lineal
GS: Gain Scheduled
IDEAM: Instituto de Hidrologa, Meteorologa y Estudios Ambientales
IDECA: Infraestructura de Datos Especiales para el Distrito Capital
IDF: Intensidad Duracin - Frecuencia
IPCC: Panel Intergubernamental en Cambio Climtico
LID: Low Impact Design
LVP: Linear Parameter-Varying
MCG: Modelos Climticos Globales
MPC: Model Predictive Control
MIROC5: Model for Interdisciplinary Research on Climate
MIMO: Multiple In Multiple Out
MRI: Meteorological Research Institute
NMPC: Nonlinear Model Predictive Control
NCS: Control en Redes
PCMDI: Program For Climate Model Diagnosis and Intercomparison
PD: Programacin Dinmica
PL: Programacin Lineal
PNL: Programacin No Lineal
PTAR: Plantas de Tratamiento de Agua Residual
CIACUA
xx

OP:Problema de Optimizacin
RAS: Reglamento Tcnico del Sector de Agua Potable y Saneamiento Bsico
RCP: Representative Concentration Pathways
SA: Simulated Annealing
SCS: Soil Conservation Service
SDU: Sistemas de Drenaje Urbano
SIDU: Sistemas Integrados de Drenaje Urbano
SUDS: Sustainable Urban Drainage Systems
USDA: Departamento de Agricultura de los Estados Unidos
UGA: Unidades de Gestin de Alcantarillado
UKMO: UK MetOffice
UNC: Universidad Nacional de Colombia
UIO: Banco de observadores de entradas
WSUD: Water Sensitive Urban Design
CIACUA
xxi

DRENAJE URBANO Y CAMBIO CLIMTICO: HACIA LOS SISTEMAS

DE DRENAJE URBANO DEL FUTURO
1. Introduccin
Dentro de los campos de investigacin relacionados al agua se encuentran los Sistemas
Integrados de Drenaje Urbano (SIDU). Si estos sistemas se conciben en forma integral,
estn compuestos por el alcantarillado, las plantas de tratamiento de agua residual
(PTAR) y los cuerpos receptores naturales. A su vez, el alcantarillado es necesario dentro
del desarrollo de reas urbanas debido a la interaccin entre actividades humanas y el
ciclo natural del agua pues el consumo humano de agua potable produce el agua residual
y la cobertura del suelo a medida que las reas son urbanizadas produce escorrenta
proveniente del agua lluvia (Saldarriaga, 2012).
De igual forma, los SIDU permiten la minimizacin de problemas en la salud pblica y en
el ambiente pues evitan las inundaciones en las poblaciones urbanas y la llegada de
contaminacin a los cuerpos naturales de agua. As, dentro del manejo integral de estos
sistemas es necesario tener conocimiento sobre mltiples aspectos que van a incidir en el
comportamiento de ste como la variabilidad espacial y temporal de las lluvias y
vertimientos domiciliarios, la posible retencin en la red de alcantarillado para controlar
picos, el pre-tratamiento en lnea, entre otros.
El proyecto de investigacin titulado Drenaje Urbano y Cambio Climtico: hacia los
sistemas de drenaje urbano del futuro se centra en la generacin de conocimiento en los
dos primeros aspectos descritos anteriormente. El primer aspecto se estudia alrededor de
unos de los fenmenos meteorolgicos ms importantes en los ltimos aos: el Cambio
Climtico. As, conocer la variabilidad espacial, temporal y en especial de intensidad de
los eventos de precipitacin ser de vital importancia para evitar que su ocurrencia tenga
efectos negativos importantes (en trminos de inundaciones) en las ciudades colombianas
en los prximos aos.
Por su parte, el estudio de la retencin en la red de alcantarillado se presenta como una
alternativa para mitigar los efectos negativos mencionados anteriormente dado que el
cambio total de infraestructura no es una opcin viable. La presente investigacin busca
determinar alternativas viables desde el punto de vista tcnico, operacional y econmico
para enfrentar las condiciones climticas tpicas de Colombia en los prximos aos bajo
diferentes escenarios de Cambio Climtico.
Dado que el proyecto abarca diferentes aspectos de los SIDU, fue estructurado en cuatro
ejes principales, los cuales se presentan en la Figura 1-1. Lo anterior para garantizar que
los objetivos y el alcance del proyecto se cumplan.
CIACUA

Figura 1-1. Estructura del Proyecto.
El primer eje de trabajo considerado, titulado Cambio Climtico, est enfocado en la

determinacin de los hietogramas de entrada a los Sistemas de Drenaje Urbano en
consideracin. En este eje de trabajo se determin en qu forma el Cambio Climtico ha
afectado el clima en Latinoamrica haciendo nfasis en Colombia. Estos efectos se
estudiaron en trminos de la distribucin, frecuencia e intensidad de la precipitacin.
Por su parte, el segundo eje, denominado Reduccin de Caudales Pico, est enfocado en
la factibilidad de la implementacin de metodologas que permitan cortar los picos de
caudal que llegan a los Sistemas de Drenaje Urbano utilizando estructuras de
almacenamiento temporal. Una vez comprendidas las tcnicas disponibles para la
reduccin de los caudales pico, se busc determinar tanto la localizacin como el
dimensionamiento ptimo de los tanques de detencin utilizando dos enfoques de
optimizacin. La factibilidad del uso de estas metodologas se vio reflejada en la
cuantificacin de la efectividad de estas estructuras en trminos de la reduccin lograda
en los caudales pico que llegan al Sistema de Drenaje Urbano.
El tercer eje del proyecto hace referencia a la Modelacin Computacional, la cual est
enfocada hacia el desarrollo de modelos y herramientas computacionales que permitan la
simulacin de las metodologas propuestas de forma eficiente. Debido a que el tema de
reduccin de caudales pico por medio de Control en Tiempo Real (cuarto eje de trabajo)
es un tema innovador se requiri contar con modelos computacionales que permitieran
CIACUA

observar el comportamiento de la red bajo los cambios propuestos. De igual manera se

desarroll un programa que permitiera comunicar al software optimizador con el simulador
hidrulico, dando as paso a una herramienta computacional novedosa y eficiente.
Por ltimo, el eje titulado Estrategias de Control est enfocado en el estudio del CTR en
Sistemas de Drenaje Urbano en Colombia, de tal forma que este pueda responder a
situaciones de aumento drstico de precipitaciones (en trminos de intensidad). Un
adecuado diseo de control para redes de alcantarillado evita los impactos negativos
generados por eventos importantes de precipitacin generando conocimiento en el
desarrollo de modelos orientados a control y en el diseo de controladores gestores
basados en tcnicas de control bio-inspiradas y predictivas.
1.1 Objetivos
1.1.1
Objetivo General del Proyecto
El objetivo fundamental de este proyecto se enfoca en disear estrategias de control y

gestin inteligente de redes de drenaje urbano, de manera que en tiempo real se minimice
el riesgo de inundaciones y sus impactos altamente negativos sobre el medio ambiente,
mientras que se opera este sistema de manera inteligente.
1.1.2
Objetivos Especficos del Informe
Este informe busca presentar las distintas metodologas desarrolladas en torno al uso de
estructuras de almacenamiento temporal de aguas lluvias con el fin de reducir los picos de
caudal generados por eventos de precipitacin afectados con Cambio Climtico. Para
alcanzar este fin se incluyeron tcnicas de CTR probadas a travs de modelacin
computacional. Con lo anterior, se busca cerrar el proceso investigativo correspondiente a
la Fase I del proyecto, y dar as paso a la segunda fase de ste, en donde se profundizar
en el conocimiento generado durante la fase aqu descrita. Para cumplir con el propsito
de este informe se cumplieron los siguientes objetivos especficos:
Presentar las redes de alcantarillado seleccionadas como casos de estudio para la

aplicacin de las metodologas desarrolladas, exponiendo su ubicacin, algunas
caractersticas fsicas de stas y los criterios por los cuales fueron seleccionadas.
Enmarcar tericamente conceptos hidrolgicos importantes que sirvieron de
fundamento para la determinacin de eventos de precipitacin generados bajo los
efectos del Cambio Climtico.
Describir las cuatro aproximaciones propuestas para la determinacin de los
hietogramas de precipitacin bajo los efectos del Cambio Climtico, incluyendo la
parametrizacin requerida su aplicacin en la zona de estudio, los resultados
obtenidos de esta aplicacin y la comparacin de los resultados para las cuatro
aproximaciones.
Presentar una metodologa de optimizacin para la localizacin y el
dimensionamiento ptimo de los tanques de almacenamiento que sea considerada
CIACUA

pasiva, es decir sin incluir variables relacionadas con la estructura de salida de

estas estructuras, para posteriormente evaluar su desempeo a travs de su
aplicacin a casos de estudio.
Presentar una metodologa de optimizacin para la localizacin y el
dimensionamiento ptimo de estructuras de almacenamiento, la cual considera las
dimensiones del tanque y el dimetro del orificio de salida como variables de
decisin, evaluando su desempeo a travs de la aplicacin a casos de estudio.
Desarrollar los modelos hidrulicos de las redes de alcantarillado pluvial
seleccionadas como casos de estudio para poder evaluar las metodologas y as
obtener resultados que apoyen el proceso de toma de decisiones generados a lo
largo del proyecto.
Desarrollar un modelo hidrolgico que represente las caractersticas de las
cuencas aferentes al SDU modelado en EPA-SWMM, el cual es el simulador
hidrulico que ser utilizado a lo largo de este proyecto para conocer el
comportamiento hidrulico del sistema, con sus respectivos parmetros para poder
transformar los hietogramas de precipitacin en hidrogramas de entrada a las
redes modeladas.
Desarrollar una herramienta computacional que permita la comunicacin directa
entre EPA-SWMM y otras plataformas de programacin en donde se beneficie la
comunidad cientfica mundial como sucede con su homlogo en acueductos:
EPANET.
Conectar los programas de optimizacin con el simulador hidrulico EPA-SWMM
con el fin de que las metodologas se ejecuten de forma eficiente, permitiendo as
la obtencin gil de resultados lo cual ser propicio para la implementacin del
CTR.
Proponer, aplicar y analizar estrategias de CTR que sean aplicables a los
Sistemas de Drenaje Urbano con el fin de minimizar las inundaciones presentadas
bajo las condiciones actuales del sistema.
Desarrollar una herramienta de co-simulacin entre EPA-SWMM y MatLab que
permita modelar las estrategias de CTR con el fin de evaluar el desempeo de las
estrategias propuestas.
Establecer los objetivos principales de la Fase II del proyecto con el fin de ilustrar
el futuro de la investigacin desarrollada y determinar cmo esta se relaciona con
los resultados obtenidos a lo largo de la Fase I.
1.2 Contenido del Informe

El presente documento resume la generacin de conocimiento que se propuso como
objetivo principal en la Fase I del proyecto ejecutado, en donde se desarrollaron
metodologas para la reduccin de los caudales pico generados bajo escenarios de
Cambio Climtico. Para esto, se incluyeron tecnologas innovadoras en su modelacin,
buscando optimizar los volmenes de agua almacenados, y analizando la factibilidad de
incluir el CTR en el sistema de drenaje para obtener as un sistema capaz de reaccionar
CIACUA
4

inmediatamente a distintas situaciones presentadas en el sistema con el fin de evitar las

sobrecargas. Dado lo anterior, el contenido del presente informe se resume a
continuacin.
En el Captulo 1 se realiza una introduccin al proyecto ejecutado, incluyendo en primer
lugar los objetivos que busca alcanzar esta investigacin, y en segundo lugar la
segmentacin realizada en ejes de trabajo para garantizar el cumplimiento de dichas
metas.
En el Captulo 2 se presentan las redes de alcantarillado pluvial seleccionadas como
casos de estudio para ejecutar las distintas pruebas de las metodologas propuestas.
Estas redes cuentan con caractersticas especficas por las cuales fueron escogidas,
algunos de estos criterios fueron la presencia de sobrecargas en algunas zonas de la red,
la cercana con puntos de medicin de la empresa local de alcantarillado y el hecho de ser
del tipo pluvial. En este captulo se presenta no slo la ubicacin de los casos de estudio,
sino tambin otros aspectos que resultaron relevantes dentro del proyecto.
El Captulo 3 corresponde a la investigacin desarrollada en el eje de trabajo en torno al
Cambio Climtico. En este captulo se hace un breve recorrido terico sobre conceptos
hidrolgicos que sern importantes para el desarrollo de la investigacin presentada
incluyendo desde las curvas IDF hasta la presentacin de MCG. Asimismo se presenta en
detalle el marco conceptual asociado con las cuatro aproximaciones propuestas y
utilizadas para la determinacin de los hietogramas de precipitacin en la zona de estudio.
A partir de estas estrategias y la determinacin de los parmetros correspondientes, se
muestran los hietogramas de precipitacin resultantes para los casos de estudio
presentados anteriormente.
El Captulo 4 se concentra en las metodologas desarrolladas para la localizacin y
dimensionamiento ptimo de estructuras de almacenamiento temporal incluyendo dos
enfoques: uno que dimensiona los tanques de detencin nicamente al convertir los
pozos de inspeccin de la red en tanques de almacenamiento, y el otro que se encarga de
dimensionar tanto el tamao del tanque como el dimetro de la estructura de salida de
ste de forma que se minimicen los volmenes almacenados y los generados como
inundacin. En cada uno de estos enfoques se incluyen los conceptos tericos bajo los
cuales se enmarcan, la descripcin de la metodologa desarrollada y la aplicacin a
algunos casos de estudio.
El Captulo 5 hace referencia a la investigacin efectuada en cuanto a la modelacin
computacional que apoy el desarrollo de las metodologas propuestas en los dems ejes
de trabajo. En primer lugar se describe el procedimiento asociado con el desarrollo e
implementacin de los modelos hidrulicos e hidrolgicos de las redes seleccionadas
como casos de estudio a partir de informacin catastral disponible en el software de geoanlisis ArcGis. En segundo lugar se describe el SWMM Toolkit, el cual siendo uno de los
principales productos generados por el proyecto, es una herramienta que permite
CIACUA

desarrollar clculos hidrulicos de forma rpida y eficiente al llamar al simulador de EPASWMM desde otras plataformas de programacin, tales como Visual Studio. Esta
herramienta result de vital importancia en el desarrollo de las metodologas de
optimizacin descritas en captulos anteriores.
El Captulo 6 explora distintas tcnicas de CTR, las cuales en integracin con las
estructuras de almacenamiento, que los SDU la tengan la capacidad de responder de una
manera ms adecuada ante eventos de precipitacin extremos evitando as las
inundaciones. Para este fin, se presenta una caracterizacin desde la cual se clasifican
los modelos desarrollados en dos tipos: orientados a control y los orientados a simulacin.
Una vez comprendido esto, se describe el marco conceptual de las dos estrategias
propuestas, para posteriormente analizar su desempeo a travs de su aplicacin en un
caso de estudio. De igual manera, se muestra el desarrollo de una herramienta de cosimulacin para el modelado de SDU incluyendo el CTR.
El Captulo 7 presenta un resumen de las publicaciones que complementan los productos
mostrados en el presente informe incluyendo el estado en el cual se encuentran a la fecha
de entrega de este informe. El Captulo 8 establece una descripcin de los objetivos que
orientarn el desarrollo de la Fase II del proyecto, en donde continuar la etapa de
generacin de conocimiento, as como se desarrollarn montajes experimentales para
caracterizar hidrulicamente algunas estructuras de almacenamiento. El Captulo 9
presenta la bibliografa utilizada y finalmente, en el Captulo 10 se presentan los anexos
encargados de complementar algunas de las secciones desarrolladas a lo largo del
informe.
CIACUA

2. Presentacin de los Casos de Estudio

En el marco de la investigacin descrita en el presente informe, se seleccionaron
inicialmente dos redes de alcantarillado existentes en la ciudad de Bogot con el fin de
que estas sirvieran como casos de estudio para la aplicacin de las distintas metodologas
desarrolladas a lo largo del proyecto. Para la seleccin de las redes que sern descritas a
continuacin, se tuvieron en cuenta distintos criterios propuestos por los integrantes del
equipo de trabajo, en donde el ms importante correspondi a la seleccin de redes de
alcantarillado pluviales ya que el estudio se restringi a este tipo de sistemas. As mismo,
se utilizaron criterios que evaluaron la cercana del sistema a puntos de medicin de
caudales y niveles, la inclusin de zonas en donde se hayan identificado problemas tales
como sobrecargas e inundaciones, entre otros. Estos criterios se encuentran descritos en
el Captulo 3.1.1 del Producto 4 perteneciente a esta investigacin (CIACUA, 2013).
Sin embargo, como consecuencia de la complejidad de las redes seleccionadas al aplicar
los criterios previamente mencionados, se decidi construir un tercer caso de estudio a
partir de las redes ya seleccionadas con el fin de aplicar de forma preliminar las
metodologas desarrolladas. Dentro de las caractersticas que le agregaron complejidad a
las redes seleccionadas se encuentra, en primer lugar, su tamao en trminos de la
cantidad de componentes del sistema por lo cual se hizo necesario considerar procesos
de esqueletizacin. Estos ltimos hacen referencia a procedimientos en donde se busca
reducir el tamao de una red, en trminos del nmero de elementos que la componen, sin
afectar su comportamiento hidrulico. En segundo lugar, el catastro de las redes a partir
del cual se obtuvieron los modelos hidrulicos present errores importantes en cuanto a la
topologa y caractersticas fsicas del sistema, lo cual tuvo como consecuencia la
necesidad de revisar y depurar la informacin en el momento de construir los modelos
hidrulicos que se describirn ms adelante.
Una vez explicado lo anterior, a continuacin se presentarn las tres redes de
alcantarillado pluvial seleccionadas como casos de estudio, incluyendo su ubicacin en la
ciudad de Bogot y distintas caractersticas que resultaron relevantes en el marco del
proyecto de investigacin. Estas redes se denominarn Chic Sur, Mini Chic Sur y Chic
Norte.
2.1 Red Chic Sur

2.1.1
Localizacin y Descripcin
La red Chic Sur se encuentra ubicada al norte de la ciudad de Bogot, Colombia, entre la
Calle 92 y la Calle 100 en sentido Sur-Norte, y entre la Avenida 7ma y la Autopista Norte
en sentido Oriente-Occidente como se puede observar en la Figura 2-1. De la misma
forma, en esta figura se muestra la red troncal de alcantarillado en color azul oscuro,
compuesta por grandes colectores y canales abiertos, la red local de drenaje urbano en
CIACUA

color azul claro, compuesta totalmente por tuberas de dimetros entre 200 y 900 milmetros, las cmaras de inspeccin o pozos en
color cian y finalmente el punto de entrega al Canal Rionegro representado por un tringulo azul.
Figura 2-1. Esquema de la red de alcantarillado Chic Sur.
CIACUA

En la Tabla 2-1 se muestra un resumen de la cantidad de componentes que posee la red

en mencin con el fin de proporcionarle al lector una nocin del tamao del sistema
seleccionado.
Tabla 2-1. Resumen de Componentes de la Red Chic Sur.
Componente
Cantidad
Tuberas y Conductos
Cmaras de Inspeccin (Pozos)
Punto de Descarga
510
509
1
La red descrita se caracteriza por tener una zona en donde usualmente se presentan
sobrecargas, las cuales, de acuerdo con la Empresa de Acueducto, Alcantarillado y Aseo
de Bogot EAB, se pueden atribuir a errores en los diseos hidrulicos del sistema y no
a falta de mantenimiento.
2.1.2
Unidades de Gestin de Alcantarillado Red Chic Sur
Para lograr una mejor gestin administrativa y operativa del sistema de alcantarillado de
Bogot, la EAB decidi dividirlo en unidades espaciales de estudio conocidas como
Unidades de Gestin de Alcantarillado UGA. Dentro del rea geogrfica que delimita la
red Chic Sur se encontraron 5 UGAs en total, las cuales se muestran en la Figura 2-2
incluyendo los centroides geomtricos de cada una de estas unidades de anlisis.
Figura 2-2. Divisin por UGAs de la Red Chic Sur.
CIACUA

2.2 Red Mini Chic Sur

Como ya se mencion, la red Mini Chic Sur surge en respuesta a la necesidad de tener
un sistema de prueba cuyo tamao fuera menor al de las redes seleccionadas
inicialmente. Con la definicin de este sistema se busc probar las metodologas
desarrolladas a pequea escala antes de aplicarlas en los casos de estudio para as
poder analizar el funcionamiento de los procedimientos propuestos, realizar las
correcciones necesarias y mejorarlos sin necesidad de incurrir varias veces en los
grandes costos computacionales que este proceso puede generar al aplicarse a las
grandes redes.
2.2.1
La red Mini Chic Sur, mostrada en la Figura 2-3, se encuentra ubicada en el extremo sur
oriental de la red Chic Sur, encontrndose as limitada por la Avenida 7ma y la Carrera 30
en el sentido Oriente-Occidente, y entre las Calle 92 y la Calle 95 en el sentido Sur-Norte.
En esta figura se pueden observar los conductos pertenecientes a la red troncal en color
verde, la red local se muestra en color azul, los pozos se muestran en color gris claro y el
punto de descarga se representa por un tringulo amarillo. De la misma forma, se muestra
la localizacin de la red Mini Chic Sur dentro del polgono correspondiente a Chic Sur.
Figura 2-3. Esquema de la red Mini Chic Sur.
Por su parte, en la
CIACUA
10

Tabla 2-2 se enumeran los diferentes componentes del sistema con el fin de dar una
nocin acerca del tamao del tercer caso de estudio descrito en esta seccin.
Tabla 2-2. Resumen de Componentes de la Red Mini Chic Sur.
Componente
Cantidad
Tuberas y Conductos
Punto de Descarga
83
82
1
2.3 Red Chic Norte

2.3.1
La red Chic Norte, mostrada en la Figura 2-4, se encuentra ubicada en la zona norte de
la ciudad de Bogot, Colombia, limitada en sentido Sur-Norte por la Calle 100 y la Calle
127, y entre la Carrera 7ma y la Autopista Norte en sentido Oriente-Occidente. De igual
forma, en esta figura se puede observar el polgono que delimita la red, definido con base
en las UGAs designadas por la EAB, as como sus distintos componentes: en color azul
oscuro se muestra la red troncal, en color azul claro se muestra la red local, los pozos se
muestran en color verde claro y el punto de entrega del sistema se representa a travs de
un tringulo amarillo.
Con el fin de proporcionar algunos indicios acerca del tamao de la red Chic Norte, en la
Tabla 2-3 se enumeran algunos de los componentes del sistema tales como las tuberas y
conductos, los pozos y los puntos de descarga.
Tabla 2-3. Resumen de Componentes de la Red Chic Sur.
Componente
Cantidad
Tuberas y Conductos
Punto de Descarga
1293
1292
1
Finalmente, es importante mencionar que este caso de estudio se seleccion debido a su

cercana a algunos puntos de medicin de distintas variables hidrulicas, propiedad de la
EAB, los cuales se encuentran ubicados aproximadamente en la Calle 127 con Autopista
Norte.
CIACUA
11

Figura 2-4. Esquema de la red de alcantarillado Chic Norte.
CIACUA
12

2.3.2
Unidades de Gestin de Alcantarillado Red Chic Norte
En el caso de la red Chic Norte, las UGAs delimitadas se muestran en la Figura 2-5
incluyendo tambin los centroides geomtricos de cada una de estas unidades de
anlisis.
Figura 2-5. Divisin por UGAs de la Red Chic Norte.
2.4 Estaciones Pluviomtricas

La informacin hidrolgica necesaria para el desarrollo de la presente investigacin,
especialmente en el eje de trabajo de Cambio Climtico y la determinacin de los
hietogramas de precipitacin, fue suministrada por la Empresa de Acueducto,
Alcantarillado y Aseo de Bogot EAB. Esta informacin es registrada por estaciones
pluviomtricas ubicadas a lo largo de la ciudad, razn por la cual se seleccionaron las 3
ms cercanas a la zona de estudio, siendo estas Salitre Casa de Bombas, Tanque Santa
Ana y San Luis como se muestra en la Figura 2-6.
CIACUA
13

Figura 2-6. Ubicacin Estaciones Pluviomtricas EAB.
CIACUA
14

3. Cambio Climtico en Bogot

Como se present en la estructura del proyecto, el propsito principal del rea de Cambio
Climtico es la determinacin de los eventos de precipitacin en las ciudades
colombianas bajo escenarios de CC. Para cumplir con este objetivo se requiri del estudio
de algunos aspectos hidrolgicos bsicos para el estudio de la precipitacin.
El presente captulo comienza explicando estos aspectos utilizados en la metodologa de
determinacin de eventos de precipitacin. Un segundo apartado en el captulo describe
la metodologa planteada para encontrar los eventos de precipitacin considerando cuatro
aproximaciones diferentes permitiendo la modelacin de diferentes escenarios. Una vez la
metodologa es descrita, se presentan los parmetros necesarios para su desarrollo y su
aplicacin a la zona de estudio seleccionada. Por ltimo se presentan los resultados
obtenidos bajo las cuatro aproximaciones en la ciudad de Bogot.
3.1 Aspectos hidrolgicos en el estudio de la Precipitacin

La determinacin de eventos de precipitacin a partir de informacin histrica o sinttica
requiere de la comprensin de conceptos como las Curvas IDF, los hietogramas de
precipitacin entre otros. Adicionalmente, dada la disponibilidad de informacin se
necesita la implementacin de metodologas para la obtencin de curvas IDF completas.
Estos temas, entre otros son tratados en la presente seccin.
3.1.1
Curvas IDF
Las Curvas Intensidad-Duracin-Frecuencia (IDF) representan la relacin entre la

intensidad de un evento de precipitacin, su duracin y la frecuencia con la que se
observa este evento la cual est representada por el perodo de retorno. Se presentan
como una de las herramientas ms importantes para la determinacin de eventos de
precipitacin pues permite conocer el comportamiento de la precipitacin bajo diferentes
duraciones y diferentes periodos de retorno.
Por esta razn, estas curvas son utilizadas frecuentemente para el diseo de estructuras
hidrulicas, especialmente para determinar las entradas a los sistemas a disear.
Usualmente se presenta como un grupo de curvas, una curva para cada perodo de
retorno con el fin de considerar diferentes escenarios de diseo cuyo uso depende de la
complejidad de los sistemas considerados y de la normatividad vigente.
Las Curvas IDF se construyen tomando valores representativos de la intensidad media de
precipitacin para distintas duraciones para un mismo perodo de retorno. A partir de las
curvas resultantes, es posible estimar la intensidad de tormentas de diferentes duraciones
para distintos tiempos de retorno. Los valores representativos de esta intensidad se
obtienen a partir de un anlisis de frecuencia de series histricas de valores mximos de
precipitacin en las diferentes duraciones necesarias.
CIACUA
15

Existen varios mtodos para escoger la serie con la cual se realiza el anlisis de
frecuencia, de los cuales el ms frecuente es usar las series mximas anuales,
correspondiente a los valores mximos de precipitacin observados en cada uno de los
aos de registro. El proceso comienza con la determinacin de un rango de validez de las
Curvas IDF, definiendo el rango de duraciones para las cuales estas pueden estimarse.
Posteriormente se ajusta a la serie obtenida para cada duracin una funcin de
distribucin de probabilidad, que usualmente corresponde a una distribucin Gumbel o en
el caso de trabajar escenarios de CC puede corresponder a la Funcin Generalizada de
Valor Extremo (GEV por sus siglas en ingls). Con la funcin de distribucin ajustada a
los datos histricos, es posible construir familias de curvas que permiten estimar la
intensidad mxima para distintas duraciones correspondientes a uno o varios perodos de
retorno (Acevedo, 2009). Las Curvas IDF son la representacin grfica de la probabilidad
de ocurrencia de un evento con cierta intensidad promedio.
Para facilitar el manejo de las curvas, stas suelen ajustarse a alguna de las expresiones
matemticas de la Ecuacin 3-1, Ecuacin 3-2 o Ecuacin 3-3; donde es la intensidad de
la lluvia, es la duracin de la tormenta y
y son parmetros de las ecuaciones que
dependen del perodo de retorno y de la ubicacin de la estacin donde se registraron los
datos,
Ecuacin 3-1. Curva IDF 1. (Acevedo, 2009)

Ecuacin 3-4. Curva IDF 4. EAB.
Vale la pena resaltar que estas ecuaciones son ecuaciones derivadas empricamente por
varios investigadores en estudios de precipitaciones mximas, de manera que su
aplicabilidad depende del estudio especfico el que sean usadas. La Figura 3-1 presenta
la diferencia de varias Curvas IDF dependiendo de su periodo de retorno.
Para la presente investigacin se obtuvieron las Curvas IDF en los centroides de las
Unidades de Gestin de Alcantarillado establecidas por la Empresa de Acueducto,
Alcantarillados y Aseo de la ciudad de Bogot EAB- presentadas en la Figura 2-2 y
Figura 2-5. Estas curvas se presentan en la Grfica 3-1 para los 8 sectores existentes de
la red Chic Norte y en la Grfica 3-2 para los 5 sectores de la red Chic Sur. En ambos
casos se considera un periodo de retorno de 10 aos.
CIACUA
16

Figura 3-1. Curvas Intensidad-Duracin-Frecuencia (IDF) para lluvia mxima en una muestra (Chow,
Maidment, & Mays, 1994).
Comparando las diferentes Curvas IDF obtenidas para 10 aos de periodo de retorno, es
posible ver que las curvas en los diferentes sectores son similares; sin embargo, durante
el desarrollo del proyecto se tiene en cuenta esta distribucin espacial de la lluvia dado
que entre ms especfica y detallada se tenga la informacin, se pueden obtener mejores
resultados. Igualmente, en la metodologa de obtencin de eventos de precipitacin es
necesario validar los resultados de algunos Modelos Climticos Globales utilizando (ver
pgina 37) las Curvas IDF existentes para una duracin de 24 horas cuyos resultados si
varan significativamente entre sectores de las redes de estudio.
Grfica 3-1. Curvas IDF para 10 aos en Red Chic Norte.
CIACUA
17

Grfica 3-2. Curvas IDF para 10 aos en Red Chic Sur.
En el Anexo 10.1 se presentan las ecuaciones gobernantes para las Curvas IDF de todos
los sectores de las redes de estudio con la forma de la Ecuacin 3-4. Igualmente se
presentan los parmetros
y
de la Ecuacin 3-3 los cules sern utilizados
posteriormente para la obtencin de los eventos de precipitacin actuales en la ciudad de
Bogot.
Es importante mencionar que uno de los productos ms importantes de la metodologa
planteada incluye la obtencin de Curvas IDF bajo escenarios de CC a partir de las cuales
es posible obtener los eventos de precipitacin en forma de hietogramas de precipitacin.
Sin embargo, algunas aproximaciones de la metodologa planteada permiten el clculo del
valor de precipitacin diaria proyectada con CC y no la precipitacin para duraciones ms
cortas. Frente a este aspecto se plante una metodologa para la estimacin de eventos
cortos de precipitacin a partir de la precipitacin diaria.
3.1.2
Estimacin de Eventos Cortos de Precipitacin
La estimacin de eventos cortos de precipitacin corresponde a la transformacin de un

valor de precipitacin diaria (obtenida bajo las diferentes aproximaciones planteadas en la
Seccin 3.2) conocidos tambin como valores de intensidad de eventos con duracin de
24 horas en intensidades para duraciones ms cortas. Este procedimiento es necesario
pues se requiere conocer la intensidad para eventos de precipitacin cuya duracin es
bastante menor a 24 horas (para luego determinar la distribucin de esta intensidad en el
tiempo). En otras palabras, es necesario determinar la Curva IDF para duraciones
menores a un da.
Existen distintas aproximaciones empricas para resolver esta problemtica. Una de las
ms reconocidas fue realizada en Espaa por la Direccin General de Carreteras (DGC
en adelante) para el diseo de estructuras de alcantarillado en las vas de este pas. La
CIACUA
18

Ecuacin 3-5 presenta la aproximacin DGC para convertir un valor de precipitacin diaria
en los diferentes valores de las Curvas IDF (Tmez, 1987).
(
Ecuacin 3-5. DGC.
En principio se utiliz esta ecuacin para la determinacin de los eventos cortos de

precipitacin; sin embargo, los resultados obtenidos denotaban eventos demasiado
intensos que no correspondan a la realidad de las condiciones climticas de Colombia.
As, fue necesaria la utilizacin de dos ecuaciones diferentes para realizar esta conversin
dada la incertidumbre que existe en aplicar mtodos para obtener precipitacin en
duraciones de baja magnitud.
El primer mtodo fue planteado en la Universidad Nacional de Colombia (UNC) en 2009
por Pulgarn. En dicha investigacin el objetivo principal era determinar las pautas
necesarias para el escalamiento de informacin hidrolgica en la construccin de Curvas
IDF bajo enfoques clsicos y modernos para su posterior aplicacin en el campo de la
ingeniera principalmente en la Regin Andina de Colombia (Pulgarn Dvila, 2009).
Una de las ecuaciones planteadas en dicha investigacin puede ser utilizada en el
presente proyecto pues tiene como dato de entrada la intensidad media promedio diaria y
el periodo de retorno al cual corresponde dicha precipitacin. La Ecuacin 3-6 presenta el
mtodo que en adelante se conocer como Pulgarn.
{
([
[(
( )))]]) (
Ecuacin 3-6.
Pulgarn.
En la ecuacin anterior
corresponde a la intensidad promedio diaria en mm/hr, es el
periodo de retorno considerado en aos, es la duracin para la cual se quiere determinar
la intensidad en minutos y
corresponde a la intensidad (o la lmina de precipitacin)
para un evento de duracin de una hora.
Es importante denotar que la ecuacin anterior est dividida en dos partes dependiendo
de la duracin que quiera ser determinada ya que la precisin en la estimacin disminuye
a medida que se consideran eventos ms cortos de precipitacin. Si se quiere determinar
la intensidad de un evento de duracin menor a una hora se plantea la segunda parte de
la ecuacin la cual solo depende de la intensidad para un evento de precipitacin de una
hora (Pulgarn Dvila, 2009).
Aunque los parmetros numricos de la Ecuacin 3-6 fueron adaptados a las condiciones
climticas generales de Colombia, el desarrollo del proyecto exigi el planteamiento de un
mtodo que permitiera realizar la conversin a intensidades de eventos cortos de
CIACUA
19

precipitacin para su aplicacin especfica a la zona de estudio. Para cumplir con este
objetivo se plante la Ecuacin 3-7 denominada en adelante como CIACUA.
Ecuacin 3-7. CIACUA.
La anterior ecuacin no es ms que la relacin entre la intensidad de un evento de

precipitacin de 24 horas (denotado como ) y la intensidad de un evento de menor
duracin considerando tres parmetros anlogos a los planteados en la Ecuacin 3-1,
Ecuacin 3-2 y Ecuacin 3-3. Estos parmetros fueron calibrados con las ecuaciones de
las Curvas IDF utilizadas actualmente en la ciudad de Bogot, especficamente en la zona
de estudio (mostradas en el Anexo 0). Aunque esta ecuacin no considera de forma
explcita el periodo de retorno de la Curva IDF a determinar, los parmetros fueron
deducidos a partir de las Curvas IDF actuales de 10 aos pues es el requerimiento dadas
las caractersticas de las redes de estudio.
En la Tabla 3-1 se presentan los parmetros , y para los ocho sectores de la red de
Chic Norte y en la Tabla 3-2 los parmetros de los 5 sectores de la red Chic Sur. Para
el caso de la red de Mini Chic Sur se consideran los parmetros del sector 4 y 5 de la red
Chic Sur.
Tabla 3-1. Parmetros ecuacin CIACUA. Red Chic Norte.
Sector
1.024
1.022
1.024
1.023
1.021
1.018
1.020
1.020
1.097
1.078
1.091
1.078
1.057
1.016
1.048
1.055
0.021
0.021
0.022
0.021
0.020
0.018
0.019
0.019
Tabla 3-2. Parmetros ecuacin CIACUA. Red Chic Sur.
Sector
1.018
1.019
1.017
1.017
1.016
1.028
1.038
1.005
1.012
1.009
0.017
0.018
0.016
0.016
0.016
Como ya fue mencionado, el uso de estas dos ecuaciones en paralelo se adopt por la
incertidumbre que existe en la aplicacin de cualquier mtodo de estimacin de
precipitacin en duraciones cortas. Esta incertidumbre se evidencia en la Grfica 3-3
donde se presenta una Curva IDF obtenida a partir del mismo valor de precipitacin diaria
con la ecuacin CIACUA y la ecuacin planteada por Pulgarn. Es claro que para
duraciones cortas los resultados de las dos ecuaciones varan significativamente por lo
que los eventos de precipitacin tambin seran diferentes. Por esta razn se decidi
trabajar con ambas ecuaciones y obtener ms resultados que puedan ser comparados.
CIACUA
20

Grfica 3-3. Comparacin Curvas IDF ecuacin CIACUA y PULGARN.
3.1.3
Hietogramas de Precipitacin
Las Curvas IDF brindan informacin acerca de la precipitacin mxima esperada para una
duracin y un periodo de retorno dado; sin embargo, para estudios ms detallados no es
suficiente con conocer este valor mximo, es necesario conocer la evolucin de dicha
intensidad en toda la duracin del evento de precipitacin. Conociendo este evento de
precipitacin es posible simular el comportamiento hidrulico del sistema estudiado, en
este caso correspondiente a la Red de Chic Norte, Chic Sur y Mini Chic Sur descritos
en el Captulo 2.
Un hietograma de precipitacin es una de las representaciones posibles para la
distribucin temporal de la intensidad a lo largo de la duracin de un evento de
precipitacin. Tambin puede ser representado por la lmina de precipitacin; sin
embargo es ms comn encontrarlo en trminos de la intensidad del evento. La principal
utilidad del hietograma de precipitacin es la distribucin de las diferentes intensidades
considerando parmetros como el tiempo de duracin del evento de precipitacin o la
ubicacin del pico del evento.
Dado que los hietogramas de precipitacin son eventos creados a partir de las Curvas IDF
existentes, corresponden a eventos de precipitacin artificiales que resumen las
tormentas de mayor intensidad en una determinada zona tomando como referencia un
periodo de retorno. Estos hietogramas pueden ser planteados a partir de las Curvas IDF o
a partir del anlisis estadstico de datos de precipitacin histricos (Iglesias Rey &
Martnez Solano, 2013).
La Figura 3-2 es una representacin genrica de un hietograma de precipitacin con un
solo pico de precipitacin ubicado al comienzo del evento; sin embargo, estos eventos de
CIACUA
21

precipitacin pueden ser creados tambin con varios picos en el evento de precipitacin
dependiendo del comportamiento de la precipitacin en la zona estudiada como se puede
observar en la Figura 3-3. En general, los hietogramas de precipitacin son
representaciones sintticas de las condiciones de precipitacin de una zona determinada
y su principal utilidad est relacionada con la evaluacin de estructuras hidrulicas
existentes o el diseo de nueva infraestructura.
Figura 3-2. Hietograma de Precipitacin con un

pico durante el evento.
Figura 3-3. Hietograma de Precipitacin con dos

picos durante el evento.
La obtencin de estos hietogramas de precipitacin a partir de Curvas IDF se logra a

travs de diferentes mtodos como el mtodo de los bloques alternos, el mtodo de la
intensidad instantnea o diferentes distribuciones especficas como la planteada por el
Soil Conservation Service SCS- (entidad gubernamental norteamericana especializada
en consultora ambiental y en preservacin de suelos) entre otras que han sido
planteadas para zonas geogrficas especficas. Para la presente investigacin se
manejaron inicialmente los dos primeros mtodos descritos; sin embargo, el mtodo de
bloques alternos ubica el pico del evento de precipitacin en la mitad de ste restndole
precisin con respecto a los eventos de precipitacin reales de la ciudad de Bogot. Por
esta razn, la obtencin de los hietogramas de precipitacin se realiz con el mtodo de
la intensidad instantnea descrito a continuacin.
3.1.4
Mtodo de Intensidad Instantnea
Una vez se tiene una Curva IDF completa, para duraciones prolongadas y duraciones
cortas, es necesario conocer el hietograma de precipitacin correspondiente a una
duracin dada. Existen diversos mtodos hidrometeorolgicos basados en modelos
determinsticos para simular el proceso lluvia-escorrenta. A partir de datos pluviomtricos
es posible encontrar la tormenta de diseo de la regin para determinar los caudales de
entrada al sistema.
El mtodo de la intensidad instantnea permite generar los hietogramas de precipitacin
de diseo a partir de las Curvas IDF. En este mtodo, se supone que la lmina de
precipitacin es igual al valor dado por la Curva IDF para un perodo de duracin
alrededor del pico de la tormenta. Sin embargo, se considera que la intensidad vara de
manera continua durante la tormenta (Cruz, 1999).
CIACUA
22

El tiempo total del evento de precipitacin, , se denomina como la suma del tiempo
antes del pico y del tiempo despus del pico segn el hietograma para una intensidad
dada segn la Ecuacin 3-8 donde
es el tiempo antes del pico y
el tiempo despus
del pico.
Ecuacin 3-8. Tiempo total del evento de
precipitacin.
Se define un coeficiente de retardo del evento de precipitacin

tiempo antes del pico ( ) y la duracin total, as:
como la relacin entre el
Ecuacin 3-9. Coeficiente de Retardo.
A partir de las ecuaciones anteriores, es posible tambin encontrar una expresin para el
tiempo despus del pico y el coeficiente de retardo de acuerdo a la Ecuacin 3-10.
Ecuacin 3-10. Tiempo del Evento.
El proceso para ajustar un hietograma de precipitacin a partir de las Curvas IDF se

presenta en la Figura 3-4. All, es clara la definicin de los tiempos antes y despus del
pico, y respectivamente, y la duracin total .
Figura 3-4. Ajuste de un hietograma mediante curvas (Chow, Maidment, & Mays, 1994).
Se supone que existen dos curvas de intensidad, la primera funcin del tiempo antes del
pico (
) y la segunda funcin del tiempo despus del pico (
), que se ajustan a las
intensidades de precipitacin del hietograma. La precipitacin total durante un tiempo
est representada por el rea bajo esas dos curvas a travs de la Ecuacin 3-11:
CIACUA
23

Ecuacin 3-11. Precipitacin Total.
Si la intensidad promedio para la duracin

ser expresada con la Ecuacin 3-12.
es
, la precipitacin total tambin puede
Ecuacin 3-12. Precipitacin Total en trminos de

intensidad.
Diferenciando esta ecuacin con respecto a la duracin total, se obtiene la Ecuacin

3-13.
Ecuacin 3-13. Diferenciacin de la precipitacin
total.
El hietograma sinttico que surge de la aplicacin de este mtodo corresponde a una

Curva IDF creada en la forma de la Ecuacin 3-1 la cual al ser diferenciada e insertada en
la Ecuacin 3-13 se obtiene la ecuacin para la intensidad que puede representar las
curvas que describen el hietograma de acuerdo con la Ecuacin 3-14.
(
Ecuacin 3-14. Intensidad en hietograma.
Entonces, al reemplazar en esta ecuacin el

calculado a partir de
y , se pueden
encontrar las ecuaciones de las dos curvas que representan el hietograma,
y
. Conociendo estas ecuaciones, es posible determinar el evento de precipitacin
a partir de la Curva IDF, de la duracin del evento y de su coeficiente de retardo.
Este mtodo de la Intensidad Instantnea se utiliz como un componente vital de la
metodologa descrita posteriormente para la obtencin de los eventos de precipitacin
considerando CC.
3.1.5
Modelos Climticos Globales
Los Modelos Climticos Globales (MCGs) constituyen la herramienta ms confiable

disponible en la actualidad para la generacin de informacin acerca de las perspectivas
climticas futuras en respuesta a acciones antrpicas como el cambio en el uso del suelo
o el incremento en la concentracin de gases de efecto invernadero. Estn bsicamente
conformados por un sistema de ecuaciones que representan numricamente los procesos
fsicos (y en menor medida qumicos y biolgicos) que se producen en la atmsfera,
ocanos, crisfera y la superficie terrestre y en forma muy simplificada de la biosfera.
Los MCGs simulan el clima considerando un retculo tridimensional sobre la Tierra con
una resolucin horizontal en general de entre 60 y 200 km, y hasta de 60 niveles
verticales en la atmsfera y similarmente en el ocano. La comunidad cientfica que
CIACUA
24

desarrolla estos modelos y realiza los experimentos que alimentan los informes del Panel
Intergubernamental en Cambio Climtico (IPCC) ha elaborado pautas comunes y mtodos
de distribucin pblica de sus experimentos. La nueva generacin de simulaciones
provistas por MCGs, conocida como fase 5 del CMIP o CMIP5 (Stouffer, et al., 2011 &
Taylor, et al., 2012), se encuentra disponible a travs del Programa para el Diagnstico e
Intercomparacin de Modelos (por sus siglas en ingls PCMDI, disponible en: http://cmippcmdi.llnl.gov/cmip5/) y fue utilizada en la elaboracin del Quinto Informe de Evaluacin
(AR5) del IPCC.
Una de las mayores limitaciones de los MCG es que no siempre hacen una
representacin adecuada del clima a nivel regional. En particular, si bien los modelos son
capaces de reproducir los elementos climticos fundamentales que describen
cualitativamente el campo de precipitacin en el clima regional de Amrica del Sur, en
algunos casos sus errores en la cuantificacin de la precipitacin pueden ser importantes
(Vera, et al., 2006; Gulizia, et al., 2012; Gulizia & Camilloni, 2014). Entre las causas de
estos errores se encuentra que muchos procesos fsicos como los propios de las nubes,
ocurren en escalas espaciales menores a las resueltas por los MCGs y por lo tanto no
pueden ser representados en estos en forma adecuada. Otros procesos que presentan
dificultades para ser representados son los vinculados con los mecanismos de flujos del
vapor de agua y calor ente la superficie y la atmsfera, as como la interaccin entre las
nubes y los aerosoles. Por esta razn, los distintos MCGs pueden proveer respuestas
diferentes a un mismo forzamiento climtico debido a las distintas formas en que
modelan estos procesos. A esos errores se los denomina de aqu en adelante
sistemticos, por cuanto se supone que se extenderan de igual modo a las simulaciones
del clima futuro.
En consecuencia, es necesario elaborar correcciones para modificar los resultados de los
MCGs de modo que se aproximen lo ms posible al clima observado. Esto implica el
clculo de factores de correccin basados en los errores sistemticos, que luego se
aplicarn a los escenarios climticos futuros proyectados por los MCGs, tanto en sus
valores medios como en los datos diarios necesarios para el presente estudio.
Hay distintas tcnicas de correccin de los modelos que van desde la ms simple
mediante el ajuste a los valores medios del clima observado, a otras ms sofisticadas en
las que las variables a corregir lo son de tal modo que presenten, luego de la correccin,
las mismas distribuciones estadsticas que en el clima observado. Este ltimo es el
esquema que se utiliz en la Fase I del proyecto y es mucho ms poderoso que el de la
simple correccin de los valores medios ya que asegura no solo que los valores medios
se ajusten a los observados, sino tambin su distribucin estadstica, con lo cual parte de
la variabilidad queda bien representada. Este esquema es robusto en trminos
estadsticos y fue previamente usado en diferentes trabajos (Wood, et al., 2004; Wood, et
al., 2002; Saurral, et al., 2013) en los que se mostr la utilidad del mismo para mejorar las
CIACUA
25

simulaciones provistas por modelos climticos antes de emplearlas como entradas a

modelos hidrolgicos.
El ajuste o calibracin se realiza sobre un perodo con simulaciones climticas y datos
confiables observados, donde obviamente los valores de los modelos corregidos sern
muy similares a los observados. Luego, este ajuste se verifica en un segundo perodo
independiente de modo que si se observa una adecuada validacin en este segundo
periodo se puede tener una mayor confianza en las proyecciones futuras. Los datos
observados considerados son los correspondientes a precipitacin mensual en puntos de
retcula con una resolucin de 0.5 latitud x 0.5 longitud correspondientes a la base de
datos conocida como CRU TS3.1, producida en el Climate Research Unit (CRU) del Reino
Unido (Harris, Jones, Osborn , & Lister, 2014). Por otra parte, los datos provistos por los
MCGs analizados fueron llevados a la misma resolucin a travs del mtodo "TriangleBased Linear Interpolation" (Watson y Philip, 1984).
En este estudio, de acuerdo con la disponibilidad de las simulaciones del clima pasado
por parte de los cinco MCGs analizados (Tabla 3-3), se tom el intervalo (1961-75) para el
cmputo de factores de correccin (calibracin) y (1976-90) para la validacin de las
correcciones realizadas. El mtodo consiste en computar la distribucin de percentiles de
las series de precipitacin acumulada mensual tanto en los datos de la base
correspondientes a las observaciones como en los provistos por los modelos para el
perodo de calibracin. El vector de correccin se obtuvo a partir de multiplicar cada valor
mensual de precipitacin de los MCGs por el cociente entre el valor del percentil pp de
precipitacin en las observaciones sobre el valor del percentil pp en el modelo climtico. El
esquema de correccin se aplic a los campos de cada uno de los doce meses de
precipitacin para cada uno de los MCGs analizados lo que permiti obtener luego series
de precipitacin diaria simulada por modelos climticos sin errores sistemticos.
Tabla 3-3. Modelos climticos globales correspondientes al proyecto de intercomparacin CMIP5
analizados. Se indica la institucin y pas de origen.
Modelo
BCC-CSM1.1, 2011
BCC-CSM1.M, 2011
CSIRO-Mk3.6.0 (2009)
MIROC5 (2010)
MRI-CGCM3 (2011)
CIACUA
Institucin
Beijing Climate Center, China
Meteorological Administration,
CHINA
Beijing Climate Center, China
Meteorological Administration,
CHINA
CSIRO, AUSTRALIA
Meteorological University of Tokyo,
JAPON
Meteorological Research Institute,
JAPON
26

3.2 Metodologas de Determinacin de Hietogramas de Precipitacin

Una vez se conocen los conceptos tericos ms importantes relacionados con el estudio
de la precipitacin y el efecto que el CC tiene en este proceso, el rea de CC del presente
proyecto de investigacin tiene como finalidad la determinacin de una metodologa que
permite encontrar eventos de precipitacin asociados con el fenmeno del CC en
ciudades colombianas. Es importante mencionar que la metodologa planteada, as como
sus resultados en el caso de estudio seleccionado para la Fase I del proyecto se
presentan como los principales productos asociados con esta rea de investigacin.
Como ya ha sido mencionado anteriormente, el estudio del CC tiene implcito un
componente de incertidumbre considerable dado que no se conocen con certeza sus
efectos en el Sistema Climtico. Por esta razn, la metodologa general est dividida en
cuatro aproximaciones a la determinacin de los efectos del CC diferentes para permitir la
comparacin de resultados entre stas y as obtener resultados que cubren un rango ms
amplio de probabilidades de ocurrencia. Las cuatro aproximaciones aplicadas en este
proyecto de investigacin han sido aplicadas previamente en otras partes del mundo y
algunas incluso en Colombia.
La metodologa general (la cual incluye las cuatro aproximaciones mencionadas) apunta a
la obtencin de Curvas IDF modificadas con el fenmeno del CC. A partir de estas curvas
se puede determinar el hietograma de precipitacin, el cual es el resultado final de la
metodologa. Un diagrama del funcionamiento general de la metodologa se presenta en
la Figura 3-5.
Figura 3-5. Metodologa General para determinacin de eventos de precipitacin.
La metodologa anterior contempla tres posibles datos de entrada los cuales no son
utilizados en todas las aproximaciones. El primero corresponde a los registros de
precipitacin histrica de la zona de estudio. Estos registros, los cuales deben ser al
menos diarios, permiten determinar la dinmica en periodos cortos de tiempos los cuales
pueden ser replicados en el futuro considerando escenarios de CC. Igualmente, la
evolucin en el comportamiento probabilstico de estos registros permite determinar el
efecto del calentamiento global en el fenmeno de la precipitacin. Los datos precipitacin
histrica son utilizados directamente en dos de las aproximaciones realizadas.
CIACUA
27

La segunda fuente de informacin para la determinacin de los eventos de precipitacin

son las Curvas IDF utilizadas actualmente en la zona de estudio. Estas curvas son
sumamente importantes porque permiten determinar eventos de precipitacin sin efectos
de CC y sirven como base de las comparaciones realizadas. Considerando que uno de
los mtodos planteados para determinar intensidades de precipitacin (paso clave para la
obtencin de Curvas IDF completas a partir de un valor proyecto de precipitacin diaria)
hace uso de las Curvas IDF actuales, este dato de entrada es vital para la determinacin
de los eventos de precipitacin en las cuatro aproximaciones planteadas.
Por otro lado, la tercera fuente de informacin meteorolgica corresponde a los resultados
de los MCGs expuestos tericamente en la seccin anterior. Estos modelos representan
las predicciones ms fuertemente argumentadas desde el punto de vista cientfico de lo
que podra pasar en el planeta Tierra bajo diferentes escenarios de CC. As, las series de
precipitacin obtenidas a travs de los MCGs son la materia prima principal para las
ltimas dos aproximaciones consideradas pues dan luces de cmo se comportar la
precipitacin en los prximos aos.
Teniendo claras las fuentes de informacin a la metodologa planteada, el siguiente paso
es la ejecucin de cualquiera de las cuatro aproximaciones establecidas, las cuales sern
expuestas en detalle posteriormente. Las cuatro aproximaciones se titulan: 1) Eventos de
precipitacin con un perodo de retorno mayor, 2) Proyeccin de intensidad de
precipitacin, 3) Curvas IDF a partir de MCG y 4) Delta Change. La ejecucin de estas
cuatro aproximaciones permite la obtencin de Curvas IDF afectadas por Cambio
Climtico.
El ltimo paso de la metodologa consiste en convertir estas Curvas IDF obtenidas de las
cuatro aproximaciones a hietogramas de precipitacin y as cumplir con el objetivo
planteado. Esta conversin se realiz a travs del mtodo de la intensidad instantnea
expuesto en la Seccin 3.1.4. Los dos parmetros necesarios para la aplicacin de este
mtodo son el coeficiente de retardo y la duracin del evento estimado; la determinacin
de estos parmetros se describe posteriormente. En las siguientes secciones se
presentan los fundamentos tericos de las cuatro aproximaciones propuestas.
3.2.1
Eventos de Precipitacin con un Periodo de Retorno Mayor
Es claro que cualquier estructura que durante su vida til est expuesta a eventos de
precipitacin o en general a cualquier proceso caracterstico del ciclo hidrolgico debe
estar diseado para cumplir con sus funciones dada la ocurrencia de un evento
considerado extremo. Este diseo en forma tradicional se ha realizado bajo el concepto
del periodo de retorno. As, este periodo de retorno se determina como funcin de la
importancia de la estructura a disear y de los posibles daos acarreados por la
ocurrencia de un evento ms extremo al considerado para el diseo.
El periodo de retorno denota la probabilidad que un evento determinado sea superado al
menos una vez en ese periodo de tiempo. As, un evento de precipitacin con un periodo
CIACUA
28

de retorno de 10 aos se espera se presente al menos una vez en los 10 aos. Sin
embargo, este concepto se desdibuja bajo escenarios de CC pues las probabilidades de
ocurrencia de ciertos eventos cambian constantemente en el tiempo (Mailhot & Duchesne,
2010).
En este sentido, un evento que inicialmente corresponda a un periodo de retorno de 100
aos, dentro de 50 aos corresponder a un periodo de retorno menor pues los estudios
presentados en el primer producto de la presenta investigacin apuntan a un aumento en
la intensidad de las precipitaciones en el pas (CIACUA, 2013). As, Mailhot y Duchesne
proponen modificar el criterio de diseo de las estructuras hidrulicas a futuro para tener
en cuenta los diferentes efectos que el CC tiene en las precipitaciones.
Esta aproximacin busca garantizar que durante toda la vida til de la estructura sta
tenga capacidad de responder en forma aceptable a los diferentes eventos de
precipitacin. Sin embargo, la no estacionariedad del ciclo hidrolgico se puede presentar
en varias formas: 1) un cambio en la distribucin del valor medio, 2) un cambio en la
variabilidad sin afectar los valores medios y 3) cambios tanto en el valor medio como en la
variabilidad (Mailhot & Duchesne, 2010). Para el estudio de los efectos del CC en el ciclo
hidrolgico, la mayora de las aproximaciones apuntan a utilizar el primer enfoque donde
se modifican los valores medio pero la variabilidad se mantiene constante pues esta
hiptesis es sin duda la ms sencilla de abordar.
La evolucin no estacionaria del valor medio de cualquier variable hidrolgica (entendida
como precipitacin para la presente investigacin) se introduce como un parmetro en la
funcin de distribucin de probabilidad que se traduce finalmente en la disminucin del
periodo de retorno para un mismo evento extremo a medida que se analiza la estructura
en el futuro. La aproximacin propuesta se ilustra en la Grfica 3-4 donde las diferentes
series denotan parmetros diferentes de decaimiento en el periodo de retorno. Por
ejemplo, si se considera el parmetro que modifica la funcin de probabilidad y presenta
las diferentes lneas punteadas es posible observar como una estructura que en el
momento de su diseo responde a un periodo de retorno de 50 aos, transcurridos 100
aos responde a un evento que en el futuro tiene un periodo de retorno de 30 aos.
CIACUA
29

Grfica 3-4. Periodo de retorno como funcin del tiempo considerando un parmetro que modifica en
el tiempo la Funcin de Probabilidad (Mailhot & Duchesne, 2010).
Este es el enfoque abordado por Mailhot y Duchesne en su investigacin donde plantean

que la tasa de decrecimiento del periodo de diseo con respecto a su valor inicial tiene
una tendencia lineal que puede determinarse para tener en cuenta los efectos del CC.
Igualmente, esta tasa de decaimiento no afecta en la misma forma diferentes estructuras
con periodos de retorno distintos; una estructura con un periodo de retorno inicial de 100
aos se ve afectada en forma ms importante que una estructura con periodo de retorno
inicial de 20 aos; lo anterior porque esta variacin est ligada la funcin de distribucin
de probabilidad de los eventos considerados.
Los autores proponen igualmente una aproximacin al diseo de una estructura hidrulica
considerando un contexto de CC a travs de la disminucin del periodo de retorno de
diseo de una estructura hidrulica. Esta disminucin lineal est representada por la
Ecuacin 3-15.
[
Ecuacin 3-15. Disminucin del periodo de

retorno.
donde,
To = periodo de Retorno de Diseo en la actualidad.
Tc = periodo de Retorno de la Estructura deseado.
td = vida til de la estructura (Periodo de Diseo).
= fraccin del periodo de diseo al final de 100 aos.
= fraccin del periodo crtico con respecto a la vida til.
CIACUA
30

En la ecuacin anterior los tres parmetros correspondientes al tiempo son definidos con
respecto a la estructura que se desea disear. Por su parte, el parmetro describe la
tasa de decaimiento del periodo de retorno como la fraccin remanente despus de 100
aos (es la medida directa del efecto del CC) y el parmetro evala el periodo de
retorno aplicable en el momento del diseo en una fraccin de la vida til del proyecto.
As, si el factor toma el valor de 0.5 se est evaluando el periodo de retorno cuando la
estructura lleva la mitad de su vida til.
Es importante aclarar que aunque esta investigacin se realiz en Canad, la ecuacin
resultante no tiene restricciones de aplicacin geogrficas pues el concepto de
decaimiento no tiene consideraciones de esta clase. Las diferentes condiciones asociadas
con el sitio donde se aplica la ecuacin podran ser tenidas en cuenta con las constantes
y .
Teniendo lo anterior en cuenta, al aplicar la ecuacin planteada por Mailhot y Duchesne
para determinar el periodo de retorno considerando el CC se requiere de la determinacin
de los parmetros y de la Ecuacin 3-15 utilizando un anlisis de sensibilidad que
permita estudiar el impacto de estos dos parmetros en el periodo de diseo resultante.
Una vez se obtienen los valores de periodo de retorno definitivos considerando el CC se
utilizarn las Curvas IDF para determinar eventos de lluvia de diseo con los nuevos
periodos de retorno.
Este anlisis de sensibilidad se realiz cambiando los valores de los parmetros y
entre sus posibles valores. Para el caso de se modific entre [0.1, 0.9] y el valor de
entre [0,1]. Igualmente, este anlisis de sensibilidad considera una estructura con un
periodo de retorno deseado al final de su vida til de 10 aos, con una vida til de 30
aos; valores correspondientes a las redes de drenaje urbano pluvial de la zona de
estudio en la ciudad de Bogot. La Tabla 3-4 presenta los resultados numricos del
anlisis de sensibilidad y la Grfica 3-5 representa los datos de la tabla pero en una
visualizacin distinta.
Tabla 3-4. Periodo de Retorno en la Actualidad. Aproximacin 1.
Periodo de Retorno en la Actualidad (aos)

0
13.70
13.16
12.66
12.20
11.76
11.36
10.99
10.64
10.31
0.05
13.45
12.95
12.49
12.06
11.66
11.29
10.93
10.60
10.29
0.1
13.21
12.76
12.33
11.93
11.56
11.21
10.88
10.57
10.28
0.15
12.98
12.56
12.17
11.81
11.46
11.14
10.83
10.54
10.26
0.2
12.76
12.38
12.02
11.68
11.36
11.06
10.78
10.50
10.25
0.25
12.54
12.20
11.87
11.56
11.27
10.99
10.72
10.47
10.23
0.3
12.33
12.02
11.72
11.44
11.17
10.92
10.67
10.44
10.21
0.35
12.13
11.85
11.58
11.33
11.08
10.85
10.62
10.41
10.20
0.4
11.93
11.68
11.44
11.21
10.99
10.78
10.57
10.37
10.18
CIACUA
31

Periodo de Retorno en la Actualidad (aos)

0.45
11.74
11.52
11.31
11.10
10.90
10.71
10.52
10.34
10.17
0.5
11.56
11.36
11.17
10.99
10.81
10.64
10.47
10.31
10.15
0.55
11.38
11.21
11.04
10.88
10.72
10.57
10.42
10.28
10.14
0.6
11.21
11.06
10.92
10.78
10.64
10.50
10.37
10.25
10.12
0.65
11.04
10.92
10.79
10.67
10.55
10.44
10.33
10.21
10.11
0.7
10.88
10.78
10.67
10.57
10.47
10.37
10.28
10.18
10.09
0.75
10.72
10.64
10.55
10.47
10.39
10.31
10.23
10.15
10.08
0.8
10.57
10.50
10.44
10.37
10.31
10.25
10.18
10.12
10.06
0.85
10.42
10.37
10.33
10.28
10.23
10.18
10.14
10.09
10.05
0.9
10.28
10.25
10.21
10.18
10.15
10.12
10.09
10.06
10.03
0.95
10.14
10.12
10.11
10.09
10.08
10.06
10.05
10.03
10.02
10.00
10.00
10.00
10.00
10.00
10.00
10.00
10.00
10.00
Grfica 3-5. Disminucin del periodo de retorno. Aproximacin 1.
Dos conclusiones importantes se pueden deducir a partir de la informacin anterior. En

primer lugar, el parmetro
se presenta como el parmetro que permite observar la
evolucin del periodo de retorno a lo largo de la vida til de la estructura considerada pues
en todos los casos para un valor de
que corresponde a los 30 aos de la vida til, el
periodo de retorno es de 10 aos. Dado que el objetivo de la aplicacin de esta
aproximacin es encontrar el periodo de retorno con el cual se debera evaluar una
estructura actualmente, el valor que se tiene en cuenta para la presente investigacin es
que corresponde al valor del periodo de retorno en la actualidad.
CIACUA
32

Por otro lado, el parmetro como se mencion anteriormente, es la medida directa del
CC. En la Grfica 3-5 se puede observar el efecto que este parmetro tiene en el
decaimiento del periodo de retorno. El valor de 0.9 (lmite superior del anlisis de
sensibilidad) representa una disminucin apenas visible en 30 aos de vida til que
tendra la red de drenaje urbano analizada. Por el contrario, si se toma el valor de 0.1 se
puede apreciar una disminucin apreciable que corresponde a aproximadamente 3.70
aos ms de periodo de retorno al considerar el presente. As, para la elaboracin de las
nuevas Curvas IDF considerando CC a travs de esta aproximacin consideran un
periodo de retorno de diseo de 13.70 aos y no de 10 aos como debera ser
originalmente.
Ahora, conociendo el periodo de retorno considerando el CC las Curvas IDF actuales
pueden ser utilizadas para determinar la Curva IDF correspondiente a 13.70 aos de
retorno, para todos los sectores de las redes de estudio seleccionadas. Esta
determinacin se realiza como una ponderacin simple de los parmetros de las Curvas
IDF de 10 aos de periodo de retorno y las de 25 aos a travs de la Ecuacin 3-16.
(
Ecuacin 3-16. Ponderacin de Curvas IDF.
De esta forma se obtienen las Curvas IDF modificadas con CC bajo la primera
aproximacin. Aunque en principio esta aproximacin podra parecer simplista, se
presenta como una primera opcin que se comparar con los resultados de las dems
aproximaciones para evaluar diferentes escenarios de CC. Adems, dada su simplicidad
de aplicacin podra ser fcilmente aplicable a otro caso de estudio donde no se tenga
suficiente informacin de la precipitacin histrica siguiendo la metodologa general
presentada como producto de sta investigacin.
En la seccin correspondiente a los resultados (ver Pgina 49) se presentan las Curvas
IDF resultantes y los hietogramas de precipitacin obtenidos.
3.2.2
Proyeccin de Intensidad Diaria
A raz de la importancia del tema de CC en el desarrollo de los prximos aos, todos los
pases se han preocupado por determinar los efectos que este fenmeno tendr en
variables climatolgicas como la precipitacin y la temperatura. Colombia no ha sido ajena
a esta necesidad y a travs de la Subdireccin de Meteorologa del Instituto de Hidrologa,
Meteorologa y Estudios Ambientes (IDEAM) ha desarrollado estudios en Colombia para
determinar algunos indicadores de CC (Benavides, 2011).
Una de las investigaciones ms completas acerca de las consecuencias del CC en
Colombia fue realizada por el IDEAM y fue descrita en detalle en el primer producto de la
presente investigacin (CIACUA, 2013). Dentro de los indicadores de CC utilizados en
dicho estudio se encontraba el indicador RX1Day, el cual muestra la mxima precipitacin
CIACUA
33

diaria anual en un periodo histrico. La evolucin de este indicador a travs de los aos
puede dar luces acerca del efecto que el CC ha tenido en cierta zona de estudio. Los
resultados de este estudio incluyen la caracterizacin cualitativa del impacto del CC en las
principales ciudades de Colombia; sin embargo, no se incluan resultados numricos que
permitieran hacer una prediccin a futuro.
Considerando lo anterior, la segunda aproximacin utiliza el concepto de la evolucin en
el tiempo de la intensidad diaria medida como la precipitacin diaria. La diferencia
principal entre el estudio base para esta aproximacin y la aproximacin en s es la
determinacin del indicador RX1Day el cual no se realiza directamente sino que est
sujeto a un anlisis de frecuencia que est asociado con diferentes periodos de retorno.
Sin importar que indicador se utilice, el propsito inicial de esta aproximacin es
corroborar el efecto cualitativo del CC en el rgimen de precipitacin en la zona de
estudio. Este procedimiento, en el caso del estudio del IDEAM se realiz para la estacin
meteorolgica del Aeropuerto El Dorado obteniendo los resultados de la Grfica 3-6.
Grfica 3-6. Indicador RX1Day. Aeropuerto El Dorado (Benavides, 2011).
Como es posible observar en la grfica anterior, el da que ms llueve al ao tiene una

tendencia al aumento con el paso del tiempo en este sector. Esto es una evidencia del
aumento cualitativo en las precipitaciones. Para esta investigacin se realiz un
procedimiento similar pero a partir de un anlisis de frecuencia utilizando la Funcin
Generalizada de Valor Extremo (conocida como GEV por sus siglas en ingls).
La utilizacin de esta distribucin de probabilidad, por encima de la distribucin Gumbel u
otras aplicadas ms frecuentemente en Hidrologa se debe a que esta funcin permite
una mejor descripcin de la parte superior de la cola de la distribucin; por lo tanto, tiene
CIACUA
34

una mejor representacin de los eventos extremos debidos a CC. La GEV se presenta en
la Ecuacin 3-17.
{ [
Ecuacin 3-17. Funcin Acumulada Generalizada

de Valor Extremo.
En la ecuacin anterior el parmetro que determina que tan amplia es la cola de la

distribucin es el parmetro que se calcula a partir de la serie de precipitacin utilizada
como muestra. Las ecuaciones de los parmetros de esta distribucin se presentan en el
Anexo 10.2 los cuales se pueden calcular a partir de la muestra. As, se realiz un anlisis
de frecuencia a los datos histricos en frecuencia anual de la zona de estudio
(correspondiente a las estaciones meteorolgicas cercanas mostradas en la Figura 2-6)
para varios periodos de retorno incluyendo 3, 5, 10, 25, 50 y 100 aos. Tomando como
ejemplo, la aplicacin de la GEV para un periodo de retorno de 100 aos, la Grfica 3-7
presenta la evolucin de la lmina de precipitacin ao a ao correspondiente a ste
periodo de retorno.
Grfica 3-7. Evolucin de la lmina de precipitacin 1986-2012. Periodo de Retorno 100 Aos. Estacin
San Luis.
Comparando la Grfica 3-6 y la Grfica 3-7 (que representan precipitaciones extremas) es

posible apreciar que en ambas se presenta un aumento evidente en las lminas de
precipitacin diaria. En el periodo estudiado (1986 2012) se observa una tendencia
general al aumento en la precipitacin diaria en las tres estaciones cercanas a las redes
de estudio. As, una vez la hiptesis de aumento en la intensidad de los eventos de
precipitacin fue corroborada, la aproximacin tiene como objetivo la determinacin de un
valor de precipitacin diaria proyectada en el futuro para tener en cuenta los efectos que
el CC ha tenido en dicha zona de Colombia. La Grfica 3-8 presenta los resultados para la
CIACUA
35

estacin San Luis en todos los perodos de retorno junto con una lnea de tendencia
lineal.
Grfica 3-8. Proyeccin de la intensidad diaria de precipitacin. Estacin San Luis.
La serie azul de la Grfica 3-7 corresponde tambin a la serie azul en la Grfica 3-8 a la
evolucin de la lmina de precipitacin para un periodo de retorno de 100 aos. En esta
ltima grfica es posible apreciar que sin importar el periodo de retorno seleccionado, la
tendencia de la precipitacin es al aumento, el cual est ms marcado en los periodos de
retorno prolongados. Igualmente se presentan las regresiones de tipo lineal donde las
mayores pendientes tambin se encuentran en los mayores periodos de retorno.
Tabla 3-5. Ecuaciones de proyeccin de lmina de precipitacin. Estacin San Luis.
Periodo de Retorno
3
5
10
25
50
100
0.2986
0.3709
0.4878
0.6857
0.873
1.0911
-585.7
-727.83
-957.23
-1344.2
-1708.5
-2129.6
2.028
2.493
3.278
4.723
6.253
8.293
Tomando como referencia esta grfica y las ecuaciones presentadas en la Tabla 3-5 que
corresponden a las regresiones lineales, se proyect la precipitacin diaria a un horizonte
de 30 aos en el futuro (coincidiendo con la vida til de una red de drenaje urbano pluvial
en la zona de estudio) cuyos resultados se presentan en la Tabla 3-6 en forma de
intensidad horaria. Como era de esperarse, a medida que el periodo de retorno aumenta,
la lmina de precipitacin esperada para el ao 2043 aumenta.
CIACUA
36

Tabla 3-6. Intensidad (mm/hr) proyectada a partir de la precipitacin diaria.
Estacin
Intensidad (mm/hr) a partir de Precipitacin Diaria

3 Aos 5 Aos 10 Aos 25 Aos 50 Aos 100 Aos
Santa Ana
1.841
2.238
2.959
4.388
5.971
8.201
Salitre Casa de Bombas
2.028
2.493
3.279
4.724
6.253
8.293
San Luis
1.584
1.897
2.500
3.749
5.250
9.019
HISTRICOS
1.710
1.987
2.261
2.720
2.983
3.279
En la tabla anterior se presentan los valores de precipitacin diaria al ao 2043 que

responden a diferentes periodos de retorno proyectados con esta aproximacin. Se debe
tener en cuenta que de los resultados anteriores solamente se har uso de la columna
correspondiente a un periodo de retorno de 10 aos. Igualmente, en la ltima fila se
presentan las intensidades histricas las cuales en la mayora de los casos son menores
a los valores proyectados a travs de la metodologa expuesta.
La principal ventaja de esta aproximacin est representada en que solamente se
requiere de la informacin histrica de la zona de estudio; sin embargo, una desventaja de
esta estrategia es que est calculando la intensidad de un evento de precipitacin con
respecto a los datos de un da al ao; esto no sera muy adecuado teniendo en cuenta la
importante diferenciacin que existe en el clima de Colombia a lo largo de un ao tpico y
ms an si se presenta un ao con fenmeno de El Nio o de La Nia. Sin embargo,
como bien se plante anteriormente se aplicarn todas las estrategias encontradas en la
revisin bibliogrfica con el fin de realizar anlisis de sensibilidad de todas las
posibilidades y as llegar a hietogramas de entrada a los nudos de la red de drenaje
urbano ms adecuados y debidamente justificados.
3.2.3
Como se present en la Seccin 3.1.5, los MCGs son una herramienta importante para
realizar estudios de CC. Existen una gran cantidad de modelos que permiten realizar
predicciones del clima en todo el mundo correspondientes a una serie de iniciativas
intergubernamentales (especficamente a travs del trabajo del IPCC) que se han
realizado en los ltimos aos. Los resultados de estos MCGs son el punto de partida de
diversos estudios de proyecciones de CC con aplicaciones a nivel mundial, continental y
nacional como fue expuesto anteriormente.
Uno de los estudios realizados en Colombia que ha tomado como base los MCGs se
realiz en la Universidad Nacional de Colombia Sede Medelln (Acevedo, 2009). En esta
investigacin se obtuvieron Curvas IDF (para todo el territorio colombiano) a partir de los
resultados de diferentes MCGs del Cuarto Reporte del IPCC. De la serie de modelos
disponibles en este reporte, Acevedo utiliz los cinco con mayor resolucin espacial
teniendo en cuenta que entre ms especfico sea, los resultados seran aplicables a
contextos espaciales ms pequeos. Los modelos empleados en dicha investigacin
fueron: ECHAM5/MPI-OM, CCSM3, UKMO-HadGEM1 y MIROC3.2.
CIACUA
37

La metodologa seguida por Acevedo para determinar las Curvas IDF bajo la influencia del
CC es la base para la tercera aproximacin seleccionada en la presente investigacin con
algunas variaciones puntuales. La primera de stas es la utilizacin de los modelos
contenidos en el Quinto Reporte del IPCC pues stos presentan resultados actualizados,
bajo nuevos escenarios de CC. As, la presente investigacin utiliza cinco MCGs que
hacen parte de este ltimo estudio global de CC: BCC CSM1 1M, BCC CSM1 1, CSIRO
Mk3 6 0, MIRO C5 y MRI CGCM3. Al igual que en la investigacin realizada por Acevedo,
se seleccionaron aquellos modelos con mayor resolucin espacial (grillas de 0.5 x 0.5
en este caso).
Otra diferencia clara con la investigacin de Acevedo es el alcance espacial del estudio.
Mientras Acevedo desarroll la metodologa para todo el territorio colombiano, la Fase I
de este proyecto solamente incluye el clculo de las Curvas IDF para la zona de estudio
localizada en la ciudad de Bogot. Sin embargo, este estudio es fcilmente expandible al
resto del territorio colombiano pues las series de precipitacin bajo efectos de CC si
fueron obtenidas para todo Colombia.
La ltima diferencia clara con la investigacin de Acevedo es el procedimiento adicional
realizado a los resultados de los MCGs con respecto a la correccin de errores
sistemticos. Este procedimiento se considera el primer paso de la metodologa para la
tercera aproximacin pues permite, como fue expuesto anteriormente (ver pgina 24), la
correccin de errores sistemticos que es vital para poder utilizar los resultados de estos
modelos. Es importante mencionar que estos modelos, al simular las condiciones
climticas de todo el mundo, tienen mejor precisin en algunos puntos del planeta que en
otros; por lo tanto es necesario realizar un procedimiento de validacin de resultados para
determinar que modelos estn en mejor capacidad de representar las condiciones
climticas de la zona de estudio del proyecto.
La validacin de los MCGs se realiz tomando como referencia las Curvas IDF utilizadas
actualmente en la ciudad de Bogot y las series de precipitacin del periodo 1990-1999
obtenidas a partir de los MCGs mencionados anteriormente. Con estas series de
precipitacin del periodo de referencia se construyeron Curvas IDF de duracin de 24
horas para los diferentes puntos de la zona de estudio y se compararon con las curvas
reales.
El ajuste de los datos de precipitacin obtenidos se realiza con la funcin GEV utilizada en
la aproximacin anterior (ver Ecuacin 3-17) para obtener en este periodo histrico la
precipitacin diaria correspondiente a 3, 5, 10, 25, 50 y 100 aos de periodo de retorno.
Los resultados del proceso de validacin para el Sector 1 de la Red Chic Norte se
presentan en la Grfica 3-9. Por su parte, en el Anexo 10.4 es posible consultar los
resultados para los dems sectores de la red Chic Norte y los sectores correspondientes
a la red Chic Sur.
CIACUA
38

Grfica 3-9. Validacin de Modelos Climticos Globales. Sector 1 Chic Norte.
En la grfica anterior se evidencia que de los cinco MCGs utilizados inicialmente,

solamente dos logran representar adecuadamente las condiciones climticas de la zona
de estudio, los modelos MIRO C5 y CSIRO Mk3 6 0. Los otros modelos, en especial el
MRI CGCM3 y el BCC CSM1 1 aunque tienen resultados similares para los dos periodos
de retorno ms pequeos, no son adecuados para representar la precipitacin extrema en
periodos de retorno mayores. Por su parte, el modelo BCC CSM1 1M no logra representar
las condiciones de Colombia para ningn periodo de retorno. Es importante mencionar
que la variabilidad espacial de los resultados no afecta el proceso general de validacin
pues los dos modelos mencionados anteriormente siguen siendo los mejores para la zona
de estudio.
Figura 3-6. Escenarios del V Reporte del IPCC (Gulizia & Camilloni, 2014).
CIACUA
39

Una vez se validaron los MCGs que son mejores para utilizar en la ciudad de Bogot, se
determinaron los escenarios a modelar dentro de los contemplados en el V Reporte del
IPCC. Observando la Figura 3-6, en el ao 2043 aproximadamente, los escenarios con
Forzante Radiativo de 4.5 y 6.0 Wm-2 presentan resultados similares mientras que el
escenario de 8.5 Wm-2 si representa un escenario ms pesimista. El escenario de
2.6 Wm-2 no se tiene en cuenta pues no es un escenario realista con respecto al CC. As,
en la primera fase de la presente investigacin se presentan resultados para el escenario
de 4.5 y 8.5 Wm-2 conocidos como RCP 4.5 y RCP 8.5 respectivamente.
Los resultados de los MCGs se obtienen en ciertos puntos que hacen parte de una grilla
cubriendo toda la superficie del planeta. Como es de esperarse estos puntos no coinciden
con la zona de estudio por lo que se hace necesario una interpolacin de los resultados
para trasladarlos a la zona de importancia para el proyecto de investigacin. La Figura 3-7
presenta la ubicacin del caso de estudio con respecto a los vrtices de la grilla de los
modelos seleccionados.
Figura 3-7. Ubicacin de Caso de estudio con respecto a vrtices de MCGs.
Dado que cerca de la zona de estudio se encuentran dos vrtices de los MCGs fue
preciso realizar un anlisis estadstico de los resultados del periodo de control para
determinar una forma apropiada de ponderacin con el fin de minimizar las diferencias
CIACUA
40

entre los resultados de los MCGs y los resultados histricos de la zona de inters (los
cuales se obtuvieron de las tres estaciones tambin mostradas en la figura).
Se consider utilizar solamente la informacin de un vrtice, ponderar por distancias o
ponderar por el Error Cuadrtico Medio (ECM en adelante) individual. La Tabla 3-7
presenta los resultados del ECM calculado entre la serie histrica de cada estacin
pluviomtrica y los resultados de los MCGs para los puntos cercanos a la zona de estudio
en forma individual. Por su parte, la Tabla 3-8 presenta el ECM cuando se pondera por el
inverso de las distancias (de acuerdo con la Ecuacin 3-18) y cuando se pondera con
respecto al ECM de la Tabla 3-7, dndole ms importancia al vrtice con menor ECM
individual.
Tabla 3-7. Resultados ECM por vrtice.
MODELO
BCC-CSM1-1-M
BCC-CSM1-1
CSIRO-Mk3-6-0
MIROC5
MRI-CGCM3
PUNTO
3
ESTACIN
SANTA ANA SALITRE CASA DE BOMBAS SAN LUIS
37.937
48.481
24.363
30.774
35.977
19.651
29.704
22.920
20.319
28.034
21.735
19.739
16.816
14.596
13.328
16.470
14.268
12.988
16.278
15.206
12.837
14.709
13.978
12.518
26.138
28.766
20.138
23.593
25.794
19.856
Tabla 3-8. EMC ponderando por distancias y por EMC Individual.
MODELO
PONDERANDO POR DISTANCIAS

ESTACIN
SALITRE CASA DE
SANTA ANA
BOMBAS
SAN LUIS
MODELO
PONDERANDO POR ECM

ESTACIN
SALITRE CASA
SANTA ANA
DE BOMBAS
SAN LUIS
BCC-CSM1-1-M
34.572
44.131
22.388
BCC-CSM1-1-M
33.501
40.348
21.495
BCC-CSM1-1
28.901
22.474
20.029
BCC-CSM1-1
28.758
22.153
19.938
CSIRO-Mk3-6-0
16.526
14.401
13.101
CSIRO-Mk3-6-0
16.488
14.296
13.048
MIROC5
15.542
14.797
12.653
MIROC5
15.387
14.482
12.604
MRI-CGCM3
24.948
26.957
19.853
MRI-CGCM3
24.693
26.325
19.801
En primer lugar, observando los resultados anteriores es posible determinar que los
modelos seleccionados en el proceso de validacin presentan los menores valores de
CIACUA
41

ECM con respecto a los datos histricos en la zona de estudio. Aunque los valores ms
convenientes de ECM se obtienen para el punto 4 de los MCGs, tiene ms sentido
ponderar los valores de los dos puntos para darle ms robustez a los resultados.
De los dos mtodos de ponderacin, el que utiliza el ECM individual est ligado en forma
ms fuerte a la serie de precipitacin resultante, es decir, al uso de una serie histrica o
una serie proyectada a futuro. Por otro lado, la ponderacin por distancias es una medida
fsica que es independiente de la serie evaluada. As, para todos los resultados obtenidos
en los MCGs se obtuvieron los resultados trasladados a las tres estaciones pluviomtricas
cercanas a la zona de estudio utilizando la ponderacin por el inverso de las distancias de
acuerdo con la Ecuacin 3-18.
(
)
Ecuacin 3-18. Interpolacin por Distancias.
Una vez se obtiene una serie precipitacin diaria en cada uno de los centroides de las
UGAs de la zona de estudio (interpoladas tambin por el inverso de las distancias a las
estaciones pluviomtricas), estas fueron ajustadas utilizando una vez ms la distribucin
GEV con sus parmetros calculados con el mtodo de los L-momentos. El procedimiento
para obtener el cuantil (o el valor de la precipitacin para cierto periodo de retorno) se
obtiene de acuerdo con la Ecuacin 3-19.
{
Ecuacin 3-19. Cuantil de la distribucin GEV.
En la ecuacin anterior, el valor de depende del periodo de retorno del cual se quiera
obtener la lmina de precipitacin y los dems son los parmetros expuestos
anteriormente. Con estos cuantiles de la distribucin GEV se obtendrn Curvas IDF de 24
horas similares a las obtenidas por Acevedo (ver Grfica 3-10) para los dos escenarios de
CC en los dos modelos seleccionados en el proceso de validacin.
CIACUA
42

Grfica 3-10. Resultados Construccin curvas IDF bajo escenarios de Cambio Climtico (Acevedo,
2009).
El ltimo paso de esta aproximacin consiste en convertir los valores de precipitacin

diaria en Curvas IDF para diferentes duraciones a travs de las ecuaciones CIACUA y
Pulgarn expuestas en la Seccin 3.1.2. Esta tercera aproximacin se presenta como una
alternativa fiable de los efectos que el CC pueda tener en la zona de estudio porque
presenta los fundamentos cientficos ms arraigados, ha tenido una utilizacin ms amplia
en estudios previos y permite realizar anlisis de comparacin entre diferentes escenarios
y modelos para cubrir un espectro ms amplio de resultados reales en el futuro.
Una de las desventajas de esta aproximacin est relacionada con la necesidad del
proceso de correccin de errores sistemticos, procedimiento que no es necesario en la
ltima aproximacin considerada denominada Delta Change.
3.2.4
Delta Change
Una de las metodologas ms ampliamente difundidas para la generacin de escenarios

climticos futuros en estudios de evaluacin de los impactos del CC en recursos hdricos
es el mtodo denominado Delta-Change. De esta forma, los escenarios futuros se
construyen a partir del cmputo de las diferencias entre simulaciones provistas por MCGs
para un perodo de referencia correspondiente al clima presente y otro para el futuro para
la variable meteorolgica de inters. Luego, estos cambios son aadidos a series
temporales observadas de forma que la informacin resultante es tal que se mantiene la
variabilidad del perodo observado. Este mtodo es de simple aplicacin y baja
complejidad y fue particularmente utilizado por diversos autores en combinacin con
modelos hidrolgicos (e.g. Bosshard & Kotlarski, 2011; Grimson, Montroull, Saurral,
Vasquez, & Camilloni, 2013).
CIACUA
43

A modo de ejemplo, en la Figura 3-8 se presentan los escenarios de cambio de

precipitacin para Colombia para el futuro cercano (2016-2035) y a mediano plazo (20462065) y que sern considerados para la aplicacin de esta metodologa. Estos escenarios
de cambio fueron elaborados a partir de 42 MCGs de ltima generacin correspondientes
al conjunto CMIP5 y para el escenario RCP4.5.
Figura 3-8. Escenarios de cambio de precipitacin anual (%) para Colombia para el futuro cercano
(2016-2035) y a mediano plazo (2046-2065) para el escenario RCP4.5.
As pues, la cuarta aproximacin, cuya aplicacin se realizar en la Fase II de la presente

investigacin, consistir en determinar las series de precipitacin en el futuro utilizando las
series de precipitacin obtenidas a partir de la aplicacin de la metodologa Delta Change
sobre los datos histricos de la zona de estudio. Con esta proyeccin se obtendr un valor
de precipitacin diaria afectada con CC el cual puede ser convertido a una Curva IDF
utilizando el mtodo CIACUA y Pulgarn.
3.3 Parmetros de los Eventos de Precipitacin

Las cuatro aproximaciones previamente expuestas permiten la obtencin de Curvas IDF
en la zona de estudio; sin embargo, para obtener los hietogramas de precipitacin se
necesitan algunos parmetros adicionales que completan la caracterizacin del evento a
obtener. Estos parmetros estn relacionados principalmente con la cuenca aferente a la
red de drenaje urbano a la cual se estn determinando los eventos de precipitacin.
Con el fin de calcular los eventos de precipitacin esperados en el futuro, es necesario en
primer lugar establecer el horizonte de diseo (o de verificacin de la estructura en este
caso) que est asociado con el concepto del perodo de diseo. De acuerdo con el
numeral D.2.3.1 del Ttulo B del RAS, las estructuras que se encuentran dentro de zonas
de complejidad alta deben ser diseadas o verificadas para 30 aos en el futuro, por tal
razn todas las proyecciones se realizaron para el ao 2043.
CIACUA
44

Se tienen dos parmetros a calcular: la duracin del evento de precipitacin y el

coeficiente de retardo de ste con respecto al pico del evento. A continuacin se presenta
la determinacin de estos dos parmetros.
3.3.1
Duracin
Aun cuando las Curvas IDF permiten la caracterizacin de las condiciones climticas de
una zona en especfico, la duracin del evento de precipitacin depende principalmente
de las caractersticas de la cuenca aferente al sistema estudiado. En el caso de Colombia,
la duracin del evento de precipitacin se determina como el tiempo de concentracin de
la cuenca aferente segn el Ttulo D.4.4.3.4 del Reglamento Tcnico del Sector de Agua
Potable y Saneamiento Bsico RAS-. As, el tiempo de concentracin se define como el
mnimo periodo de tiempo para alcanzar el caudal mximo a la salida de la cuenca y se
conoce tambin como el tiempo que se demora el agua en llegar a la salida de la cuenca
desde el punto ms alejado (Ministerio de Vivienda, Ciudad y Territorio, 2012).
Este tiempo de concentracin es funcin del tamao y de la forma de la cuenca donde se
localiza la infraestructura analizada. Es importante mencionar que se considera como el
tiempo de duracin del evento de precipitacin pues un tiempo menor no garantizara la
llegada del pico del evento a la salida de la cuenca cuando an est lloviendo y un tiempo
mayor implicara intensidades y caudales menores (Ministerio de Vivienda, Ciudad y
Territorio, 2012). El tiempo de concentracin est definido de acuerdo con la Ecuacin
3-20.
Ecuacin 3-20. Tiempo de Concentracin.
En la ecuacin anterior,
corresponde al tiempo de entrada y
se denomina tiempo de
recorrido. El tiempo de entrada a su vez se define como el tiempo que le toma al flujo
superficial viajar desde la parte ms alejada de la sub-cuenca correspondiente al
sumidero ms alejado de la red de drenaje urbano. La determinacin de este tiempo de
entrada se realiz para las redes Chic Sur (ver Figura 2-1) y mini Chic Sur (ver Figura
2-3) ya que para la red de Chic Norte no se tiene establecido en su totalidad el modelo
hidrulico (necesario ms adelante).
Para determinar el tiempo de entrada en las sub-cuencas ms alejadas de estas dos
redes se utilizaron herramientas de Sistemas de Informacin Geogrfica (SIG) con las
cuales se puede determinar el punto ms alejado como se presenta en la Figura 3-9 para
la red de Chic Sur y la Figura 3-10 para la red Mini Chic Sur. Todo este procedimiento
est basado en el desarrollo del modelo Lluvia-Escorrenta descrito posteriormente en el
Captulo 5 (ver pgina 159).
CIACUA
45

Figura 3-9. Cauce ms largo Red Chic Sur.
Figura 3-10. Cauce ms largo Red Mini Chic Sur.
Igualmente, con esta herramienta se pueden determinar los parmetros necesarios de la

Ecuacin 3-21 extraa del RAS (Ecuacin D.4.2.6)
Ecuacin 3-21. Tiempo de Entrada.
donde
corresponde al coeficiente de impermeabilidad del suelo, es la longitud del
cauce ms largo y es la pendiente promedio a lo largo de este cauce. Los parmetros
calculados para las dos redes estudiadas se presentan en la Tabla 3-9.
Tabla 3-9. Parmetros Tiempo de Entrada.
Parmetro
Coeficiente de Impermeabilidad (C)
Longitud del Cauce (L)
Pendiente Promedio (S)
RED CHIC SUR

0.15
962.68 m
28.82%
RED MINI CHIC SUR

0.15
1150.83 m
25.31%
Aplicando los parmetros anteriores en la Ecuacin 3-21 se obtuvieron tiempo de entrada

de 17.30 minutos para la red Chic Sur y 19.76 minutos para la Red Mini Chic Sur. Por
las caractersticas de las cuencas rurales el tiempo de entrada a la red Mini Chic Sur es
mayor aun cuando esta red es ms pequea; sin embargo, el tiempo total del evento de
precipitacin depende tambin del tiempo de recorrido. Este tiempo corresponde al
perodo del tiempo que le toma al agua lluvia recorrer el sistema de drenaje urbano desde
el punto de entrada hasta el punto de descarga (Ministerio de Vivienda, Ciudad y
Territorio, 2012).
El RAS presenta algunas frmulas para el clculo de este tiempo de recorrido; sin
embargo, dado que se cuenta con un modelo hidrulico funcional este tiempo de recorrido
se puede calcular mediante la ejecucin hidrulica del modelo considerando entradas
(evento de precipitacin) solamente en el nodo ms alejado del punto de descarga. El
punto ms alejado de la descarga es el sumidero de la sub cuenca utilizada para el
clculo del tiempo de entrada como se present en la Figura 3-9 y Figura 3-10.
CIACUA
46

As, haciendo uso de los modelos hidrulicos se determin que el tiempo de recorrido en
el caso de la red Chic Sur es de 78 minutos y para la red de Mini Chic Sur es de 30.2
minutos. Dado que para la red de Chic Norte no se cuenta con un modelo hidrulico
funcional, se tomaron los resultados de la red Chic Sur provisionalmente para obtener
los tiempos de recorrido y de entrada a esta red.
El tiempo de concentracin total dado por la Ecuacin 3-20 sera entonces para la Red
Chic Norte y Chic Sur igual a 135 minutos y para el caso de la red Mini Chic Sur, los
eventos de precipitacin obtenidos deben tener una duracin de 50 minutos.
3.3.2
Coeficiente de Retardo
El segundo parmetro a determinar para completar la caracterizacin de los eventos de

precipitacin es el coeficiente de retardo, establecido en el mtodo de la intensidad
instantnea descrito previamente (ver Pgina 22). De acuerdo con la Ecuacin 3-9, el
coeficiente de retardo es la relacin entre el tiempo antes y despus del pico del evento
de precipitacin.
Para determinar este coeficiente no existe una ecuacin explcita dependiente de las
caractersticas de la cuenca o de la zona de estudio. Por esta razn su clculo se realiz
con base en registros pluviogrficos histricos de una zona cercana a la zona de estudio;
estas mediciones se presentan en el Anexo 10.5. Los registros pluviogrficos utilizados se
obtuvieron de mediciones realizadas en una estacin pluviogrfica ubicada en el Edificio
Ip de la Universidad de los Andes y corresponden a 14 eventos de precipitacin obtenidos
entre los meses de abril y octubre del ao 2013 con un pluvimetro de balancn tomando
datos en un intervalo de 5 minutos (Prez Murillo, 2013).
A cada uno de los eventos de precipitacin registrados se le calcul el coeficiente de
retardo de acuerdo con la Ecuacin 3-9 obteniendo los resultados de la Tabla 3-10. En
dicha tabla, as como en los anexos, es posible apreciar que el pico de precipitacin no se
encuentra siempre en el mismo punto, hay eventos con tendencia a ser ms intensos al
comienzo del evento mientras hay otros con la tendencia contraria.
Tabla 3-10. Coeficiente de Retardo en Registros Pluviogrficos.
EVENTO COEF. RETARDO
CIACUA
0.57
0.13
0.5
0.33
0.09
0.7
0.53
0.7
0.19
47

EVENTO COEF. RETARDO

10
0.44
11
0.83
12
0.19
13
0.29
14
0.14
Teniendo en cuenta los resultados anteriores, se tom la decisin de utilizar el valor

promedio de los coeficientes de retardo de los eventos de precipitacin registrados porque
de esta forma se estn teniendo en cuenta todos los eventos registrados; sin embargo,
como parte del trabajo futuro necesario en este proyecto de investigacin se requiere de
la cuantificacin de este parmetro en una forma ms precisa. El coeficiente de retorno
utilizado en los resultados de la primera fase de la presente investigacin es de 0.402
indicando que el pico si bien no se encuentra en la mitad del evento de precipitacin si se
encuentra cerca a este punto. La Grfica 3-11 presenta un evento genrico con el pico de
intensidad de precipitacin en el 40% del evento.
Grfica 3-11. Hietograma de precipitacin con Coeficiente de retardo de 0.402.
3.4 Resultados Curvas IDF y Hietogramas de Precipitacin

Considerando lo expuesto en la seccin anterior, se obtuvieron Curvas IDF y hietogramas
de precipitacin para las tres primeras aproximaciones. En esta seccin se presentarn
los resultados para el Sector 4 de la Red Mini Chic Sur a manera de ejemplo pero por
cada aproximacin, en los anexos es posible encontrar los resultados para el resto de los
sectores en la Red Chic Norte y la Red Chic Sur. La razn por la cual en el presente
documento se muestran los resultados de la Red Mini Chic Sur es porque en las dems
reas de la investigacin se utiliz la Red Mini Chic Sur para probar las metodologas
CIACUA
48

producto de la Fase I del proyecto. La Figura 3-11 presenta los nudos de la Red Mini
Chic Sur que estaran afectados directamente por los resultados aqu presentados.
Es importante resaltar que tanto la metodologa expuesta en la seccin anterior como los
resultados presentados en esta seccin hacen parte de los productos de la Fase I del
presente proyecto de investigacin pues apuntan a la generacin de conocimiento en los
efectos que el CC pueda tener en los eventos de precipitacin que se presentan en zonas
urbanas.
Figura 3-11. Nudos Sector 4 Red Mini Chic Sur.
3.4.1
Eventos de Precipitacin con un Periodo de Retorno Mayor
La primera aproximacin considerada estableca la formacin de Curvas IDF con el

mismo comportamiento de las Curvas IDF utilizadas en la actualidad pero con un Periodo
de Retorno mayor al requerido en el presente. La Grfica 3-12 presenta la Curva IDF para
10 aos de periodo de retorno y la Curva IDF para 13.70 aos de periodo de retorno.
Grfica 3-12. Curvas IDF con Efectos de CC. Aproximacin 1.
CIACUA
49

En la grfica anterior se puede observar que como era de esperarse, la Curva IDF de
13.70 aos tiene valores de intensidad mayores a la Curva IDF de 10 aos los cuales son
ms notables en duraciones menores a una hora (las Curvas IDF para los dems sectores
y redes se presentan en el Anexo 10.6.1.1, 10.6.2.1 y 10.6.3.1). Para duraciones mayores
a este lmite las intensidades son muy similares al punto que pasados los 120 minutos de
duracin del evento de precipitacin el valor es prcticamente el mismo y no es necesario
exponerlo en la grfica. Con esta Curva IDF (serie verde la grfica anterior) se
construyeron los hietogramas de precipitacin que son entradas al modelo lluvia
escorrenta para encontrar finalmente los hidrogramas de entrada a la red de estudio. El
hietograma resultante para la Red Mini Chic Sur se presenta en la Grfica 3-13.
Grfica 3-13. Hietograma de Precipitacin con Efectos de CC. Aproximacin 1.
Esta grfica ratifica los resultados observados en las Curvas IDF ya que el hietograma de
precipitacin es ms intenso en el caso de considerar un periodo de retorno mayor. Dado
que esta aproximacin no realiza una modificacin a la estacionalidad de las Curvas IDF
sino que simplemente utiliza un periodo de retorno mayor, el comportamiento del
hietograma de precipitacin resultante es similar al hietograma original ya que para todos
los instantes de tiempo la intensidad del evento es mayor. Los dems hietogramas
obtenidos se presentan en el Anexo 10.6.1.2, 10.6.2.2 y 10.6.3.2,
3.4.2
La segunda aproximacin permite la construccin de las Curvas IDF a partir de la

proyeccin de la intensidad diaria histrica observada en la zona de estudio desde el ao
1986 al ao 2043. La forma en que esta variable climtica se proyecta es diferente para
cada una de las estaciones meteorolgicas de las cuales se tiene informacin pues su
comportamiento histrico no ha sido el mismo. Estas tres proyecciones fueron trasladadas
posteriormente a cada uno de los centroides de los sectores de las redes de estudio para
obtener un valor de precipitacin diaria estimada.
CIACUA
50

Con esos valores proyectados se construyeron las Curvas IDF con efectos de CC
utilizando la Ecuacin 3-7 y Ecuacin 3-6. Un ejemplo de las Curvas IDF resultantes se
presenta en la Grfica 3-14, las dems se encuentran en el Anexo 10.7.1.1, 10.7.2.1 y
10.7.3.1.
Grfica 3-14. Curvas IDF con efectos de CC. Aproximacin 2.
En la grfica anterior se observa que la diferencia entre las Curvas IDF originales (serie
azul) y las Curvas modificadas con CC son mayores a las presentadas en la aproximacin
anterior. Incluso en eventos de precipitacin con duracin mayor a 60 minutos se marca
una diferencia entre la Curva IDF original y las dos curvas obtenidas al aplicar la
metodologa. Por su parte, para eventos de precipitacin menores a 40 minutos de
duracin, las curvas obtenidas con la Ecuacin 3-7 (mtodo CIACUA) y la Ecuacin 3-6
(mtodo Pulgarn) tienen un comportamiento diferente con una tendencia a obtener
intensidades mayores al utilizar el mtodo Pulgarn. A partir de estas Curvas se
construyeron los hietogramas de precipitacin como se muestra en la Grfica 3-15.
Grfica 3-15. Hietogramas de precipitacin bajo efectos de CC. Aproximacin 2.
CIACUA
51

A pesar que en las Curvas IDF de la Grfica 3-14, el valor de la intensidad para 50
minutos de duracin es mayor con el mtodo CIACUA, las intensidades para duraciones
menores, que son utilizadas para el clculo del hietograma de precipitacin, son
considerablemente mayores en el caso del mtodo de Pulgarn. Por esta razn, el pico de
precipitacin de los eventos es mayor para el mtodo Pulgarn con respecto al mtodo
CIACUA. En ambos casos se obtuvieron eventos de precipitacin ms intensos que los
eventos sintticos formados a partir de las Curvas IDF actuales.
En la Grfica 3-15 se observa adems que aunque el pico del evento de precipitacin es
mayor para el mtodo Pulgarn, las intensidades del evento del mtodo CIACUA son
mayores en el resto del evento de precipitacin. Inclusive, para algunos instantes de
tiempo la intensidad del mtodo Pulgarn es menor a la intensidad obtenida en el
escenario original. Este comportamiento se present de igual forma para los otros
sectores y las otras redes mostradas en los Anexos 10.7.1.2 (Red Chic Norte), 10.7.2.2
(Red Chic Sur) y y 10.7.3.2 (Red Mini Chic Sur).
3.4.3
Esta aproximacin, como fue expuesto en la Seccin 3.2.3, hace uso de los resultados de
los MCGs para predecir el comportamiento de la precipitacin en el futuro. De los dos
modelos seleccionados por presentar resultados favorables en la validacin en el periodo
histrico de control, a continuacin se presentan los resultados obtenidos para el modelo
CSIRO Mk3 6.0. En cuanto a los escenarios simulados, se presenta el escenario RCP 8.5
correspondiente el escenario ms drstico con respecto a aumento en las emisiones de
gases de efecto invernadero. La Grfica 3-16 presenta las Curvas IDF obtenidas a partir
de esta aproximacin bajo los mtodos CIACUA y Pulgarn.
Grfica 3-16. Curvas IDF bajo efectos de CC. Aproximacin 3.
La grfica anterior tiene la misma tendencia de la Grfica 3-14 dado que se utilizaron las
mismas ecuaciones para deducir la Curva IDF a partir de la precipitacin diaria; sin
embargo, dado que el valor en el futuro de la precipitacin diaria cambia, los valores
CIACUA
52

numricos de las curvas tambin son diferentes aunque la tendencia de la curva sea la
misma.
La Curva IDF obtenida a partir del mtodo CIACUA presenta el mismo comportamiento de
la Curva IDF original mientras que la obtenida a partir del mtodo Pulgarn arroja
intensidades mayores en eventos de precipitacin con duracin reducida. Para esta
aproximacin se encontr que para eventos con una duracin mayor a 20 minutos, los
mtodos CIACUA y Pulgarn tienen una intensidad similar, situacin que no se presenta
para eventos de menor duracin en los cuales la intensidad de la Curva IDF utilizando el
mtodo de Pulgarn es mayor. Las Curvas IDF para los dems sectores se presentan en
los Anexos 10.8.1.1, 10.8.2.2 y 10.8.3.2.
Grfica 3-17. Hietogramas de Precipitacin bajo efectos de CC. Aproximacin 3.
Al obtener los hietogramas de precipitacin a partir de las Curvas IDF mostradas

anteriormente se pueden observar resultados cualitativamente similares a los encontrados
en la aproximacin anterior. Si se analiza solamente el pico del evento de precipitacin, el
hietograma encontrado utilizando el mtodo Pulgarn arroja intensidades mayores al
mtodo CIACUA; sin embargo, en los dems instantes del evento de precipitacin el
mtodo CIACUA tiene una intensidad mayor. La diferencia con los resultados obtenidos
en la aproximacin anterior radica en que la proyeccin de la precipitacin utilizando los
resultados de los MCGs siempre tiene intensidades mayores a los eventos utilizados
actualmente para el diseo y la evaluacin de sistemas hidrulicos.
Los hietogramas obtenidos mediante los mtodos CIACUA y Pulgarn al utilizar el modelo
CSIRO Mk3 6.0, en el escenario RCP 8.5 se encuentran en el Anexo 10, Numerales
10.8.1.2, 10.8.2.2 y 10.8.3.2. A continuacin se presenta un anlisis comparativo de los
resultados obtenidos entre las diferentes aproximaciones de las cuales se tienen
resultados al final de la Fase I donde se podr analizar ms a fondo las implicaciones de
las simplificaciones hechas en cada aproximacin as como de su base cientfica.
CIACUA
53

3.4.4
Anlisis Comparativo
Ya se presentaron los resultados de cada una de las aproximaciones en forma individual:

sin embargo, es importante comparar estos resultados entre s dada la incertidumbre que
el CC supone en el Sistema Climtico. En primer lugar, la Grfica 3-18 presenta las
Curvas IDF del Sector 4 de la Red Mini Chic Sur resultantes de todas las aproximaciones
realizadas.
Grfica 3-18. Comparacin de Curvas IDF.
La serie azul representa la Curva IDF original entregada por la EAB, por su parte la serie
morada corresponde a los resultados de la primer aproximacin al utilizar solamente un
periodo de retorno mayor. Las series de tono naranja corresponden a la proyeccin de la
intensidad diaria mientras que las series de tono verde corresponden a las Curvas IDF
obtenidas a partir de los MCGs. Los resultados de la primera aproximacin, si bien tienen
un efecto de CC implcito, estos son muy leves mientras que las dos otras aproximaciones
resultan en Curvas IDF ms intensas en eventos de precipitacin de corta duracin.
As mismo, la Grfica 3-18 permite observar que los efectos ms intensos de CC se
encuentran en las Curvas IDF creadas a partir de los resultados de los MCGs para
eventos con una duracin mayor a 20 minutos. Para eventos con una duracin menor se
presentan casos en los cuales la Curva IDF de la segunda aproximacin bajo el mtodo
de Pulgarn presenta intensidades mayores a los resultados de la tercera aproximacin
con el mtodo CIACUA.
Por otra parte, la Grfica 3-19 presenta un resumen de los hietogramas de precipitacin
resultantes para un evento de 50 minutos de duracin (correspondientes al tiempo de
CIACUA
54

concentracin de la cuenca de la Red Mini Chic Sur) bajo todas las aproximaciones
ejecutadas.
Grfica 3-19. Comparacin de Hietogramas de Precipitacin.
Las convenciones de colores se respetaron para poder hacer una analoga entre los
resultados de las Curvas IDF y los hietogramas de precipitacin. Los mayores picos de
precipitacin se presentan en la aproximacin utilizando MCGs, seguidos por los
resultados de la segunda aproximacin. En el resto del evento de precipitacin el
comportamiento vara dependiendo del instante de tiempo; en el limbo ascendente del
evento de precipitacin la tendencia muestra que al utilizar el mtodo Pulgarn, la tercera
aproximacin tiene intensidades mayores mientras que en el limbo descendente del
evento pasa lo contrario. En general se encuentra que las aproximaciones de efectos de
CC apuntan todas al aumento de las intensidades de precipitacin.
Estos resultados, que denotan el producto ms importante del rea de investigacin de
CC en la Fase I de la presente investigacin, fueron entregados al rea de modelacin
computacional para desarrollar los hidrogramas de precipitacin con ayuda del modelo
lluvia escorrenta. Los resultados se entregan en el formato de la Tabla 3-11 donde se
presenta para cada instante de tiempo la intensidad (mm/hr) del evento de precipitacin.
Tabla 3-11. Resultados Numricos de Hietogramas de Precipitacin.
CIACUA
APROX. 2
APROX. 3
TIEMPO
EAB
APROX. 1
00:00
16.560
17.240
19.090
18.450
22.410
21.662
00:05
24.230
25.160
27.890
24.850
32.740
29.170
00:10
38.600
40.020
44.380
37.280
52.100
43.767
00:15
70.440
72.970
80.950
69.880
95.030
82.039
CIACUA PULGARIN CIACUA PULGARIN
55

APROX. 2
APROX. 3
TIEMPO
EAB
APROX. 1
00:20
117.750
122.140
135.450
155.400
159.000
182.447
00:25
117.750
122.140
135.450
155.400
159.000
182.447
00:30
57.300
59.360
65.850
55.340
77.310
64.969
00:35
38.940
40.370
44.770
37.590
52.560
44.126
00:40
28.120
29.180
32.350
28.130
37.980
33.025
00:45
21.220
22.060
24.440
22.330
28.690
26.221
00:50
16.560
17.240
19.090
18.450
22.410
21.662
CIACUA PULGARIN CIACUA PULGARIN
En la Tabla 3-12 se observan los cambios porcentuales de cada uno de los hietogramas
de precipitacin obtenidos con respecto al mismo instante de tiempo del hietograma
original. Al igual que en la Grfica 3-19 y la Tabla 3-11, en esta tabla se observa que en la
gran mayora de casos la intensidad de la precipitacin aumenta con respecto a la
intensidad actual salvo unos contados casos correspondientes a la segunda aproximacin
utilizando el mtodo de Pulgarn.
Por su parte, esta tabla demuestra que la primera aproximacin modifica de manera
uniforme el hietograma original pues los cambios son cercanos siempre al 4%. Esta
misma de tendencia se demuestra en los resultados obtenidos a travs del mtodo
CIACUA que para el caso de la segunda aproximacin modifica los hieogramas de
precipitacin en un 15% y para la tercera aproximacin en un 35%. El mtodo Pulgarn,
por su parte, afecta ms el pico de precipitacin (con valores de 32% y 55% en la
segunda y tercera aproximacin) mientras que el resto del evento es afectado en menor
medida llegando incluso a casos donde la intensidad disminuye.
Tabla 3-12. Cambios Porcentuales con respecto a Hietogramas de precipitacin actuales.
TIEMPO APROX. 1
CIACUA
APROX. 2
APROX. 3
CIACUA PULGARN CIACUA PULGARN
00:00
4.11%
15.28%
11.41%
35.33%
30.81%
00:05
3.84%
15.11%
2.56%
35.12%
20.39%
00:10
3.68%
14.97%
-3.42%
34.97%
13.39%
00:15
3.59%
14.92%
-0.80%
34.91%
16.47%
00:20
3.73%
15.03%
31.97%
35.03%
54.94%
00:25
3.73%
15.03%
31.97%
35.03%
54.94%
00:30
3.60%
14.92%
-3.42%
34.92%
13.38%
00:35
3.67%
14.97%
-3.47%
34.98%
13.32%
00:40
3.77%
15.04%
0.04%
35.06%
17.44%
00:45
3.96%
15.17%
5.23%
35.20%
23.57%
00:50
4.11%
15.28%
11.41%
35.33%
30.81%
56

As, se han presentado los resultados de los eventos de precipitacin bajo tres de las
cuatro aproximaciones planteadas tericamente; los resultados para los dems modelos y
escenarios (para el caso de la aproximacin 3) y para la aproximacin 4, harn parte de
los resultados de la Fase II de la presente investigacin.
3.5 Conclusiones
El CC afectar las condiciones climticas de Colombia diferencialmente en el
territorio del pas. Mientras la tendencia de estudios previos demuestra que la
precipitacin total en todo el pas no cambiar en forma importante, la intensidad de los
eventos de precipitacin aumentar en la mayora de las ciudades principales del pas,
independientemente si la precipitacin total anual no cambia. Estos cambios en las
condiciones climticas se traducirn en el aumento de riesgo de inundacin en zonas
urbanas dada la incapacidad de los sistemas de drenaje urbano para transportar los picos
de estos fuertes eventos de precipitacin.
Para determinar que eventos de precipitacin se esperan en el futuro en la ciudad
de Bogot D.C. se utilizaron cuatro aproximaciones que hacen parte de la metodologa
planteada. Tres de las cuatro aproximaciones arrojan curvas IDF con intensidades ms
fuertes (los resultados de la ltima aproximacin hacen parte de la Fase II del proyecto)
con respecto a las curvas utilizadas actualmente por la empresa prestadora del servicio.
Sin embargo, la tendencia cambia si se analizan duraciones cortas (menores a 50
minutos) donde la tercera aproximacin utilizando la Ecuacin 3 arroja curvas ms
intensas mientras que en eventos extensos la tercera aproximacin con la Ecuacin 4
arroja mayores intensidades.
Al analizar los hietogramas de precipitacin obtenidos, todas las alternativas tienen
intensidades mayores al evento de precipitacin actual en el pico de evento pero, en el
limbo descendente del evento, algunas aproximaciones presentan intensidades menores
lo cual corresponde a la concentracin del evento en su pico. Para utilizar estos eventos
de precipitacin en la modelacin de sistemas de drenaje urbano se requiere modelar
ms escenarios con el fin de realizar un anlisis de sensibilidad y as obtener un evento
de precipitacin unificado que pueda tener ms precisin y ms confiabilidad.
CIACUA
57

4. Reduccin de Caudales Pico

Reducir las inundaciones debidas a eventos de precipitacin es el principal objetivo de
este proyecto. Esto se har por medio de la instalacin de estructuras de almacenamiento
temporal en diferentes partes de la ciudad; sin embargo determinar la ubicacin y
dimensiones de estas estructuras es un proceso complejo. Para este fin se desarrollaron
dos campos de optimizacin.
En este captulo se presenta una descripcin del estado del arte relacionado con las
estructuras de almacenamiento temporal y sus posibles usos. Tambin se presenta una
aproximacin terica acerca de las diferentes metodologas utilizadas para los problemas
de optimizacin.
Tambin se presentan los dos campos de optimizacin utilizados. El primero es de
Optimizacin sin Control Hidrulico. En este campo se tendrn instalaciones de tanques lo
cuales funcionarn por medio de la gravedad y no se implementar ningn tipo de
elementos de control. Es segundo campo es el de Optimizacin con Control Hidrulico.
Este campo incluye la opcin de implementar metodologas de control para optimizar el
funcionamiento de las estructuras de almacenamiento temporal.
4.1 Estado del arte en Reduccin de Caudales Pico

4.1.1
Tanques de Tormenta como elemento para el control de caudales pico
La introduccin de tanques de tormenta en redes de drenaje urbano cumple dos

funcionales principales:
Controlar la calidad del agua vertida a los medios receptores.

Regular y laminar.
Los depsitos de retencin realizan en las redes de drenaje el mismo papel de laminacin
de los caudales que los embalses en un cauce fluvial. As, desde un punto de vista
conceptual realizan dos misiones fundamentales: controlar la calidad del agua vertida a
los cuerpos receptores y regular y laminar los caudales pico que se presentan en las
redes de drenaje durante los episodios de lluvia ms extremos.
Por ello estos tanques de tormenta pueden clasificarse de acuerdo con tres criterios
fundamentales:
Funcionalidad del tanque.

Tipologa constructiva del tanque.
Conexin del tanque con la red de drenaje.
En los prximos numerales se aborda una breve clasificacin de los tanques de tormenta
desde los puntos de vista indicados. De esta forma se tendr un marco de referencia ms
preciso del tipo de elemento que se pretende optimizar.
CIACUA
58

4.1.1.1 Clasificacin en funcin de su funcionalidad

El concepto de depsito de retencin o tanque de tormenta se utiliza para la retencin de
las aguas de escorrenta de lluvia. Aunque el principio de funcionamiento es el mismo, los
motivos por los que puede instalarse un tanque de este tipo son dos:
Control de caudales para evitar inundaciones.

Control de la calidad de los vertimientos.
4.1.1.2 Clasificacin de los tanques en funcin de su tipologa constructiva

Existen dos formas principales de construir un depsito de retencin o tanque de
tormenta: construirlo abierto a la atmsfera o construirlo enterrado. Entre los factores que
permiten decidir entre un tipo y otro de depsito de retencin estn:
El tipo de sistema de saneamiento disponible. En el caso de que el sistema sea

separado (redes de aguas residuales separadas de las redes de drenaje de aguas
pluviales) la alternativa de construccin de depsitos abiertos se vuelve ms
indicada. Por el contrario, los sistemas de drenaje combinado permiten en muy
pocas ocasiones la instalacin de tanques abiertos a la atmsfera. En este ltimo
caso, la carga contaminante de las aguas residuales impide que stas puedan
estar almacenadas. Un exceso de tiempo de permanencia de dichas aguas puede
aumentar los problemas sanitarios en las proximidades de dichos depsitos.
Restricciones de tipo legislativo relacionadas con las condiciones sanitarias de los
depsitos y las condiciones medioambientales. En numerosos pases existen leyes
y normativas especficas acerca de las condiciones sanitarias que deben cumplir
los almacenamientos de agua an en el caso de ser pluviales. Por ello, estas
restricciones pueden condicionar la tipologa constructiva del tanque.
Cuestiones econmicas. Indudablemente el costo de un depsito abierto a la
atmsfera normalmente es inferior a un depsito del mismo volumen enterrado.
Cuestiones relacionadas con el planeamiento urbanstico. Las necesidades
urbansticas condicionan fuertemente la instalacin de un tipo u otro de tanque.
Los depsitos abiertos requieren ser planificados urbansticamente al mismo
tiempo que se desarrolla la ciudad. Los depsitos enterrados pueden ser
instalados una vez el planeamiento urbanstico se ha desarrollado.
4.1.1.2.1 Tanques abiertos a la atmsfera

Los tanques abiertos a la atmsfera (ver Figura 4-1) en general son preferidos por
cuestiones econmicas medioambientales. De hecho, gran parte de las tcnicas de
drenaje sostenible (SUDs) que hoy se emplean para la reduccin de la escorrenta
consisten bsicamente en la construccin de pequeos depsitos ms o menos abiertos a
la atmsfera.
CIACUA
59

Figura 4-1. Depsito de retencin abierto a la atmsfera (Boneyard Creek, Champaign - Illinois).
Por el contrario, los depsitos atmosfricos requieren de espacio en la superficie urbana

para ser instalados. Tal como puede verse en la Figura 4-1, los depsitos de este tipo en
general pueden reducir la escorrenta generada al conducir parte de las aguas
circundantes hacia el propio depsito.
La presencia de estos tanques como parte del medioambiente urbano presente al mismo
tiempo ventajas e inconvenientes. Por un lado contribuyen las ventajas medioambientales
de su presencia, ya que la mejora paisajstica de los mismos es indudable. Por otra parte,
hay que mantener y controlar adecuadamente las infraestructuras ya que pueden suponer
un problema sanitario localizado en caso de abandono o falta de mantenimiento.
4.1.1.2.2 Tanques cerrados o enterrados
Los depsitos cerrados o enterrados (ver Figura 4-2) se convierten prcticamente en la
nica alternativa para el control de las inundaciones cuando el rea urbana impide la
ampliacin de los conductos. Asimismo, en zonas donde la densidad urbanstica es
elevada, la instalacin de las estructuras de almacenamiento bajo tierra se convierte
prcticamente en el ltimo recurso disponible.
Figura 4-2. Depsito de retencin enterrado (Depsito Pluvial Loan Mir Barcelona).
CIACUA
60

Desde el punto de vista medioambiental no tienen un impacto visual sobre la morfologa

urbana. En gran parte de las ciudades altamente urbanizadas son la alternativa antes que
los depsitos atmosfricos. No obstante, ante la instalacin de este tipo de elementos hay
que tener en cuenta fundamentalmente sus costes tanto de instalacin como de
mantenimiento que en ningn caso son despreciables.
Desde el punto de vista meramente constructivo los depsitos de retencin o tanques de
tormenta enterrados pueden construirse de dos formas diferentes:
Tanques de hormign normalmente instalados in-situ. Son la forma clsica y

convencional de instalacin de este tipo de depsitos y prcticamente la nica
solucin tcnicamente viable cuando el tamao del depsito es grande (ver Figura
4-2).
Tanques prefabricados. Se trata de estructuras de diferentes materiales que
pueden estar previamente construidas y que pueden suponer una ventaja desde el
punto de vista de la rapidez de instalacin. Dentro de estas tecnologas de
construccin de tanques prefabricados se distinguen bsicamente dos tecnologas:
o Tecnologas basadas en la instalacin de tuberas de grandes dimensiones
adecuadamente conectadas entre ellas (ver Figura 4-3).
Figura 4-3. Estructura de un tanque de tormenta Amitech .
Tecnologas basadas en la instalacin de mltiples elementos estructurales

(ver Figura 4-4).
Figura 4-4. Instalacin de un tanque de tormenta con estructuras tipo Aquacell .
CIACUA
61

4.1.1.3 Clasificacin de los tanques segn su conexin con la red de drenaje

A la hora de hablar de los tanques de tormenta o depsitos de retencin se suele
clasificar estos en funcin de la posicin que ocupan respecto de la red de drenaje que
van a controlar. As, se denominan depsitos "on line" aquellos que estn en el mismo
recorrido que los colectores o conductos de la red de drenaje, mientras que se denominan
"off-line" aquellos que no estn en el mismo recorrido de la red de drenaje requiriendo en
ese caso algn tipo de conexin entre el tanque y la red principal.
4.1.1.3.1 Tanques on-line
Los Tanques On-Line suelen ser el tipo de depsito que se instala con mayor frecuencia,
dado que supone la menor modificacin de la red de drenaje existente. Para ello es
necesario disponer en la direccin de la red principal de drenaje un espacio suficiente
para el almacenamiento del volumen necesario.
La caracterstica fundamental de este tipo de elemento es que conforme va entrando
caudal en el depsito va saliendo del mismo. El efecto que genera es una laminacin del
caudal de entrada ya que la capacidad de almacenamiento del depsito hace que la
descarga se realice de forma mucho ms suave respecto a la entrada. Esta laminacin
del caudal de entrada se consigue tanto con la seccin transversal del depsito como con
la utilizacin de elementos de regulacin que permitan controlar de forma adecuada el
caudal de salida.
En su forma ms simple los tanques on-line puede no llevar siquiera elementos de
regulacin a la salida. En ese caso la laminacin se realiza nicamente con la seccin
transversal adicional que introduce el tanque en el sistema.
En cualquier circunstancia el tanque debe disponer de un sistema de alivio para derivar
los excesos de caudal en el caso de que del tanque se encuentre lleno. Desde este punto
de vista existen dos configuraciones diferentes:
La configuracin ms simple (ver Figura 4-5) consta nicamente de un aliviadero a

la entrada antes del depsito. A la salida puede estar directamente la Planta de
Tratamiento de Aguas Residuales (PTAR) tal como indica la Figura 4-5, o bien
continuar a lo largo de la red de drenaje.
Aliviadero
Depsito
de retencin
EDAR
PTAR
Vertido
Figura 4-5. Esquema de un Tanque On-Line con aliviadero de entrada.
CIACUA
62

Una segunda configuracin algo ms compleja (Figura 4-6) consta de dos

sistemas de alivio. Uno de ellos se encuentra a la entrada, de forma que controla
los excesos de caudal en el punto de entrada de al tanque. Un segundo aliviadero
controla el nivel mximo que puede alcanzar el tanque. Este segundo aliviadero
puede ser incluso regulable, con lo que se consigue cierto control sobre la
laminacin de los caudales de entrada.
Aliviadero
Depsito
de retencin
PTAR
EDAR
Vertido 2
Vertido 1
"Ecualizacin de
concentraciones"
Figura 4-6. Esquema de un Tanque On-Line con dos aliviaderos.
Sin duda una de las limitaciones fundamentales de este tipo de depsitos es el nivel
mximo de agua que pueden alcanzar. Al estar directamente conectado con el resto de la
red de drenaje un nivel demasiado grande podra generar problemas de inundacin en
punto aguas arriba del mismo al reducir la capacidad de transporte de la red. Por el
contrario, un nivel demasiado bajo puede limitar la capacidad de transporte aguas abajo
del tanque. Este margen tan estrecho en la variacin de los niveles en los depsitos hace
que el volumen de almacenamiento deba conseguirse con grandes superficies de
almacenamiento.
4.1.1.3.2 Tanques Off-Line
Los Tanques Off-Line se plantean como una alternativa para aquellos casos en los que
las dimensiones del tanque son demasiado grandes o para circunstancias en las que el
trazado urbano no permite construir el tanque en el mimo punto de la red de drenaje
principal (On-Line).
En estos casos el tanque es una estructura que se dimensiona en paralelo a la red de
drenaje existente. De esta forma puede tener cierta flexibilidad en las dimensiones,
flexibilidad que no tienen los tanques on-line.
La construccin de un tanque off-line requiere de dos elementos adicionales que hay que
considerar (Figura 4-7): el sistema de conduccin del agua desde la red principal hasta el
tanque; y el sistema de vaciado del tanque.
CIACUA
63

Aliviadero
PTAR
EDAR
Depsito
de retencin
Caudal derivado al
final de la tormenta
Vlvula o compuerta
automtica.
Figura 4-7. Esquema de un Tanque Off-Line.
El primero de los elementos consta de un sistema de alivio, regulable o no, que a partir de
un determinado caudal deriva el excedente hacia una conduccin lateral a la red principal
de drenaje. Esta tubera debe dimensionarse adecuadamente de acuerdo con la
topografa de la zona para tener capacidad de transporte suficiente. Un dimensionado
insuficiente de dicha conduccin eliminara completamente la eficacia del tanque.
El otro elemento caracterstico es el sistema de vaciado de agua del tanque. En la Figura
4-7 se recoge un sistema constituido por una compuerta que se acciona en un
determinado momento y por gravedad se procede al vaciado del tanque. El vaciado del
tanque por gravedad es generalmente el sistema preferible. No obstante, en
circunstancias en las que la topografa del sistema no es favorable puede requerir
grandes profundidades de excavacin o la construccin de conducciones nuevas para
descargar en colectores de drenaje situados en cotas ms bajas que el tanque.
Un alternativa al vaciado por gravedad es ubicar en el tanque algn sistema de bombeo
que se active en el momento adecuado. Un sistema de bombeo permite vaciar el depsito
incluso a la misma conduccin de la que se haba tomado inicialmente el agua, por lo que
limita la necesidad de obra civil. Por el contrario la presencia de grupos de bombeo
supone por una parte costes elctricos de funcionamiento y costes de mantenimiento de
los grupos electromecnicos.
En definitiva, bien el tanque sea on-line o sea off-line, la consideracin acerca de su
dimensionado debe contemplar tanto las lluvias existentes como la respuesta hidrulica
de la red de drenaje. De forma general puede afirmarse que los tanques off-line tienen
una mayor flexibilidad desde el punto de la ubicacin y sus dimensiones, ya que el nico
papel que se pide de ellos es almacenar agua durante un cierto tiempo. Por ello este tipo
de tanques (off-line) es ms adecuado para casos en los que los hidrogramas de entrada
sean de caudales muy abruptos pero con volmenes finales de almacenamiento
moderados. En los casos en los que los caudales no sean tan elevados, pero los
CIACUA
64

volmenes de agua sean importantes los tanques on-line pueden ser una alternativa a
tener en cuenta.
En cualquier caso, la decisin entre un tipo u otro de depsito debe realizarse de acuerdo
con en estudio completo de la red y la simulacin del comportamiento de la misma con el
tanque instalado.
4.1.2
Utilizacin de Tanques de Almacenamiento. Estado Actual del Conocimiento.
En el anterior numeral se ha descrito el funcionamiento y tipologa de los depsitos de

retencin de aguas pluviales o tanques de tormenta. Una vez descritas sus
funcionalidades resulta necesario analizar el conocimiento cientfico relacionado con su
uso, diseo y explotacin. Cualquier estudio o mejora sobre el empleo de este tipo de
elementos debe partir de un adecuado anlisis y estudio del conocimiento actual sobre el
tema.
Uno de los primeros trabajos, y al mismo tiempo ms relacionados sobre la utilizacin de
los tanques de tormenta, es el realizado por Howard1 (1986). En este trabajo Howard
establece que la eficacia de los tanques de tormenta en combinacin con las plantas de
tratamiento para controlar las escorrentas de lluvia depende de la capacidad tanto del
tanque como de la planta y de la duracin y volumen de los episodios de lluvia de dichos
elementos deben controlar. Ya en este trabajo Howard habla de la posibilidad de utilizar
las herramientas de simulacin para el anlisis de estos elementos. No obstante, dado el
elevado costo computacional que tiene la simulacin de sistemas de drenaje urbano, su
trabajo se centra en proponer un mtodo probabilstico a partir de los datos de
precipitacin y de los registros locales. Este mtodo simplificado segn Howard debe
orientar el anlisis computacional posterior, con el cual se podrn obtener combinaciones
ms rentables de almacenamiento y tratamiento.
Los depsitos de retencin de aguas pluviales se construyen para capturar una parte del
agua de lluvia. Dicha porcin de agua capturada vara lgicamente como funcin de cada
tormenta. Por ello, en esta lnea Di Toro y Small2 proponen un mtodo estadstico basado
en una caracterizacin probabilstica tanto de la lluvia como de la escorrenta que permite
evaluar el comportamiento a largo plazo de los tanques de tormenta.
El funcionamiento a largo plazo de este tipo de elementos queda determinado por su
tamao, su modo de operacin y las caractersticas estadsticas de la lluvia y escorrenta
que se desean controlar. y el modo de operacin. Es por ello que el trabajo de Di Toro y
Howard, C.D., "Theory of Storage and Treatment-Plant Overflows," Journal of Environmental Engineering
Division, ASCE, Vol. 102, No. EE4, Aug., 1976, pp. 709-722.
2
Di Toro, D. M., and Small, M. J., "Stormwater Interception and Storage," Journal of the Environmental
Engineering Division, ASCE, Vol. 105, No. EE1, Feb., 1979, pp. 43-54.
CIACUA
65

Small pone el enfoque en estudio de las condiciones de llenado, almacenamiento y

vaciado de la estructura de retencin; en las variaciones de flujo de agua originado por las
tormentas; y las implicaciones respecto de la calidad del agua que tienen las primeras
aguas de lluvia, que generan el denominado "efecto barrido" en la superficie de las reas
urbanas.
Tanto el trabajo de Howard como el de Di Toro y Small marcan de forma clara las
diferentes lneas de trabajo que se han ido desarrollando relacionadas con la utilizacin
de los tanques de tormenta para el control de las redes de drenaje pluvial. Algunas de
estas lneas son:
La utilidad de los depsitos de retencin para el control de los vertimientos a los

cauces receptores.
La necesidad de dimensionar adecuadamente estas estructuras de control.
La influencia que tienen diferentes series temporales o lluvia de diseo sobre el
funcionamiento de los tanques de tormenta.
Los primeros procedimientos de dimensionado de los tanques de tormenta se basaron en

mtodos ms o menos simplificados, ya que la utilizacin de tcnicas de simulacin era
relativamente costosa. As, en 1985 Vasudevan et al.3 presentaban un mtodo
simplificado para la estimacin de la capacidad de un tanque de tormenta. Dicho mtodo
estaba basado en la utilizacin de funciones de densidad de probabilidad exponenciales
para las principales variables del proceso hidrolgico (volmenes de escorrenta, duracin
de la escorrenta, tiempo entre eventos). A partir de este anlisis econmico se genera
una nueva distribucin estadstica para estimar el volumen de retencin necesario y la
capacidad de la planta de tratamiento para un determinado nivel de riego. Una de las
principales aportaciones del mtodo desarrollado es definir de forma sencilla y sin
complejas simulaciones un volumen preliminar del tanque de tormenta necesario.
En esta misma lnea Meredith et al.4 desarrollaron un procedimiento que utiliza todos los
registros histricos de lluvia disponibles para dimensionar un depsito de retencin de
escorrentas de aguas pluviales. El dimensionado se realiza desde el punto de vista de la
calidad ya que parte de la base que la totalidad de las escorrentas generadas han de
pasar por la planta de tratamiento. El mtodo fue probado y validado en diferentes reas
de mbito industrial.
Vasudevan G. Loganathan; Jacques W. Delleur; and Rafael I. Segarra (1985). "Planning Detention Storage
for Stormwater Management". J. Water Resour. Plann. Manage. 1985.111:382-398.
4
Dale D. Meredith; Andrew C. Middleton; and John R. Smith (1990). "Design of Detention Basins for
Industrial Sites". J. Water Resour. Plann. Manage. 1990.116:586-591.
CIACUA
66

Desde un principio, la gran mayora de los estudios estn centrados en el tratamiento de

las escorrentas de aguas de lluvia antes de realizar el vertido de las mismas a los
cuerpos receptores. En reas urbanas, se detecta la necesidad de disponer de sistemas
alternativos a los convencionales para el tratamiento de este tipo de aguas, debido
fundamentalmente a las restricciones de espacio. Por ello Takamatsu et al.5 plantean el
diseo de un sistema de almacenamiento de aguas pluviales como parte de la estructura
complementaria del drenaje de una determinada carretera. As se desarrolla un modelo
matemtico basado en los principios hidrulicos ms bsicos a fin de estimar la eficiencia
en la eliminacin de partculas contaminante. La idea bsica es validar la eficiencia de un
tanque rectangular de almacenamiento de escorrenta de lluvia. Para validar el modelo
construyeron un modelo a escala 1/5. Sobre dicho modelo se realizaron diferentes
ensayos a fin de estudiar la influencia de diferentes caudales de entrada, frecuencias de
funcionamiento y concentraciones de las partculas a eliminar. Se compara as tanto las
series temporales de concentracin de slidos en suspensin a la salida como la
eficiencia del modelo conceptual propuesto.
Otros estudios similares a los de Takamatsu et al. se han realizado con base en estudiar
el comportamiento de diferentes reas de drenaje ante diferentes eventos de lluvia. Di
Martino et al.6 plantean el uso de los tanques de tormenta como estructuras que permiten
controlar el impacto de la contaminacin de las primeras lluvias que contienen la mayor
carga contaminante. No obstante, dado que el diseo de este tipo de sistemas depende
de gran cantidad de parmetros, consideran que el diseo de este tipo de elementos no
est completamente definido. Para estudiar la influencia que puede llegar a tener el
rgimen de lluvias De Martino et al. realizan un extenso nmero de simulaciones con
diferentes series temporales de lluvia en Campania (Italia). Como resultado del estudio
analizaron tanto los hidrogramas como los polutogramas que se generaban para
diferentes configuraciones tanto de la red analizada como de los tanques considerados.
Los resultados mostraron que el rgimen de lluvia no tiene una influencia decisiva en el
fenmeno. De esta forma plantean una nueva metodologa para el diseo preliminar de
tanques de tormenta.
Basndose en el estudio de diferentes lluvias Li at al.7 (2008) realizan un estudio en base
a analizar 16 eventos de lluvia diferentes en tres reas de drenaje diferentes. El objeto del
estudio se centra en analizar la influencia que la localizacin de diferentes tanques de
retencin puede tener en la reduccin de la carga contaminante, fundamentalmente de
Masatsugu Takamatsu; Michael Barrett; and Randall J. Charbeneau (2010). "Hydraulic Model for
Sedimentation in Storm-Water Detention Basins". J. Environ. Eng. 2010.136:527-534.
6
Giuseppe De Martino; Francesco De Paola; Nicola Fontana; Gustavo Marini; and Antonio Ranucci (2011).
"Pollution Reduction in Receivers: Storm-Water Tanks". J. Urban Plann. Dev. 2011.137:29-38.
7
Yingxia Li; Joo-Hyon Kang; Sim-Lin Lau; Masoud Kayhanian; and Michael K. Stenstrom (2008).
"Optimization of Settling Tank Design to Remove Particles and Metals". J. Environ. Eng. 2008.134:885-894.
CIACUA
67

partculas y metales. En la misma lnea Fu et al. (2010) 8 plantean un modelo para realizar
una distribucin ptima de diferentes tanques de almacenamiento con el objetivo de
reducir al mximo los impactos que nuevas zonas residenciales pueden tener sobre la
calidad del agua en el punto de vertido. As el modelo desarrollado considera tres
escenarios de trabajo diferentes: control ptimo de los caudales, minimizacin de la
distribucin de los depsitos, y una combinacin de los dos casos anteriores.
El trabajo de Fu et al. (2010) parte de la premisa que los elementos para el control de la
calidad de los vertimientos tienen un comportamiento esttico. Un paso ms all es el
trabajo de Vanrolleghem et al.9 quienes proponen la utilizacin de los Sistemas de CTR
para el control de la calidad de los vertidos en medios receptores y as poder cumplir con
la Directiva Comunitaria del Agua.
En definitiva, la gran mayora de los trabajos realizados hasta el momento relacionados
con el uso de depsitos de retencin o tanques de tormenta centran el problema en
maximizar la calidad del agua de vertimiento. En pocas ocasiones el objetivo de estas
estructuras es el control de las potenciales inundaciones que pueden originarse por los
excesos de lluvia.
Una de las primeras aportaciones en las que se relaciona el uso de los tanques de
tormenta con las variaciones de las lluvias originadas por el CC es la realizada por Andrs
et al10. Estos autores basan su estudio en los cambios que los regmenes de lluvia pueden
originar en la eficacia de los sistemas actualmente diseados. Los sistemas de drenaje
combinados y las primeras escorrentas de los sistemas de drenaje pluvial son una
importantsima fuente de contaminacin para los cuerpos receptores. As, Andrs et al.
analizan la eficacia que tienen los tanques de tormenta en el control de los potenciales
daos en la redes de drenaje. Proponen un modelo probabilstico analtico para evaluar la
eficiencia de reduccin de inundaciones y la eficiencia volumtrica de los tanques de
retencin como funcin de los comportamientos previstos del clima y de las cuencas
urbanas. La sensibilidad de la eficiencia del tanque se evala bajo el anlisis de ciertos
cambios en las precipitaciones asignadas como de diseo. Los resultados obtenidos
muestran la capacidad que presentan los tanques de tormenta para filtrar parcialmente los
efectos derivados del CC.
Guangtao Fu; Soon-Thiam Khu; and David Butler (2010). " Optimal Distribution and Control of Storage
Tank to Mitigate the Impact of New Developments on Receiving Water Quality". J. Environ. Eng.
2010.136:335-342.
9
P.A. Vanrolleghem; L. Benedetti; and J. Meirlaen (2005). "Modelling and real-time control of the integrated
urban wastewater system". Environmental Modelling & Software 20 (2005) 427-442.
10
I. Andrs-Domnech1; A. Montanari2; and J. B. Marco. J. (2012). "Efficiency of Storm Detention Tanks
for Urban Drainage Systems under Climate Variability". Water Resour. Plann. Manage. 2012.138:36-46.
CIACUA
68

Del anlisis de los trabajos previos parece que el uso de los tanques de tormenta como
herramienta para el control de las inundaciones originadas por el CC pueda ser una
estrategia adecuada. La base del trabajo a realizar es el trabajo que Butler y Schtze 11
(2005) realizan para la integracin de los modelos para el control ptimo de los sistemas
de drenaje sanitario. As desarrollan un modelo denominado SYNOPIS que incluye una
serie de sub-modelos de la red de alcantarillado, la PTAR y el comportamiento del cauce
natural sobre el que se realizar el vertimiento. Estos sub-modelos, junto con un mdulo
de control implementado en el mismo software, permiten desarrollar estrategias de control
de las aguas residuales de una determinada red para minimizar el impacto de sus
vertimientos. Este trabajo resulta un primer punto de partida ya que sostiene que ya no es
necesario el uso de criterios simplificados. El uso de las tcnicas de simulacin es
relativamente sencillo para las aguas residuales urbanas. Adems las tcnicas de
simulacin permiten obtener unas soluciones de control de vertimientos que no ofrecen
los mtodos clsicos simplificados. Este trabajo ha sido posteriormente ampliado por Fu
at al.12 (2008) considerando la optimizacin de las aguas residuales urbanas como un
problema multiobjetivo. Para ello utiliza el potente modelo gentico multiobjetivo NSGA II
(Deb at al13, 2002) que permite obtener la frontera de Pareto de las diferentes soluciones
ptimas.
En definitiva el trabajo a desarrollar en esta fase incluir el desarrollo de un modelo de
optimizacin para la ubicacin y dimensionado de tanques de tormenta. Dicho modelo de
optimizacin estar basado en la simulacin hidrulica de cada una de las soluciones
mediante el modelo SWMM5 y la utilizacin de un algoritmo de heurstico de optimizacin.
Por este motivo, en los apartados siguientes se abordan las diferentes tcnicas de
optimizacin y la definicin del modelo de optimizacin desarrollado.
4.1.3
Mtodos de optimizacin
Una vez visto el estado actual de los conocimientos sobre el dimensionado de tanques de
tormenta se presta analizar cul ser la tcnica o tcnicas de optimizacin que se
emplearn para resolver el problema planteado.
Existen multitud de tcnicas matemticas para la resolucin de problemas de optimizacin
como los planteados en el presente trabajo. Dichas tcnicas a grandes rasgos pueden
clasificarse en:
11
David Butler; Manfred Schtze (2005). " Integrating simulation models with a view to optimal control of
urban wastewater systems". Environmental Modelling & Software 20 (2005) 415-426.
12
Guangtao Fu; David Butler; Soon-Thiam Khu (2008). "Multiple objective optimal control of integrated
urban wastewater systems". Environmental Modelling & Software 23 (2008) 225-234.
13
Deb, K., Pratap, A., Agarwal, S., Meyarivan, T., 2002. A fast and elitist multiobjective genetic algorithm:
NSGA-II. IEEE Transactions on Evolutionary Computation 6 (2), 181-197.
CIACUA
69

Tcnicas de programacin lineal.

Tcnicas de programacin no lineal.
Tcnicas de programacin dinmica.
Tcnicas heursticas.
4.1.3.1 Tcnicas de Programacin Lineal

Los modelos de Programacin Lineal (PL) consideran que las variables de decisin tienen
un comportamiento lineal, tanto en la funcin objetivo como en las restricciones del
problema. La PL es una herramienta muy utilizada en la Investigacin de Operaciones, ya
que facilita los clculos y, en general permite una buena aproximacin de la realidad. El
mtodo Simplex, creado por el matemtico americano George Dantzig en 1947, es
probablemente el ms popular entre los mtodos de PL.
Todo problema de PL posee una interpretacin geomtrica, puesto que el espacio de
soluciones posible de un problema lineal con n-variables de decisin es un poliedro ndimensional, acotado por las restricciones del problema, que deben ser lineales. Dichas
restricciones pueden ser representadas como hiperplanos. La funcin objetivo tambin es
lineal y queda representada por hiperplanos paralelos, asociados con diferentes valores.
Si existe una solucin ptima del problema, sta se localizar en uno de los vrtices del
poliedro.
Entre las distintas metodologas que se han desarrollado en los ltimos aos para la de
problemas hidrulicos, las tcnicas basadas en la PL forman uno de los grupos ms
importantes. Entre las distintas tcnicas utilizadas, la denominada Gradiente de
Programacin Lineal (GPL) es una de las que ha tenido un avance ms significativo.
El mtodo GPL fue propuesto originalmente por Alperovits y Shamir14, quienes
descomponen el problema de optimizacin de una red de suministro de agua en dos
etapas. En la primera de ellas se consideran como fijas algunas variables, mientras que el
resto se utiliza en el proceso de PL. La segunda etapa del mtodo trata de mejorar la
solucin obtenida en la primera etapa, y para ello realiza un proceso de bsqueda donde
modifica el valor de las variables que eran fijas en la primera etapa. Ambas etapas se
repiten hasta obtener una reduccin en los costos de la funcin objetivo.
Con posterioridad numerosos investigadores han propuesto modificaciones al mtodo,
tratando de encontrar alternativas que mejoren la propuesta de Alperovits y Shamir. En
este sentido Quindry et al.15 realizan una correccin matemtica a la expresin del
14
Alperovits, E. y Shamir, U. (1977). Design of Optimal Water Distribution Systems. Water Resourcs Research. Vol. 13.
N 6. pp. 885-900.
15
Quindry G. E., Brill E. D., Liebman J. C., and Robinson A. R. (1979). Comment on "Design of optimal water
distribution systems by Alperovits E. and Shamir U." Water Resources Research, Vol. 15, No. 6, pp. 16511654.
CIACUA
70

gradiente propuesto por Alperovits y Shamir, considerando la interaccin que poda existir
entre diferentes variables de decisin,
Fujiwara et al.16 proponen el uso del mtodo de Quasi-Newton para determinar la
direccin del flujo y un mtodo de busca lineal para determinar el incremento de caudal
que se producir en cada lnea. Fujiwara et al. observaron que la solucin final del
problema era bastante sensible al incremento de caudal que da inicialmente el usuario.
Esto ocurre por la existencia de muchos ptimos locales que se encuentran prximo entre
s. Como solucin a este problema Fujiwara et al. proponen la utilizacin de distintos
valores de incremento de caudal antes de aceptar una solucin como definitiva.
En otros estudios realizados, distintos investigadores han tratado de estudiar la influencia
que tiene el camino elegido por el flujo. Goulter y Coals (1986) afirman que el resultado
final de diseo depende del camino escogido entre fuente (depsito o bomba) y nudos. En
este sentido tampoco hay unanimidad, puesto que este trabajo se ve rebatido por Kessler
y Shamir (1989), que presentan un problema en forma de matriz donde demuestran que la
solucin final es independiente del camino escogido.
Tal como puede apreciarse gran parte de los trabajos realizados sobre optimizacin en
sistemas hidrulicos mediante programacin lineal se han centrado en el diseo de las
redes. No obstante, dadas las limitaciones que presentan estos mtodos en la solucin de
problemas con multitud de mnimos locales se ha optado por utilizar otras tcnicas
alternativas.
4.1.3.2 Tcnicas de Programacin no Lineal
Un modelo de programacin no lineal (PNL) trata de resolver un sistema de igualdades y
desigualdades sujetas a un conjunto de restricciones, donde dichas restricciones pueden
ser lineales o no lineales. El objetivo final del mtodo es maximizar o minimizar una
funcin objetivo.
La principal caracterstica de este tipo de programacin es que no tiene un nico algoritmo
que se aplique a la resolucin de todos sus problemas. De este modo, dependiendo de la
naturaleza de la funcin objetivo es posible aplicar un tipo de resolucin u otro. As, si la
funcin objetivo es cncava o convexa, y el conjunto de restricciones es convexo, el
problema puede ser resuelto utilizando el mtodo general de optimizacin convexa.
Por el contrario, si el problema es no convexo existe una gran variedad de mtodos para
resolver el problema. As, un posible mtodo de resolucin utiliza formulaciones
16
Fujiwara, O., B.Jenchaimahakoon, and N.Edirisinghe, A modified linear programming gradient method for optimal
design of looped water distribution networks, Water Resources Research, 23(6):977982, 1987.
CIACUA
71

especiales de PL. Otra opcin implica la utilizacin de tcnicas conocidas como

ramificacin y poda, etc.
El mayor problema de este tipo de optimizacin reside en la imposibilidad de garantizar
que la solucin obtenida es realmente la mejor posible. Esto quiere decir que en
numerosas ocasiones se alcanzan ptimos locales en lugar del ptimo global, siendo ste
un dato inherente a la naturaleza no lineal del problema.
En el campo hidrulico son numerosas las aplicaciones realizadas para el diseo ptimo
de redes de agua. As, existen algunos paquetes de optimizacin para diseo ptimo de
redes malladas, entre los que se puede citar MINOS17, GINO18 y GAMS19. Todos estos
paquetes utilizan la tcnica del gradiente reducido generalizado20. A partir de estos
paquetes de optimizacin varios investigadores han desarrollado aplicaciones de
optimizacin no lineal para el problema de diseo de redes de abastecimiento de agua
(Lansey y Mays21, 1989; Lansey et al22, 1989; Duan23 et al, 1990). Pimentel y Formiga24
proponen una metodologa llamada PNL2000. Esta metodologa utiliza el modelo
matemtico de programacin no lineal y se divide en dos etapas. La primera de ellas
realiza un pre-dimensionado del sistema, donde los dimetros, los caudales y la altura
manomtrica de alimentacin son variables que deben ser determinadas en el proceso de
optimizacin. Posteriormente, con los resultados obtenidos en esta primera etapa se
ejecuta la segunda, donde se ajusta la solucin obtenida inicialmente. En esta segunda
etapa del mtodo los dimetros obtenidos en la primera etapa se redondean a dimetros
comerciales, puesto que en la primera etapa del mtodo el resultado viene dado por
dimetros continuos.
Para el problema concreto de la optimizacin del rgimen de explotacin de una red de
drenaje pluvial este tipo de algoritmos se han considerado insuficientes a tenor de lo
recogido en la bibliografa, por lo que se ha optado por tcnicas alternativas.
17
Murtagh, B.A. y Saunders, M.A. (1987). MINOS 5.1 Users Guide. Systems Optimization Laboratory. Department of
Operations Research, Standford University.
18
Liebman, J., Lasdon, L., Schrage, L., Waren, A. (1986). Modeling and Optimization with GINO. The Scientific Press.
19
A. Brooke, D. Kendrick, and A. Meeraus (1988). GAMS: A Users Guide,
The Scientific Press, San Francisco, CA.
20
Abadie, J., Carpentier, J. Generalization of the Wolfe reduced gradient method to the case of non-linear constraints.
R. Fletcher (ed.) Optimization. Academic Press, New York, 1969, pp. 37-47.
21
Lansey, K. y L. Mays, Optimization model for water distribution system design, J. Hydraulic. Division American
Society of Civil Engineering, 115 (10), 1401-1418, 1989.
22
Lansey, K., N. Duan, L. Mays, and Y. Tung, Water distribution system design under uncertainties, J. Water Res. Plan.
Manage. Am. Soc. Civ. Eng., 115 (5), 630-645, 1989.
23
Duan, N., Mays, L., Lansky, K.E. (1990). Optimal based design of pumping and distribution systems. Journal of
Hydraulics Engineering, 116 (2). pp. 249-286.
24
Pimentel, H. y Formiga, K.T.M. (2001). PNL2000: Mtodo prtico de dimensionamento econmico de gua. Revista
Brasileira de Recursos Hdricos. Porto Alegre: ABRH 6 (4) 91-108.
CIACUA
72

4.1.3.3 Tcnicas de Programacin Dinmica

Matemticamente, el trmino Programacin Dinmica (PD) se refiere a la utilizacin de
sub-problemas superpuestos y sub-estructuras ptimas, con el fin de encontrar la solucin
de un problema de optimizacin en un menor espacio de tiempo. En la aplicacin de la PD
a la optimizacin de redes de distribucin de agua hay diversas contribuciones que son de
inters. As, Monbaliu et al.25 (1990) proponen una tcnica de gradiente de bsqueda,
donde una vez fijada una gama de dimetros comerciales de trabajo, todas las tuberas
de la red comienzan el proceso de optimizacin con el dimetro mnimo disponible. Se
recurre entonces a un programa de anlisis de redes para determinar la presin en todos
los nudos de la red. Si el sistema cumple la presin mnima en todos los nudos el proceso
de optimizacin ha acabado; si por el contrario no se cumplen los criterios de presin
mnima se aumenta el dimetro de la tubera con mayor prdida de carga hasta el
inmediatamente superior. El proceso de iteracin se repite una y otra vez hasta que los
lmites de presin mnima se cumplen.
Existen mtodos alternativos basados en la determinacin de la influencia que el cambio
de una de las variables de decisin puede tener en la solucin final. Esta influencia es lo
que se Granados26 denomina en sus estudios Gradiente de Cambio. La utilizacin del
Gradiente de Cambio slo es posible en determinado tipo de problemas. El mtodo se
basa en la obtencin de un mnimo global con base en ir buscando en cada momento la
mejor evolucin del mtodo.
El problema que presentan tanto el mtodo descrito como gran parte de los problemas de
PD es la dependencia de la solucin inicial. As una solucin inicial alejada de la solucin
de mnimo costo conduce a la necesidad de atravesar numerosos mnimos locales por el
camino, lo que puede originar el quedar atrapado en uno de estos. Es precisamente la
incapacidad de buscar fuera de mnimos locales lo que en este trabajo ha originado el
descartar los mtodos de PD.
4.1.3.4 Tcnicas Heursticas
La palabra heurstica deriva del griego heuriskein, que significa encontrar o descubrir.
El significado del trmino ha variado histricamente e incluso algunos autores han
definido el trmino como antnimo de algortmico. En este sentido Newell et al.27 definen
el trmino como:
25
Monbaliu, J., Jo, J. H., Fraisse, C. W,, and Vadas, R. G. (1990). "Computer aided design of pipe networks." Water
resource systems application, S. P. Simonovic, I. C. Goulter, D. H. Burn, and B. J. Lence, eds., Friesen Printers,
Winnipeg, Canada.
26
Granados, A. (1990). Redes colectivas de riego a presin. E.T.S.I.C.C. y P., U. Politcnica de Madrid.
27
Newell, A., Shaw, C., Simon, H.A., 1962. The process of creative thinking. In: Grubert, H.E., Wertheimer, W. (Eds.),
Contemporary Approaches to Creative Thinking. Atherton Press, New York.
CIACUA
73

A un proceso que puede resolver un cierto problema, pero que no ofrece

ninguna garanta de lograrlo se le denomina una heurstica para ese
problema
Actualmente, el trmino suele utilizarse como adjetivo, refirindose a cualquier tcnica

que mejore el desempeo en promedio de la solucin de un problema, aunque no mejore
el desempeo en el peor caso. Una definicin ms precisa y adecuada es la que
proporciona Reed28:
Una heurstica es una tcnica que busca soluciones buenas (es decir, casi
ptimas) a un costo computacional razonable, aunque sin garantizar factibilidad
u optimalidad de las mismas. En algunos casos, ni siquiera puede determinar
qu tan cerca del ptimo se encuentra una solucin factible en particular
La aplicacin de tcnicas heursticas en procesos de optimizacin permite la bsqueda de

posibles soluciones ms all de mnimos locales, lo que ampla en muchas ocasiones el
campo de bsqueda, y por tanto, la capacidad de obtener buenas soluciones. Dentro de
las tcnicas heursticas se encuentra un grupo de particular inters, como es el de los
Algoritmos Evolutivos (AE). Los AE presentan diferencias respecto a las tcnicas
tradicionales de bsqueda y optimizacin, entre las que se destacan:
Utilizacin de una poblacin de soluciones potenciales en lugar de un nico

individuo, lo que hace estas tcnicas menos sensibles a quedar atrapadas en
mximos y mnimos locales.
Utilizan operadores probabilsticos, mientras que las tcnicas tradicionales utilizan
operadores determinsticos. Es importante resear que el hecho de que una
tcnica evolutiva utilice operadores probabilsticos no implica que opere de manera
anloga a una tcnica de bsqueda aleatoria.
No necesitan conocimiento especfico acerca del problema que van a resolver.
Los principios de estas tcnicas evolutivas datan de principios de los aos 1930s, donde
la evolucin natural comienza a ser vista como un proceso de aprendizaje por el hombre.
As, W.D. Cannon (1963), en su libro The Wisdom of the Body manifiesta que el proceso
evolutivo es algo similar al aprendizaje por ensayo y error que se da en los seres
humanos. Ya a finales del ao 1950, el bilogo Alexander S. Fraser public una serie de
trabajos sobre la evolucin de sistemas biolgicos en una computadora digital. El trabajo
de Fraser incluye, entre otras cosas, el uso de una representacin binaria, un operador de
cruce probabilstico, una poblacin de padres que se reproduca y el empleo de
mecanismos de seleccin. El trabajo de ms de 10 aos de Fraser queda resumido en su
libro Computer Models in Genetics y puede considerarse como un anticipo de las
tcnicas evolutivas que se desarrollaran aos despus.
28
Reed, R. (1967). Plant Location and Maintenance. Homewood, IL: R.D. Irwin.
CIACUA
74

El trmino computacin evolutiva engloba una serie de tcnicas inspiradas en los

principios de la teora Neo-Darwiniana de la evolucin natural. En trminos generales,
todas estas tcnicas tienen una serie de principios comunes, independientemente del
proceso en el que puedan estar inspiradas. De este modo, puntos comunes en todas las
tcnicas evolutivas son:
Existencia de una estructura de datos utilizada para almacenar un individuo.

Existencia de operaciones que afecten a los individuos.
Una funcin de aptitud que nos indica lo buena o mala que es la solucin obtenida
respecto a las dems.
Un mecanismo de seleccin que implemente un criterio de supervivencia en el
algoritmo, permitiendo reproducirse tan slo a los ms aptos, tal como postula
Darwin.
La mayora de estas tcnicas son susceptibles de ser aplicadas en infinidad de campos,

dada la versatilidad que presentan. Existe una gran variedad de distintas tcnicas de
bsqueda de soluciones, algunas de las cuales se enumeran a continuacin, respetando
el nombre original anglosajn:
Hill Climbing.
Simulated Annealing.
Quantum Annealing.
Tabu Search Beam Search.
Algoritmos genticos (Genetic Algorithms, en adelante AG).
Particle Swarm Optimization (en adelante PSO).
Ant Colony Optimization.
Estrategic Evolution.
Differential Evolution.
Harmony Search (en adelante HS).
Shuffled Frog Leaping Algorithm (en adelante SFLA)
Cada una de estas tcnicas es susceptible de ser aplicada en infinidad de campos donde
se requiere un proceso de optimizacin. De cara al planteamiento inicial del trabajo de
optimizacin de redes de distribucin de agua se ha optado por emplear AG. En particular
se emplear el modelo desarrollado por Mora et al.29
29
D. Mora-Melia; P.L. Iglesias-Rey; F.J. Martinez-Solano; V.S. Fuertes-Miquel (2013). "Design of Water
Distribution Networks using a Pseudo-Genetic Algorithm and Sensitivity of Genetic Operators". Water
Resources Management. September 2013, Volume 27, Issue 12, pp 4149-4162.
CIACUA
75

4.1.4
Sistemas de Drenaje Urbano Sostenibles (SUDS)
Los primeros sistemas de drenaje pluvial se basaron en las redes de alcantarillado

sanitario, enviando estas aguas directamente al cuerpo receptor, con muy poco e incluso
ningn tipo de atenuacin o tratamiento. Sin embargo, con el aumento en las tasas de
urbanizacin y el CC, esta aproximacin ha demostrado ser insostenible en la mayora de
los casos (Qin et al., 2013).
Aumentar el tamao de las tuberas pertenecientes a los sistemas de drenaje
convencionales puede no ser la mejor solucin a la gestin de las aguas pluviales.
Durante los aos 90, la escorrenta fue reconocida como un agente ambiental daino,
dando as paso a nuevos objetivos en el marco de la gestin de aguas lluvias (Burns et
al., 2012). Esto a su vez permiti que nuevas estrategias de manejo de las aguas
pluviales emergieran, dentro de las cuales se encontraron los SUDS, tambin conocidas
como tcnicas de Low Impact Design (LID) o Water Sensitive Urban Design (WSUD).
Existen distintos tipos de SUDS tales como las estructuras de retencin, detencin y/o
infiltracin, los pozos hmedos y los techos verdes. Al integrar varias de estas tcnicas se
reduce la carga de escorrenta, y consecuentemente, se requerirn redes de alcantarillado
pluvial con dimetros ms pequeos en sus tuberas, o en el caso de sistemas existentes,
se tendr una menor probabilidad de que se presenten sobrecargas. En caso que el
sistema existente sea de tipo combinado, la aplicacin de estas tcnicas significarn un
menor caudal de escorrenta entrando al sistema, y por ende se presentarn menos
desbordamientos en los reboses combinados.
De acuerdo con Fletcher et al. (2013), los objetivos principales de los SUDS consisten en
gestionar el ciclo del agua urbana de una manera sostenible, manteniendo o retornando el
rgimen de flujo lo ms cercano posible a su nivel natural, protegiendo y restaurando la
calidad del agua, y considerando el agua lluvia como un recurso que mejora los paisajes y
las instalaciones urbanas.
El potencial de los SUDS no se limita a la gestin de las aguas lluvias, sino que tambin
buscan subsanar la escasez de agua, reducen las temperaturas urbanas y mejoran
waterway heath y los paisajes de las ciudades (Wong et al., 2013). De este modo, la
hidrologa urbana se ha desarrollado para mejorar la gestin de los sistemas hdricos
urbanos en referencia con la salud pblica y el saneamiento, la proteccin contra
inundaciones, y ms recientemente la proteccin del medio ambiente y la habitabilidad de
las ciudades (Fletcher et al., 2013).
4.1.5
Herramientas de Apoyo a la Decisin
Las estructuras de almacenamiento utilizadas para adaptar los sistemas existentes de

drenaje urbano con el fin de que sean capaces de enfrentar el aumento de la escorrenta
urbana necesitan ser ubicadas y dimensionadas adecuadamente de forma tal que
mitiguen el riesgo inherente para la gente y sus propiedades, en particular considerando
el aumento en los caudales pico resultantes de los procesos de urbanizacin y el CC.
CIACUA
76

Dado que se requiere una inversin significativa para esto, se debe adquirir un
compromiso apropiado entre los aspectos tcnicos y econmicos involucrados. El proceso
de decisin para satisfacer los diferentes requerimientos de una manera oportuna y
precisa requiere tareas de gran complejidad. Cuando el nmero de los posibles cursos de
accin es demasiado grande para permitir la evaluacin individual, la eficiencia de las
herramientas de apoyo a la decisin puede ser mejorada a travs del uso de modelos de
optimizacin.
4.1.5.1 Modelos de Optimizacin
Los modelos de optimizacin aplicados a la reduccin de inundaciones a travs del uso
de estructuras de almacenamiento en sistemas de drenaje urbano es un problema que se
remonta a la dcada de 1970. Los primeros intentos de modelacin matemticamente
hechos para la ubicacin de las estructuras de almacenamiento fueron desarrollados por
Doyle et al. (1976) y Curtis y McCuen (1977). Por su parte, Mays y Bedient (1982) y
Bennett y Mays (1985) desarrollaron modelos de optimizacin enfocados a la
minimizacin de los costos involucrados en la localizacin y dimensionamiento de
estructuras de detencin basados en mtodos de programacin dinmicos. Otras
aproximaciones se han orientado hacia la obtencin de soluciones con costo-efectivas
para las capacidades y caudales de salida de los tanques de almacenamiento,
alcanzando as niveles deseados de desempeo (Nix and Heaney, 1988; Segarra, 1995).
Los mtodos de programacin dinmica (PD) fueron usados tambin en el modelo de
optimizacin desarrollado por Papa and Adams (1997) para encontrar la geometra ptima
de los estanques de detencin en un sistema compuesto por mltiples cuencas
dispuestas paralelamente, considerando as niveles especficos para el control de la
contaminacin en los puntos de descarga.
Esta misma aproximacin fue extendida en Behera et al. (1999), y adaptada a un modelo
similar en Rathnam et al. (2002). Ms recientemente, Travis y Mays (2008) presentaron
una nueva metodologa de PD que busc determinar el tamao y las dimensiones ptimas
de estructuras de retencin.
Muchos de estos modelos de optimizacin han sido abordados a travs de formulaciones
de un nico objetivo, conocidas tambin como mono-objetivo, en bsqueda de la
minimizacin de costos. Sin embargo, varios objetivos pueden ser considerados para
abordar el problema relacionado con la localizacin y dimensionamiento ptimos de
estructuras de almacenamiento, dentro de los cuales se pueden encontrar criterios
ambientales, sociales y tcnicos. Tradicionalmente, estos objetivos son considerados
como restricciones en la formulacin mono-objetivo de la optimizacin econmica. Sin
embargo, un enfoque alterno interesante permitira a los decisores mejorar la perspectiva
acerca del cumplimiento simultneo de los diferentes objetivos, hacindolos renunciar a
algunas decisiones acerca de la seleccin de la mejor configuracin del sistema. Este
nico requerimiento da lugar a la formulacin relacionada con la planeacin de la
localizacin y el dimensionamiento de estructuras de almacenamiento como un problema
CIACUA
77

de optimizacin multi-objetivo (Yeh and Labadie, 1997; Yadzi and Neyshabouri, 2012). La
frontera de Pareto, compuesta por soluciones eficientes, representa el espacio de
soluciones no dominadas, en donde no es posible alcanzar mejoras en ningn objetivo sin
deteriorar al menos otro objetivo.
Las metodologas propuestas en la literatura para la aproximacin de la Frontera de
Pareto usualmente son rigurosas, y requieren un tiempo computacional excesivo para
lograr una buena aproximacin al ptimo (Ruzika and Wiecek, 2005). Para complementar
lo anterior, la escogencia de una solucin perteneciente a la frontera de Pareto puede ser,
por si misma, una tarea muy difcil. En efecto, aunque la solucin a un problema multiobjetivo est posiblemente compuesta por un conjunto infinito de puntos de Pareto, solo
algunos puntos dentro de la frontera son interesantes en la consecucin de soluciones
prometedoras para el decisor, quien no est interesado en la complejidad y las
soluciones inmesurables propios de la frontera de Pareto. Para este fin, el mtodo de
ponderacin ha sido ampliamente utilizado en el manejo de modelos relacionados los
recursos hdricos (e.g.: Kuo et al., 2003; Zeferino, et al. 2010).
Los modelos de optimizacin se encuentran clasificados como determinsticos o
estocsticos, dependiendo de la naturaleza de los datos involucrados. Los enfoques
determinsticos suponen que todas las variables de entrada del modelo son conocidas con
absoluta certeza, lo cual raramente ocurre en los sistemas de la vida real. La necesidad
de modelar la incertidumbre ha sido reconocida como vital en el desarrollo de una
planeacin precisa.
Esto es particularmente cierto en la planeacin de sistemas de drenaje urbano en donde
los eventos de precipitacin incluyendo los efectos del CC son pertinentes.
Tradicionalmente, los modelos se encuentran formulados seleccionando un pronstico
correspondiente al valor medio de los parmetros desconocidos.
Para entender el impacto de las diferencias entre los datos replicados a travs del modelo
y los parmetros de entrada supuestos, debe ser utilizado un anlisis de sensibilidad. Sin
embargo, este puede ser considerado como un procedimiento de post optimalidad
reactiva, el cual examina nicamente el impacto de los cambios en la informacin del
modelo. Una aproximacin diferente incorporar proactivamente algn conocimiento
acerca de la incertidumbre en la etapa de diseo para la produccin de soluciones menos
sensibles a perturbaciones en la informacin.
De esta manera, una estrategia comn es la planeacin de escenarios, la cual requiere la
discretizacin de un espacio de parmetros incierto, resultando as un grupo de posibles
estados del mundo conocidos como escenarios. Estos enfoques consideran
explcitamente los diferentes escenarios y proponen encontrar soluciones que tengan un
buen desempeo en cada uno de ellos (Rockafellar and Wets, 1991). La idea de utilizar
modelos proactivos basados en escenarios, los cuales deben tratar con incertidumbre en
CIACUA
78

sus parmetros, han recibido mucha atencin particularmente al seguir el concepto de

optimizacin robusta, propuesto por Mulvey et al (1995).
4.2 Optimizacin sin Control Hidrulico

4.2.1
Formulacin del Problema de Optimizacin
A la vista del estudio previo de las diferentes tipologas de depsitos de retencin

existentes, del estado del arte sobre la utilizacin de los mismos y los trabajos previos
existentes en la literatura sobre optimizacin se establecen las siguientes hiptesis para el
desarrollo y formulacin del modelo de optimizacin:
Se emplearn diferentes escenarios de lluvia que correspondern a las diferentes

predicciones realizadas y basadas en los estudios de Cambio Climtico. De esta
forma los escenarios a considerar son aquellos considerados como los
potencialmente peligrosos dentro de un margen de fiabilidad.
Se deber dispone de un estudio previo de la transformacin lluvia-escorrenta, de
forma que el modelo hidrulico considere que los caudales se aportan
directamente en los nudos de entrada del modelo. En otras palabras, el estudio de
transformacin lluvia-escorrenta se realizar de forma independiente al modelo
hidrulico.
Se deber tomar como partida un modelo calibrado de la red de drenaje, ya que el
anlisis de cada uno de los escenarios de operacin debe ser lo ms preciso
posible.
El modelo hidrulico de anlisis considerado es el modelo SWMM30.
Ser necesario que el modelo empleado sea lo ms sencillo y simplificado posible,
sin prdida por ello de precisin. La simplicidad del modelo influir notablemente
en la velocidad de clculo del proceso de optimizacin, ya que cada una de las
estrategias analizadas deber ser analizada mediante el modelo hidrulico de
simulacin SWMM.
El problema de optimizacin se abordar en trminos de volumen de agua. De
esta forma en una primera formulacin del problema de optimizacin toda la
funcin objetivo podr ser definida en trminos de unidades de volumen.
De entre todas las tcnicas matemticas descritas parece que las tcnicas
heursticas son las que pueden ofrecer unas mayores prestaciones. Por ello,
basndose en la experiencia previa, se desarrollar un modelo inicial con APG
(Mora et al., 2013).
30
Rossman, L. A. (2010). Storm water management model users manual, version 5.0. National Risk
Management Research Laboratory, Office of Research and Development, U.S. EPA, Cincinnati, OH.
CIACUA
79

4.2.1.1 Objetivo del Problema

El objetivo central del presente trabajo es optimizar el nmero y tamao de los depsitos
que sera necesario instalar en una red de drenaje de aguas pluviales para controlar las
inundaciones.
De forma ms especfica se partir de un modelo de una determinada red en SWMM
sobre la cual se habr realizado ya el estudio hidrolgico a partir de una lluvia de diseo
considerada adecuada de acuerdo con la probabilidad de riesgo que se desee asumir.
Dicho modelo hidrulico inicial genera inundaciones en diferentes puntos del sistema. El
objetivo del trabajo y del modelo de optimizacin es definir las actuaciones necesarias, sin
utilizar CTR, que permitan reducir las inundaciones.
Para ello las opciones a considerar de forma general son: actuacin sobre los niveles de
arranque y parada de los potenciales grupos de bombeo y definicin de potenciales
ubicaciones y tamaos de los tanques de tormenta que sera necesario instalar. Aunque
el planteamiento y la formulacin realizada incluyen tanto la optimizacin de los grupos de
bombeo como el diseo de los tanques de tormenta, en una primera etapa de validacin
del modelo nicamente se va a considerar la posibilidad de ubicar tanques de tormenta ya
que las redes utilizadas como ejemplo no contienen grupos de bombeo.
4.2.1.2 Variables de Decisin
Las variables de decisin que pueden contemplarse en el problema de optimizacin
planteado son las siguientes:
Variables relacionadas con las bombas del modelo. En el modelo SWMM todas las
bombas presentan dos variables que definen su funcionamiento y que se han
considerado como variables de decisin del problema: el nivel de arranque y el
nivel de parada. Dichos niveles estn siempre referidos al nudo aguas arriba de
las bombas que en la prctica sera un determinado pozo o depsito que estaran
vaciando.
Variables relacionadas con los nudos del modelo. Los nudos del modelo en
SWMM presentan una cierta capacidad de almacenamiento relacionada con la
seccin transversal de los mismos. El modelo de optimizacin permitir
seleccionar varios de los nudos del modelo para estudiar en los mismos la
posibilidad de instalar un depsito de retencin o tanque de tormenta. As con
cada uno de estos nudos se asocia una variable de decisin que corresponde a la
seccin equivalente adicional que presentara un tanque en caso de ser instalado
en dicho nudo. Dicho valor de la seccin equivalente adicional vara entre 0 y un
valor mximo que se determina previamente al estudio del proceso de
optimizacin teniendo en cuenta las restricciones de espacio en el trazado urbano
en cada uno de los puntos. En el caso de que como resultado de la optimizacin el
rea adicional sea 0, esto indicara que no es adecuada la instalacin de un
CIACUA
80

tanque de tormenta en dicho nudo, manteniendo en ese caso la capacidad de

almacenamiento inicial que tena el pozo.
Variables relacionadas con los depsitos del modelo. En el caso de que el modelo
inicial de SWMM contenga algn depsito, podr optimizarse su seccin
transversal.
Tanto en el caso de los nudos, como en el caso de los depsitos la seccin transversal
equivalente S del depsito se modelar de acuerdo a la expresin
S A zB C
Ecuacin 4-1.
donde A, B y C son coeficientes caractersticos que permiten ajustar la seccin a

diferentes expresiones; y z es el nivel de agua en depsito. En el caso del modelo de
optimizacin desarrollado se admite que todos los depsitos son de seccin recta
constante, por lo que los valores que adoptan los coeficientes caractersticos A, B y C
son:
A Seccin transversal del depsito
B 0
C 0
Ecuacin 4-2.
4.2.1.3 Funcin Objetivo

La funcin objetivo del problema de optimizacin se ha optado por definirla en trminos de
volumen ya que de esta forma se puede considerar de forma conjunta tanto las
inversiones en depsitos de retencin como los excesos de volmenes de agua en forma
de inundaciones. Dicha funcin objetivo contempla tres trminos:
Nivel de inundacin en los diferentes nudos de la red.

Volumen de depsitos que es necesario instalar en cada una de las soluciones.
Volumen de almacenamiento mximo de agua en la red. Esta ltima opcin se
aade para incluir en la funcin objetivo la posibilidad de incluir el nivel de llenado
de la red como parte del objetivo a considerar.
Matemticamente dicha funcin objetivo puede definirse como:

N
i 1
i 1
i 1
F 1 VI (i) 2 VDN (i) 3 Vmax (i)
Ecuacin 4-3.
En la Ecuacin 4-3 el primer trmino recoge el sumatorio del volumen de inundacin V I(i)
en cada uno de los N nudos del sistema; teniendo en cuenta que dicho nmero total de
nudos es la suma del nmero de pozos NN y del nmero de depsitos ND. El segundo
trmino de la ecuacin recoge la suma de los volmenes VD(i) de todos los depsitos que
finalmente se han instalado en el sistema, tanto aquellos que estaban originalmente y han
sido dimensionados como aquellos que se han instalado nuevos en nudos que existan
CIACUA
81

previamente en el modelo. El tercer trmino de la Ecuacin 4-3 recoge la suma de los

volmenes mximos de agua en el interior de cada una de las L conduccin del modelo.
En la funcin objetivo, cada uno de los trminos definidos lleva delante un multiplicador de
Lagrange i. Cada uno de estos multiplicadores permite dar valor a cada una de las partes
de la funcin objetivo. As, en el caso de que no se desee considerar el grado de llenado
de los conductos como parte de la funcin objetivo basta con que el valor 3 sea nulo. Por
otra parte, si lo que se desea es encontrar soluciones en las que no exista ningn tipo de
inundacin el multiplicador 2 deber adoptar un valor muy elevado de forma que
cualquiera que sea el nivel de inundacin el valor de la funcin objetivo sea muy alto.
4.2.2
Manual de Usuario de la Herramienta de Optimizacin
Todo el proceso de optimizacin descrito con anterioridad se ha integrado dentro de una

herramienta especfica que se ha denominado COLCIENCIAS-OptiTank. Dicha
herramienta contiene los algoritmos de optimizacin descritos y permite no solo optimizar
la red objeto de estudio sino gestionar sus soluciones.
Figura 4-8. Pantalla principal del modelo de optimizacin COLCIENCIAS-OptiTank.
El aspecto general de la aplicacin COLCIENCIAS-OptiTank es el que recoge la Figura

4-8. Las cuatro opciones principales de la aplicacin son:
Abrir. Esta opcin permite abrir el archivo de extensin *.INP con formato SWMM5
que contiene la totalidad de la definicin de la red. Dicho archivo puede haber sido
generado directamente mediante el programa SWMM5 o mediante la edicin
directa del mismo. En cualquier caso debe contener la estructura de definicin
tpica de SWMM5. En el caso de que el archivo no se haya generado directamente
con el modelo SWMM5 se recomienda validar su funcionamiento en el modelo
antes de proceder a la optimizacin. Sin duda, errores en la introduccin de los
datos o en la definicin de la red afectarn de forma decisiva al proceso de
optimizacin.
CIACUA
82

Opciones. Esta opcin abre el Formulario de Opciones de Optimizacin que se

describe ms adelante.
Calcular. Esta opcin abre el Formulario de Clculo que se describe ms adelante.
Escenario. Una vez se ha finalizado el proceso de optimizacin se activa el botn
con la opcin Escenario. Esta opcin permite guardar el resultado de la
optimizacin en formato *.INP de SWMM5.
Adems de las opciones principales de manejo del programa, el formulario principal de

COLCIENCIAS-OptiTank recoge dos cuadros principales: Archivo Original y Archivo
Optimizado. En cada uno de estos cuadros se recogen los diferentes sumandos de la
funcin objetivo:
Inundacin. Recoge el volumen total de inundacin en la red en todos los nudos

del sistema.
Volumen. Recoge el volumen de almacenamiento en red.
Depsitos. Recoge el volumen de la totalidad de los depsitos considerados en el
sistema.
Funcin Objetivo. Recoge el valor de la funcin objetivo, sumando los tres
trminos anteriores, cada uno de ellos teniendo en cuenta su correspondiente
multiplicador de Lagrange.
La primera vez que se abre un archivo aparecen los resultados del archivo en el cuadro
Archivo Original. Una vez terminado el proceso de optimizacin los resultados aparecen
en el cuadro Archivo Optimizado.
4.2.2.1 Formulario Opciones de Optimizacin
El formulario de Opciones de Optimizacin (ver Figura 4-9) debe seleccionarse antes de
iniciar el proceso de Optimizacin propiamente dicho. El formulario de Opciones de
Optimizacin contiene las siguientes opciones:
Coeficientes de ponderacin de los distintos trminos de la funcin objetivo. La

funcin objetivo definida contempla tres trminos diferentes: volumen de agua
acumulado en la red; volumen de inundacin generado; y volumen de depsitos
aadido. En este formulario se especifica el valor de los multiplicadores de
Lagrange de cada uno los trminos de la funcin objetivo. En caso de que uno de
los trminos no se desee considerar en la optimizacin bastar con indicar 0 en el
formulario correspondiente. En el caso de que la variable considerada no sea un
objetivo de la funcin sino una restriccin, puede utilizarse un multiplicador de
Lagrange suficientemente grande de forma que cualquier solucin que no cumpla
la restriccin sea automticamente eliminada.
CIACUA
83

Figura 4-9. Formulario de Opciones de Optimizacin.
Intervalos de discretizacin de las variables continuas. En el modelo desarrollado

es posible optimizar tres elementos principales: las bombas, los nudos y los
depsitos. De las bombas se puede optimizar el nivel de arranque y parada de las
bombas. De los nudos seleccionados se determina si estos pueden ser
potencialmente convertidos o no en tanques de almacenamiento y en caso positivo
el volumen de los mismos. En el caso de los Depsitos se optimiza la propia
seccin de los depsitos ya definidos en el modelo. Dado que todas las variables
(niveles, volmenes, secciones) son continuas ha sido necesario discretizarlas.
Por ello en este formulario es necesario definir el nmero de intervalos de
discretizacin de cada uno de los tipos de variable.
Herramientas de edicin de los elementos que se van a optimizar. Es necesario
especificar del archivo cules son las bombas que se optimizan, cules los nudos
que potencialmente son depsitos y cules son los depsitos a optimizar. Esto se
realiza mediante las opciones de seleccin de cada uno de los elementos. Estas
opciones de seleccin son:
o Herramientas de seleccin de Bombas. En esta ventana (ver Figura 4-10)
se recogen la totalidad de las bombas del sistema. Las dos opciones
disponibles para cada una de las bombas son:
OMITIR. Con esta opcin el elemento realiza las opciones que
tenga definidas en el archivo INP de SWMM5. Las consignas de
arranque y parada de las bombas sern las definidas inicialmente
en dicho archivo.
SWMM. Con esta opcin se especifica que las consignas de
arranque y parada de la bomba se van a optimizar durante el
proceso de clculo.
CIACUA
84

Figura 4-10. Opciones de optimizacin de las Bombas.
En la parte derecha de la Figura 4-10 se recogen los valores del nivel de

arranque y el nivel de parada de la bomba. Estos valores se recogen a
modo orientativo a fin de poder dar una idea del funcionamiento del
sistema. En ningn momento puede modificarse el nudo de control de la
bomba, que por defecto en el modelo SWMM siempre es el nudo aguas
arriba de la bomba.
Herramientas de seleccin de Nudos. Esta herramienta permite seleccionar
de entre todos los nudos del sistema (Figura 4-11) aquellos que
consideramos candidatos a ser potenciales ubicaciones de los tanques de
tormenta. Para cada nudo seleccionado y fijado como potencial depsito de
almacenamiento es necesario definir el rango dentro del cual se optimizar
la seccin del depsito. As se fija el valor mnimo de la seccin del
depsito (A. Min) y el valor mximo de dicha seccin (A. Max).
Figura 4-11. Opciones de optimizacin de los Nudos.
CIACUA
Herramientas de seleccin de Depsitos. Esta herramienta (Figura 4-12)

permite seleccionar de entre los depsitos ya existentes en la red aquellos
que consideramos candidatos a ser optimizados en cuanto a sus
dimensiones. Al igual que en el caso de los Nudos de cada uno de los
85

elementos seleccionados es necesario definir el rango de la seccin del

depsito.
Figura 4-12. Opciones de optimizacin de los depsitos.
Adems de las herramientas anteriores, existen tres opciones para la seleccin

global de todas las Bombas, todos los Nudos o todos los Depsitos (ver Figura
4-13).
Figura 4-13. Opciones generales de edicin.
Men de almacenamiento de las Opciones de Optimizacin. En el formulario de

Opciones de Optimizacin se ha definido un men para poder almacenar y cargar
las diferentes opciones de Optimizacin. Una vez definidas todas las opciones de
un determinado proceso de optimizacin estas pueden almacenarse en un fichero
de extensin *.OPT. La siguiente vez que se deseen utilizar las mismas opciones
no ser necesario volver a introducirlas, sino recuperar el archivo de opciones.
Figura 4-14. Men de almacenamiento de las Opciones de Optimizacin.
4.2.2.1 Formulario de Clculo

El Formulario de Clculo (ver Figura 4-15) recoge las opciones especficamente
relacionadas con el Algoritmo Pseudo-Gentico (PGA) utilizado en su desarrollo (Mora et
at., 2013).
CIACUA
86

Figura 4-15. Formulario de Clculo.
Las opciones del formulario de Clculo son:
Cruzamiento. Este parmetro representa la probabilidad de cruzamiento de un AG

clsico. Es decir, qu porcentaje de las cadenas de la poblacin original se van a
cruzar. En los modelos de optimizacin basados en AG clsicos, ste es un
parmetro decisivo a la hora de encontrar el valor mnimo de la funcin objetivo.
En el caso del algoritmo PGA es un parmetro de importancia menor respecto de
la mutacin. De forma general valores entre 0.6 y 0.9 funcionan en muchos de los
casos.
Generacin Mxima. Este parmetro determina la condicin de parada del
algoritmo. Se trata de nmero de generaciones consecutivas sin cambio en el
valor mnimo de la funcin objetivo.
Mutacin. Este parmetro representa la probabilidad de mutacin clsica de un
AG. Aunque el algoritmo PGA utiliza un modelo de mutacin diferente basado en
cdigos Grey, el orden de magnitud de este valor es similar a algoritmos clsicos.
Debe ser aproximadamente un valor igual a 1/n variables de decisin.
Poblacin. Es la poblacin clsica de un AG. Como orden de magnitud debe ser
superior al nmero de variables de decisin. Cuanto mayor sea el tamao de la
poblacin mayor ser la probabilidad de encontrar el valor mnimo de la funcin,
pero tambin ser mayor el coste computacional.
Adems de las opciones anteriores, el formulario contiene el botn Calcular que activarse
inicia el proceso de optimizacin.
CIACUA
87

Figura 4-16. Formulario de Clculo durante el proceso de optimizacin.
Los elementos que se visualizan en el formulario de Clculo durante el proceso de

optimizacin son:
Generacin. Se recoge en esta etiqueta la generacin actual de clculo, as como

el nmero de generaciones sin cambio en el valor mnimo de la funcin objetivo.
Iteracin. Es la iteracin (elemento de la poblacin que se est analizando en
cada instante). El valor de iteracin varas desde 1 hasta el valor del tamao de
poblacin. Cuando alcanza el valor mximo, el valor de Generacin aumenta en
una unidad.
Solucin. Valor numrico mnimo de la funcin objetivo.
Adems de las opciones anteriores est activo en todo momento el botn de Clculo. El
proceso de optimizacin puede ser detenidos de dos formas diferentes: o bien se alcanza
el nmero mximo de generaciones sin que se produzca un cambio en el valor mnimo; o
bien se pulsa el botn de Clculo y el proceso se detendr al finalizar el anlisis de la
generacin en curso.
4.2.3
Ejemplo de Estudio
Para poder realizar el estudio preliminar del funcionamiento del modelo de optimizacin
propuesto se ha realizado el estudio de una red de ejemplo. Dicha red se ha obtenido
como una simplificacin de la red inicial del sector de Chic en la ciudad de Bogot. Por
este motivo en lo sucesivo se referir a dicha red como Mini-Chic Sur.
Algunas de las caractersticas bsicas de dicha red son las siguientes:
Superficie total de drenaje: 57.6 Ha.

Nmero de subcuencas definidas: 36
Longitud total de red considerada: 4840 m.
CIACUA
88

Rango de dimetros: 350 1400 mm.

Nmero total de nudos considerado: 36
Rango de cotas: 2548.97 2587.65 (38.68 m de desnivel).
Rango de profundidades de los pozos: 0.91 4.12 m.
La lluvia considerada para la simulacin ha sido una lluvia de diseo obtenida a partir de
la curva IDF de Bogot con un perodo de retorno de 10 aos. Dicha lluvia de diseo es la
que puede verse en la Figura 4-17.
140
Intensidad de lluvia (mm/h)
120
100
80
60
40
20
0:00
0:30
1:00
1:30
2:00
2:30
3:00
Tiempo (h)
Figura 4-17. Lluvia de diseo utilizada en el ejemplo.
Figura 4-18. Mapa de contorno con los niveles de la red Mini-Chic Sur.
La red funciona completamente por gravedad ya que el perfil del terreno (ver Figura 4-18)
es favorable al drenaje de las aguas pluviales. No existe por tanto en la red ninguna
CIACUA
89

estacin de bombeo. En la Figura 4-19 se recoge el esquema de la red del ejemplo, con la
numeracin de los nudos de la misma.
Figura 4-19. Numeracin de los nudos del ejemplo considerado.
La ordenacin topolgica de los diferentes conductos de la red se recoge en la Tabla 4-1,

donde para cada una de las lneas se recoge el nudo inicial, el nudo final, la longitud y el
dimetro de la lnea. Hay que destacar que en la red analizada la totalidad de las
conducciones son de geometra circular.
Tabla 4-1. Tabla topolgica de las diferentes tuberas de la red Mini-Chic Sur.
CIACUA
Id Lnea
Nudo Inicial
Nudo Final
Longitud (m)
Dimetro (mm)
PLT85674
PMP93041
PMP92827
95.13
350
PLT85675
PMI92748
PMP92901
291.99
550
PLT85990
PMP92864
PMP93205
145.13
750
PLT85992
PMP93205
PMP106384
55.85
750
PLT85743
PMI92782
PMP92990
84.81
400
PLT85745
PMP92827
PMP92864
197.38
500
PLT85676
PMI92766
PMP93041
84.96
350
PLT85738
PMP93099
PMP93031
186.97
900
PLT85739
PMP92900
PMP93198
3.07
600
PLT85742
PMI92754
PMP93031
79.98
500
PLT85879
PMP93000
PMP93036
203.88
600
PLT85881
PMP92901
PMP93198
85.78
600
PLT85736
PMI92734
PMP93099
80.08
300
PLT85669
PMP106384
PMP93075
74.77
850
PLT85671
PMP93075
PMP92896
111.6
850
PLT85673
PMP92896
PMP93101
99.92
900
90

Id Lnea
Nudo Inicial
Nudo Final
Longitud (m)
Dimetro (mm)
PLT85636
PMP92933
PMP93000
187.91
550
PLT85865
PMI92786
PMP93036
85.62
400
PLT85640
PMI92735
PMP93000
85.55
400
PLT85641
PMP93004
PMP92933
93.17
400
PLT85758
PMP93036
PMP92876
113.27
750
PLT85809
PMP93182
PMP92828
293.83
900
PLT85810
PMP92828
PMP92900
85.08
900
PLT85620
PMI92792
PMP92876
68.27
400
PLT85621
PMI92736
PMP92926
66.71
500
PLT85791
PMP92876
PMP93099
81.8
750
PLT85819
PMI92764
PMP92933
179.82
400
PLT85821
PMI92813
PMP93004
260.99
400
PLT85905
PMP93198
PMP92864
194.85
600
PLT100883
PMP106155
PMP106384
88.43
300
PLT85747
PMP93101
PMP92926
174.07
1000
PLT85922
PMP92925
PMP92951
369.19
1400
PLT85771
PMP92926
PMP92925
90.38
1300
PLT85768
PMP92990
PMP92926
270.14
1200
PLT85744
PMP93031
PMP92990
169.28
1100
Antes de proceder a la optimizacin de la red Mini-Chic Sur se realiza un anlisis

preliminar para saber el estado en el que se encuentra la red y ver su respuesta a la lluvia
de diseo de la Figura 4-17. Para ello se realiza el anlisis hidrulico de la red con el
modelo SWMM detectndose que en varios de los nudos de la red se produce inundacin.
Los resultados de la inundacin en los diferentes nudos del sistema se recogen en la
Tabla 4-2. En dicha tabla se observa que la inundacin total del sistema es alrededor de
2475 m3, lo que supone algo ms del 10% de la totalidad de la escorrenta generada
(23121 m3) para la lluvia de proyecto.
Tabla 4-2. Resultados de inundacin en los nudos.
Nudo
CIACUA
Qmax (L/s)
Tinundacin (min:seg)
Vol inundacin (m )
PMI92766
99.27
18:50
64.78
PMP93041
121.40
15:50
52.89
PMP92827
28.69
00:10
0.29
PMP93198
605.04
14:50
317.66
PMP106155
128.78
21:10
89.20
PMP93000
351.19
15:30
195.30
PMI92734
163.35
21:40
105.30
PMP92933
120.10
06:50
30.64
PMP92876
522.17
17:10
303.79
91

Nudo
Qmax (L/s)
Tinundacin (min:seg)
Vol inundacin (m )
PMP92925
511.22
19:10
371.84
PMP92896
612.82
23:30
573.46
PMP93205
504.51
20:10
369.93
TOTAL
2475.08
De forma ms especfica, en la Figura 4-20 y en la Figura 4-21 se recoge la evolucin del

caudal de inundacin en cada uno de los nudos de la red. En la Figura 4-20 se recogen
aquellos nudos en los que el nivel de inundacin es mayor (picos de caudal de inundacin
superiores a 200 L/s), mientras que en la Figura 4-21 se recogen los nudos con menores
caudales.
700
PMP93198
PMP93000
PMP92876
PMP92925
PMP92896
PMP93205
(l/s)
Caudal de Inundacin (L/s)
600
500
400
300
200
100
0
1:00:00
1:10:00
1:20:00
1:30:00
Tiempo (h)
Figura 4-20. Caudales de inundacin principales en la red Mini-Chic Sur.

200
PMI92766
PMP93041
PMP92827
PMP106155
PMI92734
PMP92933
175
(l/s)
Caudal de Inundacin (L/s)
150
125
100
75
50
25
0
1:00:00
1:10:00
1:20:00
1:30:00
Tiempo (h)
Figura 4-21. Caudales de inundacin menores en la red Mini-Chic Sur.
CIACUA
92

En la Figura 4-22 se recogen de forma grfica (color rojo) los nudos en los que se produce
inundacin.
Figura 4-22. Nudos en los que se produce inundacin durante el evento de lluvia considerado.
En definitiva, el anlisis preliminar de la red muestra que la misma es insuficiente para

drenar una lluvia de proyecto como la seleccionada. Es por ello, que le red de ejemplo
Mini-Chic Sur se ha considerado adecuada para verificar los algoritmos de optimizacin
desarrollados.
4.2.4
Estudio del Espacio de Soluciones Posible
Antes de proceder a la optimizacin de la red de ejemplo utilizada y a la presentacin de

la herramienta de optimizacin es necesario analizar el potencial espacio de soluciones
de la red. Este anlisis pretende determinar si es posible eliminar las inundaciones del
sistema con base en la instalacin de tanques de tormenta.
Los tanques de tormenta pueden suponer sin duda una importante solucin al problema
de las inundaciones en determinadas redes de las ciudades. Sin embargo, debe recurrirse
a ellos cuando realmente son eficaces. La eficacia de estos tanques aparece cuando el
sistema no dispone de capacidad suficiente de transporte, pero una cierta laminacin de
los caudales permite controlar las inundaciones.
Este principio de funcionamiento de los tanques no es de total aplicacin en los ramales
iniciales de la red, cuando la laminacin de caudales no puede realizarse con tanques. En
estos casos, los problemas de inundacin nicamente pueden corregirse mediante dos
estrategias diferentes: la laminacin de escorrentas en origen mediante el empleo de
Sistemas de Drenaje Urbano Sostenible (SUDS) o la ampliacin de la capacidad de
transporte de la red de drenaje (aumento de dimetros, duplicacin de tramos o
derivacin de caudales a lneas menos sobrecargadas).
A fin de mostrar estos efectos se ha realizado un anlisis sobre dos de los ramales de la
red objeto de estudio. Son los denominados Ramal 11 y Ramal 3 (ver Figura 4-23). En
ambos casos son ramales que presentan problemas de inundacin. La diferencia entre
CIACUA
93

ellos es que en uno de los casos la instalacin de tanques de tormenta puede reducir las
inundaciones, mientras que en el otro caso dichas estructuras apenas son tiles.
Por ello, en los siguientes apartados se analizan con detalle estos dos ramales.
Figura 4-23. Definicin de los Ramales 3 y 11.
4.2.4.1 Estudio del comportamiento del Ramal 3

A fin de explicar con detenimiento la problemtica del dimensionado de un tanque de
tormenta se ha seleccionado uno de los ramales de la red objeto de anlisis para su
estudio en detalle. Dicho ramal es el denominado Ramal 3, cuyo esquema detallado
puede verse en la Figura 4-24. Asimismo en la Figura 4-25 se recoge el perfil longitudinal
de dicho ramal.
Figura 4-24. Numeracin de nudos y lneas del Ramal 3.
CIACUA
94

Figura 4-25. Perfil longitudinal del Ramal 3.
El anlisis del comportamiento del Ramal 3 permite detectar la insuficiencia de la lnea

PLT85475. Dicha lnea no tiene capacidad de transporte suficiente para el caudal que
recoge de su cuenca vertiente. Por ello, dicha conduccin sistemticamente genera
inundaciones casi independientemente del depsito de almacenamiento que se utilice.
Para evitar las inundaciones en este ramal se ha optado por instalar un depsito de
retencin en el nudo PMP93041. El volumen de dicho tanque depende del nivel de
inundacin que se exija en dicha zona. As en la Tabla 4-3 se recogen los resultados de
dimensionado de dicho depsito.
Tabla 4-3. Dimensionado del depsito PMP93041.
Seccin Tanque
2
(m )
Volumen Tanque
3
necesario (m )
Volumen
3
Inundacin (m )
60
99
36
75
116
26
100
142
14
125
162
150
177
175
190
200
200
330
242
Como puede verse en la Tabla 4-3 dependiendo de las dimensiones del tanque se
obtienen un nivel de inundacin u otro. A la hora de construir el diagrama de Pareto que
representa la relacin entre la seccin de tanque o volumen de tanque y el nivel de
inundacin se parte de una cierta seccin mnima de 60 m2. Esta seccin mnima en el
depsito es la necesaria para garantizar que nicamente se produce inundacin en el
CIACUA
95

nudo PMI92766. A partir de esa seccin mnima, que corresponde a un volumen mnimo
de almacenamiento de 99 m3, se construyen el resto de valores.
El grfico de Pareto que recoge la inversin a realizar en volumen de tanque necesario y
el volumen de inundacin obtenido en el ramal es el que recoge la Figura 4-26. Por su
parte, la seccin requerida para cada volumen es diferente ya que a fin de evitar las
inundaciones existe un nivel mximo que puede alcanzarse en dicho tanque. Por este
motivo, el rea de tanque necesaria en funcin de cada volumen de inundacin es el que
se requiere es el que recoge la Figura 4-27.
40
35
Volumen de Inundacin
30
25
20
15
10
5
0
50
100
150
200
250
300
Volumen de Tanque
(m3)
Figura 4-26. Diagrama de Pareto del Volumen de tanque frente al Volumen de Inundacin.
40
Volumen de Inundacin (m3)
35
30
25
20
15
10
5
0
50
100
150
200
250
300
rea del Tanque (m2)
Figura 4-27. Diagrama de Pareto del rea del Tanque frente al Volumen de Inundacin.
CIACUA
96

350
1.8
300
1.6
250
1.4
200
1.2
150
100
0.8
50
0.6
Altura mnima del Tanque (m)
rea del Tanque (m2)
En definitiva, la definicin de la seccin del tanque no puede realizarse con una relacin
fija entre la seccin y el volumen. Tal como puede verse en la Figura 4-28, cada volumen
de tanque requiere de una seccin especfica y de unos niveles de variacin acotados
para facilitar el funcionamiento de la red. Esta es la problemtica caracterstica de los
tanques on-line con los que se ha optado por solucionar el problema de las inundaciones
en la red Mini-Chic Sur.
0.4
50
100
150
200
250
300
Volumen del Tanque (m3)
Figura 4-28. Relacin geomtrica entre el rea y el volumen de tanque necesario en el nudo PMI92766.
Los resultados mostrados en las grficas y tablas anteriores ilustran la dificultad

relacionada con el diseo del tanque de tormenta. Todas las opciones de diseo vistas
con anterioridad parten de la base de considerar las conducciones fijas. Sin duda el
problema se complica todava an ms en el caso de incluir en la solucin del problema el
redimensionado de alguna de las lneas. La consideracin del dimensionado de las
conducciones como alternativa para la solucin de los problemas de inundacin se ha
dejado al margen en este primer modelo de optimizacin.
4.2.4.2 Estudio del comportamiento del Ramal 11
A diferencia del Ramal 3 estudiado con anterioridad el Ramal 11 presenta la particularidad
de que resulta prcticamente imposible solventar la inundacin en el nudo PMI92734. A
fin de comprender la problemtica se describe brevemente a continuacin dicho ramal.
El perfil longitudinal del conducto (PLT85736) objeto de estudio es el que recoge la Figura
4-29. A tenor de la pendiente de la conduccin (0.00528) y del dimetro del conducto (300
mm) puede calcularse la capacidad mxima de transporte del conducto sin que el mismo
entre en carga. Dicha capacidad mxima del conducto es 83.06 L/s.
CIACUA
97

Figura 4-29. Perfil longitudinal del Ramal 11.
Aporte
(L/s)
lateral
Por el contrario, la cuenca que vierte al nudo inicial de la conduccin (PMI92734) genera
una escorrenta muy superior. Tal como puede apreciarse en la Figura 4-30 los caudales
aportados al nudo son muy superiores a la capacidad mxima de transporte del conducto.
Dichos caudales en ocasiones son hasta cuatro veces mayores que la capacidad mxima
de transporte. Es por ello que este tipo de problemtica no se soluciona con la instalacin
de un tanque de tormenta, sino que debe ir acompaada de una modificacin del dimetro
del conducto. nicamente la acumulacin de agua en el propio nudo PMI92734 permitira
solventar las inundaciones en esta zona de la red.
Tiempo transcurrido (horas)
Figura 4-30. Evolucin de la escorrenta de entrada en el nudo PMI92734.
CIACUA
98

4.2.4.3 Espacio de soluciones de la red Mini Chic Sur

Analizada la red inicialmente considerada se detectan dos zonas donde se produce un
fenmeno parecido al del Ramal 11: el propio Ramal 11 (conducto PLT85736) y el
conducto PLT100883 cuyo nudo inicial es PMP106155 y el nudo final PMP106384.
En ambos casos las capacidades de transporte de la red son insuficientes para las
cuencas que tienen que drenar. Por este motivo a efectos nicamente de verificacin del
modelo de optimizacin y en aras a considerar un espacio de soluciones factible se han
modificado los dimetros de dichos conductos. Sus dimetros originalmente eran de 300
mm y han sido ampliados a 400 mm.
Con esta nueva definicin de la red, los nudos en los cuales se producen inundaciones en
el sistema son los que recoge la Figura 4-31 y que numricamente se recogen en la
Tabla 4-4.
Figura 4-31. Nudos con inundacin en la red Mini-Chic Sur modificada.

Tabla 4-4. Resultados de inundacin en los nudos.
CIACUA
Nudo
Qmax (L/s)
Tinundacin
(min:seg)
Vol inundacin
3
(m )
PMI92766
99.27
0:18:36
65
PMP93041
121.39
0:15:36
53
PMP92827
28.69
0:00:36
<1
PMP93198
605.04
0:15:00
318
PMP93000
351.19
0:15:36
197
PMP92933
120.12
0:06:36
30
PMP92876
624.96
0:17:24
375
99

Nudo
Qmax (L/s)
Tinundacin
(min:seg)
Vol inundacin
3
(m )
PMP92925
529.17
0:19:12
397
PMP92896
657.34
0:23:24
605
PMP93205
595.35
0:20:24
431
TOTAL
2471
Tal como puede apreciarse del anlisis anterior, el problema de inundacin en el sistema
es sensiblemente el mismo, ya que aunque desapareci la inundacin de los nudos
iniciales de ramal el volumen total de inundacin es prcticamente el mismo.
En definitiva, la red an con la modificacin de dos de los dimetros tiene un
comportamiento prcticamente igual si bien es posible afirmar que existe un espacio de
soluciones no vaco. Es decir, es posible encontrar un cierto nmero de tanques en el
sistema que adecuadamente instalados y con el volumen adecuado reduzcan
completamente la inundacin de la red.
4.2.5
Conclusiones y Desarrollos Futuros
A la vista del trabajo realizado y presentado a lo largo del presente informe pueden
extraerse las siguientes conclusiones:
La modificacin de las intensidades de lluvia originadas por el CC hace que gran

parte de las infraestructuras actuales de drenaje de aguas pluviales sean
insuficientes.
La utilizacin de tanques de tormenta o depsitos de retencin se ha mostrado
como una tcnica eficaz en el control de las potenciales inundaciones.
La herramienta de optimizacin desarrollada se ha mostrado til tanto para la
ubicacin como para el control de inundaciones.
La utilizacin exclusiva de tanques de tormenta no es en ocasiones la solucin al
problema. En determinadas circunstancias, los caudales ingresados en las redes
son demasiado grandes para la capacidad actual de la red. En estos casos es
necesario considerar la modificacin de la capacidad de la red antes de proceder
al dimensionado de los tanques de tormenta.
El modelo de optimizacin desarrollado incluye nicamente tanques on-line, lo que
sin duda restringe de manera significativa la capacidad de optimizacin. Parece
claro que en el caso de poder utilizar sistemas off-line los volmenes necesarios
pudiesen ser ligeramente inferiores a los obtenidos.
Los modelos de optimizacin basados en simulacin hidrulica requieren del uso
de un modelo de clculo basado en la onda dinmica. Este modelo tiene un
importante costo computacional. Por ello la simplificacin al mximo de las redes
de saneamiento se vuelve decisiva a fin de que los tiempos de clculo sean
razonables.
CIACUA
100

Adems de las breves conclusiones enumeradas, se han detectado algunas lneas sobre
las que se debe continuar el trabajo desarrollado. Algunas de estas lneas son las
siguientes:
Se han observado discrepancias entre el modelo de representacin del

almacenamiento de agua en un nudo y en un depsito en SWMM. Debera
profundizarse en el estudio hidrulico del comportamiento de ambos elementos a
fin de encontrar una formulacin comn que permita tratar el almacenamiento de
agua de la misma forma en los dos elementos.
El modelo de optimizacin desarrollado debe extenderse no solo a tanques on-line
sino tambin a tanques off-line.
El modelo APG utilizado como motor del proceso de optimizacin est optimizado
para ciertos procesos hidrulicos. No obstante, los parmetros caractersticos de
dicho modelo deberan estar ajustados al problema en cuestin. Por ello sera
necesario realizar un anlisis de sensibilidad de los parmetros del algoritmo a fin
de ver la influencia que tienen en la solucin final.
El problema de optimizacin se puede formular como un problema multi-objetivo.
Una mejora indiscutible del modelo sera incluir dentro del motor de optimizacin
un algoritmo multi-objetivo que permita establecer para cada problema la frontera
de Pareto en la que se encuentran las diferentes soluciones ptimas.
Ampliar las capacidades del modelo de optimizacin considerando no nicamente
la posibilidad de control de las inundaciones sino centrando tambin el problema
en el control de la calidad del agua vertida en el cuerpo receptor.
4.3 Optimizacin con Control Hidrulico

4.3.1
Modelo de Decisin para la Localizacin y Dimensionamiento ptimo de

Estructuras de Almacenamiento
4.3.1.1 Herramienta Computacional para el Modelo de Decisin

Las redes de alcantarillado existentes deben estar en la capacidad de recibir y transportar
toda la escorrenta generada por un evento de precipitacin sin que se sobrecargue el
sistema, y por ende, no se presenten inundaciones en las zonas aferentes a la red, o que
por lo menos no se impacte directamente a la poblacin que vive all. Por lo anterior, la
aplicacin del modelo de apoyo a la decisin desarrollado en el marco de este proyecto, y
descrito en este informe, est enfocado a solucionar aquellas situaciones en donde se
tenga un sistema de drenaje urbano que sufra frecuentemente de inundaciones en
algunas de sus reas.
Como consecuencia de lo anterior, el problema que ser resuelto a travs del modelo de
decisin desarrollado consiste en determinar una solucin ptima para la instalacin de
estructuras de almacenamiento, satisfaciendo simultneamente restricciones asociadas
con su capacidad y las inundaciones generadas en las cuencas, el cumplimiento de leyes
CIACUA
101

hidrulicas, y finalmente cumpliendo tambin con otros aspectos regulatorios importantes

especficos en las zonas de estudio. Por ende, se puede decir que una solucin del
problema est compuesta por la localizacin y las dimensiones de las estructuras de
almacenamiento que sern instaladas en un sistema existente. Las ubicaciones
potenciales de los tanques son preseleccionados con base en un inventario de nudos
crticos de la red, sus respectivas cuencas y otros factores que determinan la factibilidad
de instalar un tanque de detencin tales como la disponibilidad del suelo, las condiciones
geogrficas de la regin de estudio y las consideraciones legales propias de esta.
Por lo anterior, las complejidades que caracterizan este problema obligan a que las
decisiones necesarias relacionadas con su solucin sean determinadas a travs de un
modelo de optimizacin. El modelo propuesto posee una formulacin con un nico
objetivo, tambin conocida como mono-objetivo, y puede ser implementada a travs de
dos aproximaciones: Basada en costos y basada en volmenes. La primera de estas
aproximaciones se encuentra basada en la minimizacin de costos, incluyendo aquellos
relacionados tanto con la construccin de los tanques de almacenamiento como con los
daos potenciales generados por las inundaciones en las zonas aledaas al sistema. En
ausencia de estimaciones precisas que caractericen los costos asociados con los daos
por inundacin, se decidi utilizar la segunda aproximacin, la cual utiliza los volmenes
involucrados en el anlisis como una variable derivada de los costos (volumen de
inundacin y de las estructuras en s), convirtiendo as el problema en uno de
minimizacin de volmenes.
El modelo de apoyo a la decisin desarrollado para determinar la localizacin y
dimensionamiento ptimos de las estructuras de almacenamiento requiere que para cada
evento de precipitacin que sea analizado, los valores de las variables tales como el
caudal y la variacin del nivel del agua en el sistema de drenaje puedan ser conocidas en
periodos de tiempo especficos. El acceso a este comportamiento hidrulico se realiza a
travs de un software de simulacin hidrulica ampliamente utilizado a nivel mundial, el
cual en este caso es el conocido como EPA Storm Water Management Model, o SWMM
(Rossman, 2010). SWMM es un modelo de simulacin dinmica para la gestin del agua
urbana, en donde su componente de escorrenta utiliza un mtodo basado en el modelo
semi-distribuido de depsitos no lineales. Referente al mdulo hidrulico, especficamente
hablando del trnsito de crecientes, SWMM emplea la versin completa, o la simplificada,
de las ecuaciones de Saint-Venant en una dimensin (Rossman, 2010).
Por consiguiente, los resultados obtenidos en simulacin hidrulica realizada deben ser
ensamblados en el modelo de optimizacin desarrollado. Para este fin, el intercambio de
informacin entre SWMM y el algoritmo optimizador, en este caso Simulated Annealing,
se realiza a travs de una herramienta de conexin conocida como SWMM Toolkit (la cual
fue desarrollada en el marco de este proyecto) como se muestra en la Figura 4-32. Es
importante mencionar que tanto el modelo de optimizacin como el Toolkit representan
algunos de los principales productos del proyecto descrito en este informe.
CIACUA
102

Figura 4-32 Interaccin entre el optimizador y el simulador hidrulico.
4.3.1.2 Formulacin de Funcin Objetivo

Para la implementacin del modelo de decisin desarrollado, se propusieron distintas
funciones objetivo de acuerdo con el propsito que estas deban satisfacer, dividindose
principalmente en dos categoras: enfocadas en la minimizacin de costos, y en la
minimizacin de volmenes. La validacin de las decisiones que involucran la aplicacin
de cambios de infraestructura en el sistema de drenaje urbano debe ser ejecutada a
travs de una evaluacin econmica, en donde se busque minimizar los costos globales
que participan en la construccin y operacin del sistema. Los costos mencionados
previamente corresponden a la inversin inicial, representada a travs de costos de
construccin de la red de alcantarillado, y a los costos de operacin, los cuales se
encuentran relacionados con la construccin de estructuras de almacenamiento temporal,
as como con los costos generados por daos potenciales como consecuencia de las
inundaciones.
La inversin inicial y los costos de operacin incluyen la construccin de las estructuras
de almacenamiento (prefabricadas o construidas in-situ), los costos de excavacin y de
ensamblaje, el costo del vertedero de emergencia (en las estructuras de detencin
consideradas en este modelo no fue necesario incluir estos elementos), los costos de
conectarse al sistema de drenaje, la construccin y remocin de pavimentos, y finalmente
el costo de la mano de obra y de las modificaciones hechas al sistema existente. Por su
parte, los costos generados por inundacin pueden ser evaluados con base en los
diferentes impactos esperados, incluyendo as impactos a nivel socio-econmico y
ambiental, los cuales son difciles de establecer en la mayora de los casos.
El inconveniente descrito previamente puede ser superado al utilizar una funcin objetivo
similar a la enfocada en costos, pero esta vez escrita en trminos de los volmenes de
agua involucrados en la operacin del sistema. En particular, la capacidad de las
estructuras de almacenamiento est estrechamente relacionada con sus costos, as como
tambin los volmenes de sobrecarga se encuentran relacionados con sus respectivos
costos por dao.
CIACUA
103

4.3.1.2.1 Minimizacin de Costos

La funcin objetivo propuesta para la minimizacin de los costos globales, descritos
previamente, se muestra en la Ecuacin 4-4. En esta expresin, el primer trmino
corresponde a la sumatoria de la inversin inicial y los costos de operacin del sistema,
siendo estos ltimos los involucrados en la construccin de las estructuras de
almacenamiento. Este primer trmino de la funcin objetivo depende, entre otros
parmetros, de los volmenes de agua que deben ser almacenados al interior de dichos
tanques de detencin. Por su parte, el segundo trmino representa la sumatoria de los
costos asociados con los impactos ocasionados por las inundaciones presentadas como
consecuencia de los volmenes de sobrecarga del sistema bajo un determinado evento
de precipitacin.
Ecuacin 4-4. Funcin Objetivo para la

Minimizacin de Costos
Debido la naturaleza tangible e intangible de algunos aspectos involucrados en el anlisis

de los impactos generados por las inundaciones, los costos que se asocian con estos
pueden llegar a ser muy difciles de evaluar. Adems de esto, la baja frecuencia con la
que se presentan los fenmenos de inundacin en una red de drenaje urbano puede
inducir al decisor a enfatizar, o no hacerlo, en la importancia de estos costos. En estas
situaciones, se propone una modificacin a la funcin objetivo mostrada previamente,
resultando as la Ecuacin 4-5.
Ecuacin 4-5. Funcin Objetivo Modificada para la

Minimizacin de Costos Incluyendo los Impactos
de las Inundaciones
En esta nueva ecuacin se incluye el factor en el segundo trmino, el cual se encarga

de modelar la importancia dada a los costos asociados con los impactos generados por
las inundaciones. Este factor permite al decisor desarrollar un anlisis de sensibilidad de
acuerdo con la frecuencia en la que se presentan inundaciones, y por ende, tener un
mejor entendimiento del trade off entre los costos y los factores sociales y ambientales
involucrados.
En tercer lugar, se propuso una versin estocstica de la funcin objetivo mostrada
anteriormente, la cual consiste en la minimizacin de los costos globales del sistema de
drenaje urbano involucrando incertidumbre. Un ejemplo de la tercera funcin objetivo
resultante se muestra en la Ecuacin 4-6.

Minimizacin de Costos Incluyendo
Incertidumbre
El propsito de esta ltima formulacin consisti en encontrar soluciones cercanas a la de

mnimo costo analizando diferentes escenarios de precipitacin, y por ende de
CIACUA
104

escorrenta, que pueden ocurrir en la red de drenaje urbano. La formulacin de la funcin

objetivo mostrada en la Ecuacin 4-6 permiti la definicin de un valor de diseo para las
estructuras de almacenamiento que sern implementadas teniendo en cuenta el efecto de
los volmenes de sobrecarga en cada escenario (
). Nuevamente, el factor
del
segundo trmino cuantifica la importancia dada a los costos asociados con los impactos
generados por las inundaciones. La naturaleza estocstica de esta formulacin se
establece a travs del coeficiente , representando as la probabilidad de ocurrencia de
cada uno de los escenarios analizados.
4.3.1.2.2 Minimizacin de Volmenes
Otra alternativa para la funcin objetivo del modelo de optimizacin desarrollado fue
propuesta, esta vez enfocada a la minimizacin de los volmenes de agua involucrados
en la operacin del sistema de drenaje urbano. Estos volmenes son variables fcilmente
cuantificables, y se caracterizan por guardar una estrecha correlacin con los costos
globales del sistema en situaciones en las cuales estos costos no pueden ser
cuantificados. La expresin resultante para esta funcin objetivo se muestra en la
Ecuacin 4-7.

Minimizacin de Volmenes
En esta ecuacin, el primer trmino corresponde a la sumatoria de los volmenes de

almacenamiento (su capacidad) de todas las estructuras de almacenamiento
implementadas en el sistema de drenaje urbano. Por su parte, el segundo trmino
representa a los volmenes de inundacin, obtenidos a travs de la suma de los
volmenes de sobrecarga presentados en los nudos de la red de alcantarillado. Como se
mencion en la Seccin 4.3.1.2.1, el factor
permite a los decisores cuantificar la
importancia asignada a los impactos de las inundaciones, brindndoles as una mejor
comprensin del trade-off existente entre los dos trminos de la ecuacin. De igual
manera, este coeficiente puede ser supuesto como una penalizacin aplicada al problema
para evitar la inclusin de los impactos de las inundaciones.
4.3.1.3 Formulacin del Modelo de Decisin
La formulacin del modelo de decisin presentado se desarroll considerando las
variables de decisin, los parmetros y los conjuntos representados esquemticamente
en la Figura 4-33, los cuales a su vez son explicados segn el smbolo o la letra que los
representa en la Tabla 4-5.
CIACUA
105

Figura 4-33. Representacin Esquemtica de las Variables y los Parmetros Involucrados en el Modelo
Tabla 4-5 Notacin Utilizada en el Modelo de Decisin
NU
N
yj
Vj
Conjuntos
Conjunto de nudos j que son estructuras de almacenamiento
Conjunto de todos los nudos i
Variables
Variable binaria que es igual a 1 si existe una estructura de almacenamiento en el nudo j, y
0 en caso contrario
Volumen de almacenamiento de la estructura instalada en el nudo j
Dimetro del orificio de la estructura de almacenamiento ubicada en el nudo j
Caudal de salida de la estructura de almacenamiento en el nudo j
Caudal de entrada a la estructura de almacenamiento en el nudo j
Volumen de sobrecarga en el nudo i
Qk ,l
Caudal que fluye desde el nudo k hacia el nudo l

Caudal en el nudo de salida del sistema (punto de descarga)
Parmetros
Vmin, j
Volumen mnimo de la estructura de almacenamiento en el nudo j
Vmax, j
Volumen mximo de la estructura de almacenamiento en el nudo j
min, j
Dimetro mnimo del orificio de salida de la estructura de almacenamiento en el nudo j
max, j
Dimetro mximo del orificio de salida de la estructura de almacenamiento en el nudo j
i
NSU
Volumen mximo de sobrecarga permitido en el sistema

Factor de ponderacin que expresa la importancia de los impactos de las inundaciones en
el nudo i
Nmero mximo de estructuras de almacenamiento que sern implementadas en el
sistema
Caudal mximo en el nudo de descarga del sistema
Como fue establecido previamente, se pueden utilizar dos aproximaciones distintas para
la formulacin de la funcin objetivo del modelo de optimizacin descrito: La primera de
CIACUA
106

ellas basada en costos (relacionados con la construccin de las estructuras de

almacenamiento que sern implementadas y de la cuantificacin de los daos
ocasionados por las inundaciones); y la segunda basada en volmenes (en trminos de la
capacidad de los tanques de almacenamiento y los volmenes de inundacin generados).
Es importante mencionar que durante la Fase I del proyecto descrito en este informe, se
decidi implementar la metodologa basada en volmenes, a travs de la Ecuacin 4-7,
dejando as la implementacin de las otras funciones objetivo para las fases futuras.
Una vez establecida la funcin objetivo que orientar el procedimiento de optimizacin,
resulta importante describir las restricciones que delimitarn el espacio de solucin
asociado con el problema enfrentado en este informe. Por ende, las restricciones de
capacidad y de inundacin se encargan de especificar los lmites de los volmenes de
inundacin admisibles y del tamao de los tanques que deben ser verificados y cumplidos
por la solucin ptima. Estas restricciones pueden ser formuladas como se muestra a
continuacin:
out
V j f Qinf
j , Q j , j NU
V
iN
surch
, Q V
j
out
j
jNU
surch
max
, j NU
y j NSU
Restriccin 1
Restriccin 2
Restriccin 3
V j Vmin, j . y j , j NU
Restriccin 4
V j Vmax, j . y j , j NU
Restriccin 5
j min, j . y j , j NU
Restriccin 6
j max, j . y j , j NU
Restriccin 7
, j NU
Restriccin 8
y j 0,1
, j NU
Restriccin 9
Vi surch 0
, iN
Restriccin 10
out
out
max
El volumen de agua que debe ser retenido en el tanque de almacenamiento ubicado en el

nudo j est definido por la Restriccin (1), el cual resulta del balance de masa entre el
caudal que llega a la estructura y un caudal de salida tal que se reduzcan las
inundaciones aguas abajo de este nudo. Por su parte, la Restriccin (2) establece los
lmites que deben ser verificados en relacin con los volmenes de sobrecarga del
sistema, siendo esta conocida como la restriccin de inundacin. Un decisor puede
permitir un cierto volumen mximo de inundacin (
), definido para cada nudo i
de la red; en caso contrario cuando las inundaciones no son permitidas por el decisor, o
estas no ocurren, el volumen de sobrecarga en cada nudo i es igual a cero (
).
Asimismo, es importante recordar que el volumen de sobrecarga en un nudo i, ubicado
CIACUA
107

aguas abajo de una estructura de almacenamiento localizada en el nudo j, ser

dependiente del caudal de salida de esta, el cual se encuentra regulado por el dimetro
de su respectivo orificio.
Por su parte, la Restriccin (3) se encarga de limitar el nmero mximo de estructuras de
almacenamiento que se pueden implementar en el sistema en un nmero mximo
denotado como NSU. Las Restricciones (4) y (5) aseguran que el volumen del tanque de
detencin ubicado en el nudo j sea mayor al tamao mnimo predefinido, siendo esta
restriccin utilizada como una aproximacin al efecto de los costos de construccin fijos y
las economas de escala, y tambin que dicho volumen sea menor a una capacidad
mxima predefinida con base en la disponibilidad de espacio en la ubicacin del potencial
tanque.
La Restriccin (6) se encarga de garantizar que el dimetro del orificio de salida de la
estructura de almacenamiento ubicada en el nudo j sea mayor al valor mnimo
predefinido, el cual es establecido bajo la premisa que los dimetros muy pequeos son
muy susceptibles a obstruirse. Por su parte, la Restriccin (7) garantiza que el dimetro
en mencin sea ms pequeo a un valor mximo predefinido, el cual se establece de
acuerdo con el dimetro del conducto aguas abajo de la estructura. La Restriccin (8)
limita el caudal en el nudo de salida estableciendo un valor mximo de
, y las
Restricciones (9) y (10) son utilizadas para especificar el dominio de algunas de las
variables involucradas en el modelo.
El comportamiento del sistema de drenaje urbano debe cumplir con las leyes fsicas de la
hidrulica y la hidrologa. Por lo tanto, el simulador hidrulico SWMM es utilizado para
cuantificar en cada evento de precipitacin analizado los procesos de lluvia-escorrenta y
las caractersticas hidrulicas del flujo en los elementos del sistema, incluyendo variables
tales como el nivel de agua y el caudal en los conductos, y el volumen de sobrecarga en
los nudos. Por su parte, el Toolkit de SWMM es utilizado para involucrar las restricciones
mencionadas previamente en el proceso de optimizacin, y as poder evaluarlas respecto
a las variables hidrulicas resultantes de cada simulacin.
4.3.1.4 Mtodos de Solucin
Con el fin de representar los problemas relacionados con la localizacin y
dimensionamiento de las estructuras de almacenamiento lo ms preciso posible, el
modelo de optimizacin incorpora variables discretas (para las posibles localizaciones de
los tanques y sus tamaos comerciales, en caso que existan) y funciones no-lineales (por
ejemplo para modelar el comportamiento hidrulico e hidrolgico de los sistemas de
drenaje). Aun cuando se trate de redes muy pequeas, estos modelos no pueden ser
abordados a travs de mtodos exactos, y por ende, la solucin ptima del problema en
estudio puede ser extremadamente difcil de alcanzar. En general este tipo de problemas
deben ser afrontados a travs de algoritmos meta-heursticos, los cuales pueden lograr
una buena solucin bajo un esfuerzo computacional razonable. Muchas de las metaCIACUA
108

heursticas modernas se han inspirado en analogas fsicas y naturales para buscar

iterativamente la solucin del problema de forma inteligente utilizando conceptos
comunes. Algunos ejemplos exitosos de este tipo de mtodos son los Algoritmos
Genticos, Particle Swarm Optimization (PSO), Optimizacin por Colonia de Hormigas y
Simulated Annealing (Michalewicz and Fogel, 2004; Rothlauf, 2011). En distintos modelos
de planeacin de sistemas hdricos, las aproximaciones ms recientes de optimizacin
que hacen uso de meta-heursticas modernas se han vuelto cada vez ms complejas y
realistas. Para ejemplificar lo anterior, recientemente se han introducido modelos
comerciales de simulacin de cuencas en modelos de decisin desarrollados para
abordar el problema de localizacin y dimensionamiento de las estructuras de
almacenamiento (Zhen et al., 2004; McEnery and Morris, 2012; Yadzi and Neyshabouri,
2012).
4.3.2
Algoritmo Simulated Annealing (SA)
4.3.2.1 Generalidades del Algoritmo

El mtodo de solucin diseado para resolver el modelo encargado de determinar la
localizacin y el dimensionamiento ptimos de los tanques de almacenamiento se
encuentra basado en el algoritmo Simulated Annealing (SA) (Kirkpatrick et al., 1983;
Dowsland, 1993). Este se caracteriza por ser un algoritmo basado en un fenmeno fsico
que reproduce el proceso metalrgico de recocido, el cual es una tcnica que involucra el
calentamiento y enfriamiento de un metal de forma controlada para mejorar sus
propiedades estructurales. Durante la etapa de calentamiento ocurre una difusin
estocstica de tomos dentro del metal, cambiando as la tasa de defectos en su
estructura cristalina. Un enfriamiento lento reparar la mayora de tomos al interior del
metal que se encuentren fuera de lugar, alcanzando as una configuracin ms estable.
En este proceso, la energa global interna del metal se minimiza, y en principio sucede lo
mismo con el algoritmo SA.
Como consecuencia de lo anterior, SA se clasifica como un algoritmo de trayectoria, el
cual a partir del uso de una nica solucin (representando la configuracin de los tomos)
explora todo el espacio de solucin a travs de movimientos de vecindario (neighborhood
movements, es decir, intercambio de soluciones dentro del vecindario de alternativas).
Estos movimientos trazan una trayectoria en el espacio de bsqueda que da paso a una
solucin cercana a la ptima, teniendo alguna probabilidad de alcanzar el ptimo global.
Este mtodo fue seleccionado debido a que ha demostrado ser extremadamente eficiente
en el diseo de sistemas de distribucin de agua potable y en el anlisis de modelos para
la planeacin de sistemas hidrulicos (Monem and Namdarian, R., 2005; Li and Wei,
2008; Cunha et al., 2009).
Una ejecucin tpica del algoritmo SA consiste en un nmero sucesivo de movimientos de
vecindario, realizados de forma aleatoria, entre el espacio de solucin del problema
abordado en dnde la legitimidad de cada movimiento se ve afectada por la energa del
CIACUA
109

sistema. Esta energa es caracterizada por la temperatura del sistema, la cual

corresponde a uno de los parmetros ms importantes del algoritmo en mencin. Como
consecuencia de esto, luego de iniciar la ejecucin con una solucin inicial factible,
progresivamente el algoritmo va buscando soluciones candidatas dentro del vecindario
con el fin de adoptar nuevas soluciones hasta que sea encontrada una solucin de buena
calidad (entindase esto como la solucin de menor costo en un problema de
minimizacin de costos). Inicialmente, cuando la temperatura del sistema es alta, existe
una probabilidad significativa de que se adopte una solucin de peor calidad a la actual. A
pesar de que esto puede ser considerado como una adversidad, esto permite que todo el
espacio de soluciones sea explorado en una etapa inicial. A medida que la temperatura va
disminuyendo de acuerdo con la rutina de enfriamiento predefinida, la aceptacin de este
tipo de movimientos adversos se convierte en algo cada vez ms raro. Ocasionalmente la
aceptacin de soluciones candidatas de peor calidad que la anterior solucin
seleccionada ayuda a evitar que el algoritmo se quede atrapado en un ptimo local.
Cuando la temperatura ha cado lo suficiente para que todo el sistema se congele, se
puede concluir que la mejor solucin de esa ejecucin ha sido encontrada.
4.3.2.2 Implementacin para la Localizacin y el Dimensionamiento ptimo de
Tanques de Almacenamiento
Los pasos bsicos del algoritmo Simulated Annealing, implementado con el objetivo de
solucionar el problema de la localizacin y el dimensionamiento ptimo de tanques de
almacenamiento, se muestra en la Figura 4-34.
Los diferentes pasos del algoritmo se describen a continuacin:
Definir una solucin inicial (ver Seccin 4.3.2.2.1).
Evaluar el valor de desempeo de la solucin inicial. Si la solucin inicial es
factible, esta se convertir en la solucin seleccionada como actual.
Generar de forma aleatoria una solucin candidata entre el vecindario de la
solucin actual y evaluarla (ver Seccin 4.3.2.2.2).
Determinar si la solucin candidata se convierte o no en la solucin actual
dependiendo de su valor de desempeo y de acuerdo con la rutina de enfriamiento
del algoritmo (ver Seccin 4.3.2.2.3).
De acuerdo con la rutina de enfriamiento, se debe generar una nueva solucin
candidata, o en caso contrario determinar si se alcanz el criterio de parada de la
ejecucin (ver Seccin 4.3.2.2.3).
Si el criterio de parada fue alcanzado, se debe tomar una decisin de acuerdo con
la rutina de enfriamiento la cual consiste en devolverse a la ltima solucin que fue
seleccionada como actual y generar una nueva solucin candidata, o por el
contrario, dar por finalizada la bsqueda (ver Seccin 4.3.2.2.3).
Si el algoritmo termina su ejecucin, se accede a la mejor solucin obtenida
durante la bsqueda.
CIACUA
110

Definir una solucin inicial.
Inicio
SWMM toolkit Ejecutando SWMM

Evaluar el valor de la solucin
Convertir la solucin actual en la solucin

inicial
SWMM toolkit
Generar la solucin candidata
No
SWMM toolkit- Ejecutando SWMM

Evaluar el valor de la solucin
SWMM toolkit
Volver a la solucin actual
La solucin candidata
es aceptada?
No
Si
SWMM toolkit
Convertir la solucin actual en la
solucin candidata
Se lleg al criterio de
parada?
Si
Se cumple el criterio de
parada?
No
Si
Fin
Figura 4-34 Etapas Bsicas del Algoritmo SA
El comportamiento hidrulico de la red de alcantarillado ser simulado a travs del

software EPA-SWMM en todas aquellas etapas en donde una solucin deba ser evaluada
durante la ejecucin del algoritmo optimizador. Lo anterior es logrado a travs de la
conexin que el Toolkit de EPA-SWMM provee entre el algoritmo SA y el software
simulador. De igual manera, el Toolkit en mencin es empleado durante la ejecucin del
algoritmo para registrar en SWMM cambios en los parmetros de entrada de la red de
CIACUA
111

drenaje. Esto ocurre en dos situaciones: Al generar soluciones candidatas y para definir
una solucin actual diferente a la seleccionada como tal en la iteracin anterior.
Los tres aspectos ms importantes en la implementacin del algoritmo SA enfocado hacia
el problema de localizacin y dimensionamiento ptimo de tanques de almacenamiento se
describe en las secciones a continuacin. Los aspectos que sern descritos son:
Definicin de la solucin inicial, definicin del vecindario de la solucin actual y definicin
de la rutina de enfriamiento.
4.3.2.2.1 Solucin Inicial
Las posibles localizaciones y tamaos de las estructuras de almacenamiento que sern
implementadas en el sistema de drenaje deben ser definidas a travs de un estudio
preliminar de la regin en donde se quiere aplicar el procedimiento de optimizacin. Una
vez determinado esto, una solucin inicial factible es definida, incluyendo tanto la
localizacin como el tamao de los tanques, asegurndose de que estos valores se
encuentren tanto dentro de los lmites posibles as como del conjunto de alternativas
potenciales.
Para la definicin de la solucin inicial, as como de los movimientos de vecindario hacia
nuevas soluciones candidatas, existen dos caractersticas importantes de las estructuras
de almacenamiento que pueden ser modificadas, las cuales se muestran en la Figura
4-35: El volumen del tanque de detencin (es decir su capacidad) y el dimetro del orificio
presente en la estructura de salida de la unidad de almacenamiento. Las dimensiones
mnimas y mximas de estas caractersticas de los tanques deben ser definidas durante la
realizacin del estudio preliminar mencionado previamente: Vmax y Vmin, en el caso de los
volmenes, y max y min en el caso de los dimetros de los orificios. Asimismo, se
requiere conocer la altura de la estructura de almacenamiento con el fin de mantener la
factibilidad de una solucin en trminos del desnivel del conducto de entrada respecto al
fondo de la estructura en cada iteracin (Ver Seccin 4.3.2.2.2b).
Figura 4-35. Caractersticas que pueden ser modificadas en una Estructura de Almacenamiento.
CIACUA
112

Esta solucin inicial debe ser factible, pero puede ser definida aleatoriamente ya que an
no se conoce nada acerca de la calidad de la solucin, y por lo tanto, no es posible tomar
una decisin informada en esta etapa. Sin embargo, el algoritmo SA puede ser ejecutado
independientemente de la calidad de esta solucin inicial.
4.3.2.2.2 Vecindario de una Solucin
El vecindario de una solucin est compuesto por cada una de las soluciones que pueden
ser alcanzadas a partir de esta con el fin de resultar en una nueva solucin candidata. Un
movimiento entre el vecindario de una solucin (Neighborhood move) ocurre en cada
iteracin del algoritmo SA cuando una nueva solucin es generada a travs del
procedimiento mostrado en la Figura 4-36. Este movimiento producido de forma aleatoria
y automtica al modificar las dos caractersticas ms importantes de las estructuras de
almacenamiento (volmenes y dimetro de los orificios como se muestra en la Figura
4-35) y reestableciendo tambin la factibilidad cuando sea necesario.
Los diferentes pasos del procedimiento para la generacin de nuevas soluciones
candidatas, mostrado en la Figura 4-36, se describen a continuacin:
Comenzando con una solucin en la iteracin k, el primer paso consiste en
seleccionar aleatoriamente una posible localizacin para la estructura de
almacenamiento, la cual ser representada por el nudo i.
Si el nudo seleccionado, es decir el nudo i, no contiene una unidad de
almacenamiento (ver rama izquierda de la Figura 4-36), se debe decidir si se crea
(implementa) o no un nuevo tanque en ese nudo.
o Cuando una unidad de almacenamiento es creada, se debe definir tanto el
volumen y el dimetro del orificio para el nudo i (ver Seccin 4.3.2.2.2a).
Si el nudo i seleccionado contiene un tanque de almacenamiento (rama derecha
de la Figura 4-36), se debe decidir si se remueve o no (se deja de implementar)
dicha estructura.
o Cuando se remueve una estructura de almacenamiento, el tanque y por
ende su orificio deja de existir en el nudo i (ver Seccin 4.3.2.2.2a).
Si la decisin tomada anteriormente no corresponde a crear ni a eliminar la unidad
de almacenamiento, entonces un nuevo nudo j se selecciona entre los nodos que
contengan una estructura de almacenamiento (rama central de la Figura 4-36).
o En este caso, el volumen y dimetro del orificio del nudo j deben ser
modificadas (ver Seccin 4.3.2.2.2a).
Luego de que las decisiones y las modificaciones se han hecho, en el ltimo paso
la solucin candidata es definida y confirmada como factible para ser usada
durante la iteracin k+1.
CIACUA
113

Solucin en la iteracin k
Seleccionar aleatoriamente la posible

ubicacin de la estructura de
almacenamiento (EA): nudo i
No
Crear una EA en el nudo i?
Si
Existe una EA en el nudo i?
No
Seleccionar aleatoriamente una ubicacin

que tiene una EA: nudo j
Si
No
Remover la EA del nodo i?
Si
Definir el volumen de la EA en el nudo i
Variar el volumen de la EA en el nudo j
Remover EA en el nudo i
Determinar el dimetro del orificio de la EA

en el nudo i
Variar el dimetro del orificio de la EA en el

nudo j
Remover orificio de la EA en el nudo i
Solucin candidata, iteracin k+1
Figura 4-36 Proceso de Generacin de una Solucin Candidata
CIACUA
114

Como se describi previamente, cada movimiento de vecindario corresponde a una

posible accin tomada sobre los tanques de almacenamiento entre las siguientes tres
alternativas: Crearla, eliminarla, o cambiarla. Cada alternativa tiene una probabilidad de
ocurrencia asociada durante la ejecucin del algoritmo. Las probabilidades de crear o
remover un tanque de almacenamiento dependen del nmero de nudos que contienen un
tanque de detencin (por ejemplo, cuando todos los nudos contienen una unidad de
almacenamiento, la probabilidad de crear uno nuevo es igual a cero); mientras que en el
caso de la alternativa relacionada con el cambio de la estructura una mayor probabilidad
es dada. La amplitud permitida del movimiento de vecindario, la cual involucra la
modificacin del volumen o del dimetro del orificio del tanque de almacenamiento, se
encuentra definido como un intervalo relativamente pequeo entre los valores mximos y
mnimos. En la siguiente subseccin se definen las tres opciones y la manera en que son
implementadas.
a. Posibles Alternativas de Modificacin en una Solucin Candidata
Creacin de una Unidad de Almacenamiento (Rama izquierda de la Figura 4-36):
Si no existe una estructura de almacenamiento en el nudo i, es decir el nudo
seleccionado, y esta debe ser creada, se definir aleatoriamente un nuevo volumen y un
nuevo dimetro para la nueva unidad de la siguiente manera:
El nuevo volumen en el nudo i (Vi,k+1) depender del ltimo volumen usado

anteriormente en la iteracin k-n (Vi,k-n) ya que se le deber adicionar un valor
aleatorio (positivo o negativo) limitado de acuerdo con la amplitud permitida en el
movimiento de vecindario.
El nuevo dimetro del orificio en el nudo i (i,k+1) depender del ltimo dimetro
del orificio usado previamente en la iteracin k-n (i,k-n) ya que se le deber
adicionar un valor aleatorio (positivo o negativo) limitado de acuerdo con la
amplitud permitida del movimiento de vecindario.
Remocin de una Unidad de Almacenamiento (Rama derecha de la Figura 4-36):

Si existe un tanque de almacenamiento en el nudo seleccionado, es decir el nudo i, y la
decisin tomada fue la de removerla, entonces las modificaciones que se realizarn
sern:
No habr un volumen de agua almacenado en el nudo i.

No habr un orificio implementado en el nudo i.
Cambio de una Unidad de Almacenamiento (Rama central de la Figura 4-36):

Si no existe un tanque de almacenamiento en el nudo i, es decir el seleccionado, pero la
decisin tomada no consiste en crear una nueva, o si por el contrario si existe una unidad
de almacenamiento en el nudo i pero esta no ser removida, un tanque existente en el
CIACUA
115

nudo j se seleccionar y se cambiar su volumen y el dimetro de su orificio de forma

aleatoria siguiendo los procedimientos descritos a continuacin:
El volumen del tanque de almacenamiento en el nudo j y en la iteracin k (Vj,k) se

convertir en Vi,k+1 al adicionarle un valor aleatorio (positivo o negativo) limitado de
acuerdo con la amplitud permitida en el movimiento del vecindario.
El dimetro del orificio del tanque de almacenamiento en el nudo j y en la iteracin
k (j,k) se convertir en j,k+1 al adicionarle un valor aleatorio (positivo o negativo)
limitado de acuerdo con la amplitud permitida en el movimiento del vecindario.
b. Garanta de Factibilidad
Con el fin de garantizar la factibilidad despus de la modificacin de una solucin
candidata, es probable que sea necesario aplicar algunas correcciones en las
caractersticas de la solucin o de la decisin. Algunas de estas son:
Cuando la Restriccin (4) sea usada, y exista un nmero mximo de tanques de
almacenamiento a implementar (NSU), si la solucin que ser modificada ya
posee esta cantidad de estructuras de detencin, las nicas alternativas
permitidas para la generacin de una nueva solucin candidata sern las de
eliminar o cambiar una unidad de almacenamiento existente.
Cuando para la generacin de una nueva solucin candidata sea seleccionada la
alternativa de crear una nueva estructura de almacenamiento (en el nudo i), as
como de cambiar un tanque ya existente (en el nudo j), la factibilidad de los
nuevos (o cambiados segn corresponda) volmenes y dimetros de los orificios
se garantizarn de la siguiente manera:
Si Vi,k+1 > Vmax, entonces se utilizar Vmax
Si Vi,k+1 < Vmin, entonces se utilizar Vmin
Si i,k+1 > max, entonces se utilizar max
Si i,k+1 < min, entonces se utilizar min
Cmo se mencion previamente, en el caso en que para la generacin de una
nueva solucin candidata se seleccione la alternativa de crear un tanque de
almacenamiento, o de modificar uno ya existente, se debe cambiar el desnivel del
conducto de entrada al tanque respecto al fondo del mismo con el fin de hacerlo
igual a su valor predefinido. En trabajos posteriores, el costo de las
modificaciones que sean hechas al sistema de drenaje urbano, especficamente
en la tubera de entrada a la unidad de almacenamiento para implementar el
desnivel correcto a la salida del mismo se estimarn y sern implcitamente
considerados en la funcin objetivo del modelo.
CIACUA
116

4.3.2.2.3 Rutina de Enfriamiento

La rutina de enfriamiento define el desempeo de un algoritmo SA al determinar la tasa de
aceptacin de soluciones candidatas y el criterio de parada del procedimiento (Zeferino et
al., 2009).
Una solucin candidata ser aceptaba como solucin actual de acuerdo con el Criterio de
Metrpolis, en donde la probabilidad est dada como se muestra en la Ecuacin 4-8,
donde p es la probabilidad de aceptacin de una solucin candidata, C es la diferencia
entre el valor de la solucin actual y el valor de la solucin candidata y T es la temperatura
actual del algoritmo.
{
Ecuacin 4-8. Probabilidad de Aceptacin de una

Solucin Candidata
Por consiguiente, una solucin candidata se convertir en la solucin actual si su valor

evaluado excede el asociado con la solucin actual, es decir, es mejor que esta. De lo
contrario, si esto no ocurre, la probabilidad de que una solucin candidata se convierta en
la actual decrecer a medida que la diferencia entre los valores evaluados
correspondientes a ambas soluciones aumente, y tambin a medida que la temperatura
disminuya.
La temperatura del algoritmo caracteriza la energa del sistema, y por lo tanto en el
contexto de SA, es usada para controlar el procedimiento de bsqueda. En particular, este
se relaciona con cuatro parmetros que definen la rutina de enfriamiento del algoritmo: 1,
, , y . Estos parmetros se describen a continuacin, y la manera en cmo interactan
se muestra en la Figura 4-37.
El parmetro 1 hace referencia a la tasa inicial de aceptacin de soluciones candidatas
cuyo valor es 10% peor que el de la solucin inicial C0. Este parmetro permite la
determinacin de la temperatura inicial T1 a travs de la expresin mostrada en la
Ecuacin 4-9, la cual es obtenida como resultado de la aplicacin del Criterio de
Metrpolis.
Ecuacin 4-9. Temperatura Inicial de la Rutina de
Enfriamiento
Por su parte, el parmetro establece la tasa a la cual la temperatura decrece. En cuanto

al parmetro , este define el nmero mnimo de soluciones candidatas que debe ser
evaluado a cada temperatura (si despus de S evaluaciones, dnde S es el nmero de
posibles localizaciones de estructuras de almacenamiento en la red, el valor de la mejor
solucin C* o el valor promedio de la solucin mC no mejora, la temperatura disminuir).
Esto se relaciona con la decisin de alcanzar o no el criterio de parada (Figura 4-36).
CIACUA
117

Finalmente, el parmetro establece el mximo nmero de disminuciones de temperatura

que pueden ocurrir sin obtener una mejora en el valor asociado con la mejor solucin, o
con la promedio: Esto corresponde al criterio de parada (Figura 4-36).
Inicio
Ingresar parmetros: , 1, ,
Definir T de acuerdo con 1
I=1
Generar soluciones y aceptarlas con

una probabilidad p
Calcular C* y mC
T = T*
Si
C* o mC
decrecen?
No
I=i+1
No
I >?
Si
Fin
Figura 4-37 Rutina de Enfriamiento para el Algoritmo SA
CIACUA
118

4.3.3
Calibracin de los Parmetros del Algoritmo SA
La calibracin de un algoritmo puede ser definida como el establecimiento, ajuste o

evaluacin minuciosa de sus parmetros. El algoritmo SA contiene cuatro parmetros
principales (1, , , and ), los cuales requieren ser ajustados para aprovechar al mximo
el potencial del algoritmo. Por consiguiente, estos parmetros se encuentran sujetos a un
proceso de calibracin con el fin de obtener sus mejores valores. Lo anterior, asegurar
que el modelo de optimizacin provea soluciones ptimas, o muy cercanas a estas, para
el problema de planeacin asociado con la localizacin y el dimensionamiento de
estructuras de almacenamiento en un tiempo computacional razonable.
La calibracin desarrollada para la implementacin de este modelo de optimizacin es un
proceso demostrativo de prueba y error hecho de forma inteligente. Para lo anterior, se
utiliz un pequeo caso de estudio con diferentes escenarios con el fin de representar el
tipo de problemas en que se pueden presentar en el contexto analizado. Es importante
notar que cuando se hacen refinamientos en el algoritmo de optimizacin, o bien, se
introducen restricciones e ingredientes adicionales al modelo, se debe realizar un proceso
de recalibracin y por ende, un gran nmero de pruebas deben ser ejecutadas.
El procedimiento de calibracin descrito a continuacin involucra dos etapas. En primer
lugar, el valor de cada uno de los cuatro parmetros es variado en un amplio intervalo
resultando as en varios conjuntos de parmetros. Los resultados obtenidos para los
diferentes conjuntos son analizados con el fin de identificar tendencias de cules sern los
mejores valores para utilizar en los parmetros. Posteriormente, la segunda etapa
comenzar con los valores de los parmetros variados en un intervalo mucho ms
refinado, acercndose as a lo que podra ser considerado como el conjunto ptimo de
parmetros. Finalmente, los nuevos resultados obtenidos son analizados, definiendo as
el conjunto de parmetros que ser utilizado en el algoritmo de optimizacin.
4.3.3.1 Sistema de Prueba
Se utiliz un pequeo sistema de prueba para llevar a cabo el proceso de calibracin, la
cual consisti en una red simple de drenaje urbano compuesta por 6 conductos, 7 nudos y
6 cuencas como se muestra en la Figura 4-38. Este sistema tiene 4 localizaciones donde
se puede construir un tanque de almacenamiento, definiendo como valores lmite para su
volumen 100 m3 y 3,000 m3 respectivamente. El dimetro del orificio aguas abajo de la
unidad de almacenamiento puede tener un dimetro mnimo igual al 25% del dimetro
mximo de la seccin transversal del conducto aguas abajo. El evento de precipitacin
utilizado tuvo una duracin de 1 hora con 45 minutos, con una intensidad mxima de
precipitacin igual a 70 mm/hora como se puede ver en el hietograma mostrado en la
Figura 4-39. Finalmente, el anlisis del sistema fue hecho para un periodo igual a 3 horas.
CIACUA
119

Figura 4-38 Sistema de Prueba
Figura 4-39 Hietograma utilizado en el sistema de prueba
En el sistema de prueba utilizado se consideraron tres escenarios distintos, construidos a

partir de la variacin de tres factores involucrados en el modelo de decisin: Los valores
usados para la ponderacin del trmino asociado con las inundaciones en la funcin
objetivo, la restriccin del volumen de inundacin o el nmero mximo de estructuras de
almacenamiento que seran implementadas. El desempeo del algoritmo SA puede variar
dependiendo de los parmetros que sean utilizados en cada escenario, los cuales deben
ser seleccionados con el objetivo de obtener buenos resultados para cualquiera de las
tres situaciones. Estos escenarios se describen a continuacin:
CIACUA
120

Escenario 1: Peso para el trmino de inundacin = 1.5; No hay restriccin

asociada con el volumen de inundacin generado; Nmero ilimitado de
estructuras de almacenamiento.
Escenario 2: Peso para el trmino de inundacin = 0; Lmite mximo del
volumen de inundacin = 1,000 m3; Nmero ilimitado de estructuras de
almacenamiento.
Escenario 3: Peso para el trmino de inundacin = 10; No hay restriccin
asociada con el volumen de inundacin generado; Nmero mximo de
estructuras de almacenamiento = 2.
El Escenario 1 propone un problema tpico en donde la importancia se encuentra

distribuida entre las dimensiones de la unidad de almacenamiento y la inundacin total del
sistema. En el Escenario 2, la importancia dada al componente de inundacin se
representa a travs de una restriccin que limita el volumen mximo de desbordamiento
en vez de asignarle un peso que afecte a la funcin objetivo. Respecto al Escenario 3,
se asigna una gran importancia a las inundaciones y consecuentemente estas deben ser
minimizadas; sin embargo, existe un lmite del nmero de estructuras de almacenamiento
que pueden ser implementadas.
4.3.3.2 Primera Etapa de la Calibracin
La primera etapa de la calibracin del algoritmo SA fue aplicada a los tres escenarios
propuestos anteriormente. Con base en la experiencia y el conocimiento previo del equipo
de trabajo acerca del algoritmo de optimizacin utilizado, cada uno de los cuatro
parmetros considerados fue probado en un amplio intervalo de valores, los cuales se
muestran a continuacin:
-
1 = (0.2, 0.5, 0.8)

= (10, 30, 50)
= (0.2, 0.5, 0.8)
= (5, 10, 15)
Al analizar todas las posibles combinaciones de parmetros (34), se obtuvo como

resultado la necesidad de estudiar un total de 81 conjuntos diferentes de estos. Cada uno
de estos conjuntos sera aplicado a los 3 escenarios en estudio, descritos previamente.
Dado que el SA es un algoritmo de bsqueda aleatoria, cada ejecucin de este puede
arrojar distintos resultados aun cuando se ingresen los mismos valores de entrada y
parmetros en todas las corridas. Como consecuencia de lo anterior, se utilizaron 5
nmeros-semilla diferentes en un algoritmo generador de nmeros pseudo-aleatorios, y
se utiliz el valor promedio obtenido al evaluar cada uno de estos en la funcin objetivo.
Por lo tanto, considerando los 81 conjuntos de parmetros, los 3 escenarios propuestos y
los 5 nmeros-semilla, el nmero total de ejecuciones del algoritmo fue de 1,215 (obtenido
como el producto 81 x 3 x 5).
CIACUA
121

En la Tabla 6 se presenta la clasificacin promedio de cada conjunto de parmetros con

base en la calidad de las soluciones obtenidas. Esta clasificacin corresponde al
promedio del ranking obtenido en los 3 escenarios, en donde a su vez cada uno de estos
puestos corresponde a la posicin que ocup el conjunto de parmetros al organizar los
resultados de mejor a peor en trminos del valor de la solucin obtenida. De igual manera,
esta tabla tambin muestra la desviacin estndar de la clasificacin de los parmetros
entre los 3 escenarios31.
Tabla 6 Conjuntos de Parmetros Clasificados Segn los Resultados Obtenidos Durante la Primera
Etapa de la Calibracin del Algoritmo Simulated Annealing (10 Mejores y 5 Peores)
Average Rank Standard Dev. Rank
SA algorithm parameters
1
2.0
1.7
0.2
0.8
50
15
2.3
0.6
0.2
0.8
50
10
4.3
3.5
0.2
0.8
30
15
6.7
7.2
0.2
0.8
30
10
7.0
2.6
0.2
0.5
50
10
8.0
2.6
0.2
0.5
50
15
8.7
5.5
0.5
0.8
50
15
11.3
9.5
0.5
0.8
50
10
11.3
7.1
0.2
0.5
50
12.7
0.6
0.2
0.8
10
15
75.0
2.6
0.8
0.5
10
10
76.0
5.2
0.8
0.2
10
76.7
1.5
0.8
0.5
10
15
77.7
4.0
0.8
0.2
10
10
78.7
4.0
0.8
0.2
10
15
Los resultados mostrados en la Tabla 6 sugieren claramente el rechazo de valores altos

para el parmetro 1 y los valores pequeos para , lo cual se evidenci ya que las
soluciones obtenidas para 1 = 0.8 y = 10 se encontraron entre los peores resultados
alcanzados por SA. Asimismo, al analizar los resultados obtenidos se puede inferir que los
31
Por ejemplo, si un cierto conjunto de parmetros est clasificado en la posicin 11 en el Escenario 1, en la

posicin 6 en el Escenario 2 y en la posicin 7 en el Escenario 3, su clasificacin promedio ser 8.0 y su
desviacin estndar igual a 2.6.
CIACUA
122

mejores conjuntos de parmetros fueron aquellos que contenan valores pequeos para
1 y valores grandes para y , razn por la cual se sugiere su uso.
En el caso de , los resultados obtenidos indicaron que este parmetro result no ser tan
importante en el logro de los mejores resultados. Apoyando lo anterior, cuando = 5 no
se pudo alcanzar la mejor solucin, pero cuando se probaron valores iguales a 10 y 15
para este parmetro, los resultados obtenidos fueron muy similares entre s. Sin embargo,
al usar = 15 se obtuvo al menos la misma solucin que con = 10, pero ocasionalmente
se pudo lograr una mejor solucin a cambio de admitir un pequeo aumento en el tiempo
computacional requerido.
Finalmente, la desviacin estndar de la clasificacin entre los tres escenarios propuestos
fue razonablemente baja, planteando as que un buen conjunto de parmetros obtenido
para un caso en especfico debera funcionar tambin para la obtencin de resultados de
buena calidad en otros casos de estudio diferentes.
4.3.3.3 Segunda Etapa de la Calibracin
Con base en los resultados globales obtenidos durante la primera etapa de la calibracin,
se decidi avanzar hacia la segunda etapa utilizando parmetros mucho ms enfocados
en los rangos de valores que arrojaron mejores resultados durante la primera etapa de
calibracin. Adicionalmente, se propone como una alternativa, o una etapa adicional al
proceso de calibracin, el enfocarse en estudiar el efecto de la variacin de cada uno de
los parmetros de forma individual.
En esta segunda etapa se decidi utilizar nicamente uno de los tres escenarios
propuestos previamente, seleccionando el Escenario 1, dada la poca variacin que existi
en la calidad de los resultados entre estos. Los valores utilizados en los cuatro parmetros
considerados para ejecutar las pruebas del algoritmo SA fueron:
-
1 = (0.1, 0.2, 0.3, 0.4)

= (30, 40, 50)
= (0.6, 0.7, 0.8, 0.9)
= (15)
En total se requiri el estudio de 48 conjuntos de parmetros distintos, el cual resulta del

nmero total de combinaciones posibles (4x4x3). La Tabla 7 presenta el valor promedio
obtenido para la funcin objetivo, evaluando cada una de los 5 nmeros-semilla, para
cada conjunto de parmetros. Los resultados mostrados para los 48 conjuntos de
parmetros probados se encuentran ordenados partiendo desde el mejor resultado (los 10
primeros de la tabla) hasta llegar a los peores resultados (ltimos 5 de la tabla) en
trminos de la calidad de la solucin. Esta tabla tambin muestra los mejores valores
obtenidos entre los 5 nmeros-semilla y el tiempo computacional promedio.
CIACUA
123

Tabla 7 Conjuntos de Parmetros Clasificados Segn los Resultados Obtenidos Durante la Segunda
Etapa de la Calibracin del Algoritmo Simulated Annealing (10 Mejores y 5 Peores)
5210
5157
Average
Computing
Time
04:27
5218
5127
03:16
0.2
0.8
30
15
5257
5149
05:41
0.2
0.8
50
15
5268
5135
02:42
0.1
0.6
30
15
5270
5132
03:15
0.1
0.8
40
15
5289
5122
06:46
0.1
0.8
50
15
5303
5170
04:19
0.1
0.7
30
15
5307
5137
03:51
0.1
0.9
40
15
5313
5142
04:08
0.1
0.9
50
15
5314
5182
03:35
0.2
0.7
40
15
5575
5409
00:55
0.4
0.7
30
15
5600
5552
02:10
0.4
0.7
40
15
5608
5383
01:39
0.3
0.6
30
15
5660
5542
01:43
0.4
0.6
50
15
5756
5279
00:57
0.4
0.6
30
15
Average
Best value of
value of OF
OF
SA algorithm parameters
1
0.1
0.7
50
15
Los resultados mostrados en la Tabla 7 sugieren que el valor utilizado para el parmetro
1 debe fijarse en 0.1, o 0.2 como mximo. En cuanto a los parmetros y , todos los
valores probados aparecieron reportados dentro de los mejores resultados de la tabla. Sin
embargo, aunque los valores ms bajos del parmetro , es decir 0.6 y 0.7, se
encontraron ligeramente relacionados con la obtencin de los peores resultados, cuando
el parmetro tom el valor de 0.7 se encontr que sus resultados estaban dentro del
conjunto de los mejores en trminos del valor promedio de la funcin objetivo. Es de
esperarse que el tiempo computacional promedio se encuentre correlacionado con todos
los parmetros; sin embargo, se encontr que esta tendencia se hace ms evidente a
medida que los valores de aumentan.
Al analizar los resultados globales obtenidos, teniendo en cuenta el mejor valor de la
funcin objetivo as como el tiempo computacional promedio, se decidi que el conjunto
de parmetros que ser utilizado en este caso est compuesto por:
1 = 0.2; = 30; = 0.8; y = 15
El conjunto mostrado anteriormente se caracteriz porque sus parmetros se encuentran
asociados con los mejores resultados obtenidos durante el proceso de calibracin.
CIACUA
124

Asimismo, el desempeo de este conjunto de parmetros se encontr en segundo lugar

entre los mejores resultados en trminos del valor promedio de la funcin objetivo, y el
tercer lugar en trminos del mejor valor de esta. A pesar de garantizar resultados de
buena calidad, este conjunto de parmetros se encontr entre los de peor desempeo en
trminos del tiempo computacional requerido al analizar nicamente los 10 mejores
conjuntos mostrados en la Tabla 7.
4.3.4
Aplicacin en Caso de Estudio: Combra, Portugal
4.3.4.1 Presentacin del Caso de Estudio

La metodologa propuesta ser probada en un caso de estudio desarrollado a partir de
una red real de alcantarillado ubicada en un rea urbana en Portugal con el fin de
demostrar y evaluar el comportamiento del modelo propuesto.
La regin de estudio tiene un rea total de 16.6 ha, la cual se divide en 81 cuencas en
total. La red de drenaje urbano, por su parte, cuenta con un total de 81 conductos, 81
nudos o pozos y 1 punto de descarga. En cuanto a la informacin hidrolgica utilizada en
este caso de estudio, se utiliz el mtodo de bloques alternos aplicado a las curvas IDF
de la zona con el fin de obtener una lluvia de diseo. El evento de precipitacin resultante,
mostrado en la Figura 4-32, tiene un periodo de retorno de 100 aos, una duracin de 2
horas y una intensidad mxima de 161 mm/hora.
Figura 4-40 Hietograma utilizado en el caso de estudio ubicado en Portugal
Al evaluar hidrulicamente la situacin inicial del caso de estudio, es decir cuando se

presentan inundaciones y an no se han implementado las estructuras de
almacenamiento en la red, se obtuvo un volumen total de inundacin en los nudos del
sistema de 2,379 m3, distribuido en los distintos pozos como se muestra en la Figura 4-41.
De igual manera, en esta figura se muestra el rea de estudio con todos los elementos
que constituyen el sistema analizado.
CIACUA
125

Figura 4-41 Inundaciones generadas en el caso de estudio en la situacin inicial
Tericamente, un nmero ilimitado de estructuras de almacenamiento puede ser

considerado en cualquier localizacin de la red de alcantarillado y posteriormente el
modelo de optimizacin se encargar de proveer una solucin que cumpla con los
objetivos especficos del problema. Sin embargo, lo anterior resultara en un problema de
gran complejidad por su tamao y por ende computacionalmente muy demandante. Por lo
anterior, a travs de la ejecucin de una pre-evaluacin de la red existente, y la situacin
inicial de esta, se puede reducir el nmero de ubicaciones potenciales para las estructuras
de almacenamiento. Esta evaluacin debe considerar tambin aspectos como la
disponibilidad de espacio y la viabilidad de implementar un tanque de almacenamiento en
las distintas ubicaciones potenciales, as como el impacto esperado en la reduccin de las
inundaciones en dicha zona.
Luego de aplicar la evaluacin descrita previamente al caso de estudio demostrativo aqu
descrito y analizar tanto la red de estudio como su situacin inicial en trminos de
inundaciones, se definieron seis ubicaciones posibles para la implementacin de los
tanques de almacenamiento, los cuales son mostrados en la Figura 4-42. Estas
ubicaciones corresponden a los nudos que a su vez son crticos y viables dentro de la red,
asociados con la ocurrencia de la mayor parte de la inundacin (presente en ese pozo o el
ubicado aguas abajo de este).
En una situacin del mundo real, se puede considerar un gran nmero de tanques de
almacenamiento para una potencial ubicacin siempre y cuando estos sean considerados
viables; sin embargo, una solucin eficiente en trminos de costos usualmente tendr una
limitacin en el nmero de estructuras que son implementadas (NSU). Para este caso de
estudio, se determin que el volumen mnimo y mximo para cada estructura de
almacenamiento sera de 100 m3 y 2,000 m3 respectivamente. De igual manera, se defini
que el orificio aguas abajo de cada unidad de almacenamiento debe tener un dimetro
CIACUA
126

mnimo igual al 25% del dimetro mximo correspondiente a la seccin transversal del
conducto aguas abajo de la estructura en mencin.
Figura 4-42 Ubicaciones potenciales de las estructuras de almacenamiento en el caso de estudio
En general, se puede considerar un volumen mnimo de inundacin, el cual

eventualmente podra ser diferente de cero si esto no genera un impacto significativo en el
sistema. En este caso de estudio, si se implementaran todas las estructuras de
almacenamiento en cada una de las posibles ubicaciones determinadas para este fin se
lograra reducir el volumen de inundacin del sistema de 2,379 m3 hasta
aproximadamente 360 m3, representando esto una reduccin de aproximadamente el
85%.
Para analizar el desempeo de la metodologa propuesta utilizando este caso de estudio,
se consideraron en total cuatro escenarios distintos, los cuales se desarrollaron al variar la
importancia, o ponderacin, asignada a los componentes de la funcin objetivo asociados
con los volmenes de los tanques de almacenamiento y con los de inundacin, al utilizar
distintas restricciones.
Como ejemplo de lo anterior, el peso asignado a las inundaciones puede variar entre 0
(siendo este irrelevante) hasta 10 (siendo este muy importante), o bien, el volumen de
inundacin admisible en la regin puede establecerse en un mximo de 1000 m3
suponiendo que este valor no crear impactos negativos en el sistema. De igual manera,
el nmero mximo de estructuras de almacenamiento que sern implementadas puede
ser tambin establecido. Por consiguiente, los cuatro escenarios propuestos, descritos a
continuacin, representan el tipo de objetivos y restricciones que pueden ser analizados al
abordar problemas relacionados con la localizacin y dimensionamiento ptimo de las
CIACUA
127

Escenario A: Peso para las inundaciones i = 2 en todos los nudos; No hay

restriccin en el volumen de inundacin; NSU ilimitado.
Escenario B: Peso para las inundaciones i = 10 para todos los nudos aguas
debajo de la estructura de almacenamiento # 6 (SU6) y i = 0 para sus nudos
aguas arriba; No hay restriccin en el volumen de inundacin; NSU ilimitado.
Escenario C: Peso para las inundaciones = 0; Lmite del volumen de
inundacin = 1,000 m3; NSU ilimitado.
Escenario D: Peso para las inundaciones = 10; No hay restriccin en el
volumen de inundacin; nmero mximo de dos estructuras de almacenamiento
(NSU=2).
4.3.4.2 Resultados del Caso de Estudio

El modelo de optimizacin desarrollado fue aplicado al caso de estudio descrito
anteriormente, evaluando as los 4 escenarios propuestos. Para resolver el modelo, se
utiliz el algoritmo SA incluyendo los siguientes parmetros:
1 = 0.2; = 30; = 0.8; y = 15
Debido a la naturaleza aleatoria del algoritmo, se utilizaron 10 nmeros-semilla diferentes.
El mejor resultado obtenido para cada escenario se presenta en la Tabla 8 y se describe a
continuacin.
Tabla 8 Resultados obtenidos para los cuatro escenarios propuestos en el caso de estudio
SU1
SU2
SU3
SU4
SU5
SU6
SSU
Reference SU Vol. (m3)

Situaton Orif. Diam. (m)
0
SU Vol. (m3 ) 1084 126
212
1422
Case A
Orif. Diam. (m) 0.394 0.316 0.376
3
SU Vol. (m ) 1422 134
546 600 916 3618
Case B
Orif. Diam. (m) 0.33 0.322
0.462 0.498 0.634
3
SU Vol. (m ) 1408
362 632
2402
Case C
Orif. Diam. (m) 0.332
0.335 0.446
Case D
SU Vol. (m3 )
2000
1346
Orif. Diam. (m)
0.252
0.369
3346
Flooding
(m3)
2416
1526
749
1000
1014
En el Escenario A, el peso asignado a las inundaciones para todos los nudos fue i = 2,
no existi un lmite para el volumen de inundacin, y fue posible implementar estructuras
de almacenamiento en todas las ubicaciones potenciales (la nica limitacin es el
CIACUA
128

volumen mximo de 2000 m3 para cada unidad de almacenamiento como se defini para
el caso de estudio). La mejor solucin obtenida para este escenario consisti en la
creacin de tres tanques de almacenamiento (conocidos como SU1, SU2 y SU3), cuyos
volmenes se encontraron entre 212 m3 y 1,084 m3, teniendo as un volumen total
almacenado de 1,422 m3. Estos valores corresponden nicamente a los volmenes de las
estructuras que se encuentran completamente llenas de agua durante los instantes ms
crticos, y en todos los tanques construidos se defini un orificio pequeo para disminuir el
flujo de salida. Finalmente, esta solucin disminuy los volmenes de inundacin a 1,526
m3, representando esto una reduccin cercana al 40% en relacin con la situacin inicial
mostrada previamente. Como se muestra en la Figura 4-43, las 3 estructuras
implementadas se encuentran ubicadas en la parte aguas arriba de la red de drenaje
urbano.
Figura 4-43 Localizacin de las Estructuras de Almacenamiento y el Volumen Mximo de Inundacin

en el Escenario A
En el Escenario B, el peso asignado a las inundaciones fue i = 10 en los nudos de la

rama inferior de la red, es decir aguas abajo de la estructura de almacenamiento 6 (SU6),
y i = 0 para los dems nudos, presentando as un caso en donde en algunos nudos la
importancia de las inundaciones era la mxima y en otros la mnima dependiendo de su
ubicacin en el sistema. La mejor solucin obtenida, mostrada en la Figura 4-44, consisti
en la creacin de 5 tanques de detencin (SU1, SU2, SU3, SU4, SU5 y SU6), con
volmenes entre 134 m3 y 1,422 m3, alcanzando as un volumen total de almacenamiento
igual a 3,618 m3. Como consecuencia de la gran penalizacin impuesta a la inundacin en
los nudos aguas abajo del sistema en este escenario se obtuvo el volumen de inundacin
ms bajo de todos, el cual fue de apenas 749 m3, logrando as una reduccin cercana al
70% en relacin con la situacin inicial. Sin embargo, para lograr esta disminucin en las
inundaciones se requiri la construccin de 5 estructuras de almacenamiento, las cuales
sumaron un volumen total almacenado importante, siendo este el ms alto de los 4
escenarios propuestos.
CIACUA
129

Figura 4-44 Localizacin de las estructuras de almacenamiento y el volumen mximo de inundacin en

el Escenario B
En el Escenario C, el peso asignado para las inundaciones fue de i = 0 para todos los
nudos de la red, pero se limit el volumen de inundacin en 1,000 m3. La mejor solucin
obtenida, mostrada en la Figura 4-45, consisti en la creacin de 3 estructuras de
detencin (SU1, SU3 y SU4) con volmenes entre 362 m3 y 1,408 m3, alcanzando as un
volumen total de almacenamiento de 2,402 m3. Finalmente, el volumen de inundacin
generado fue de 1,000 m3, como era de esperarse, como consecuencia de la restriccin
impuesta a esta variable. Al comparar estos resultados con los del Escenario A se obtuvo
que el volumen total de las estructuras de almacenamiento fue aproximadamente 70%
mayor que el de A, pero que el volumen de inundacin fue 35% menor al reportado en
ese escenario.

el Escenario C
CIACUA
130

Por su parte, en el Escenario D se le asign el mximo peso a la inundacin en todos los

nudos, es decir i = 10, teniendo esto como consecuencia una baja generacin de
volmenes de almacenamiento. En cuanto a las dems restricciones, en esta situacin no
se asoci una restriccin al volumen de inundacin generado y se limit el mximo
nmero de estructuras de almacenamiento a 2 (NSU=2). Por ende, la mejor solucin
obtenida, mostrada en la Figura 4-46, consisti en la creacin de 2 tanques de
almacenamiento (SU1 y SU5), en donde el tanque SU1 alcanz el mximo volumen
permitido en este caso de estudio, mientras que el SU5 tuvo un volumen de 1,346 m3. En
este escenario, al asignarle el mayor peso a la inundacin en todos los nudos tuvo como
consecuencia que el volumen de inundacin generada fuera bajo.
De igual manera en el Escenario D, a pesar que nicamente se permitieron dos
estructuras de almacenamiento, la inundacin generada en esta situacin fue menor a la
resultante en el Escenario A. Por su parte, en trminos de los volmenes de inundacin
generados, los resultados obtenidos en el Escenario D son similares a los del Escenario
C, los cuales fueron alcanzados usando un volumen total de almacenamiento mucho
menor. De igual manera, como consecuencia del nmero ilimitado de tanques de
almacenamiento, el Escenario C resulta en una distribucin del almacenamiento de agua
mucho ms eficiente que la obtenida en el Escenario D. Sin embargo, si los costos de las
estructuras de detencin fueran considerados, la solucin del Escenario C podra ser
penalizada como consecuencia de los altos costos en los que posiblemente se incurrira al
hacer la instalacin de estas.
.
el Escenario D
En conclusin, todos los escenarios analizados redujeron los volmenes de inundacin en

relacin con la situacin inicial, aunque lo hicieron a travs de distintas aproximaciones.
En el Escenario A, el peso asignado a la inundacin fue bajo, por lo cual solo se logr una
CIACUA
131

reduccin del 40% en los volmenes de inundacin. Para los otros escenarios, a medida
que la importancia de los volmenes de inundacin incrementaron en trminos del
aumento del peso asignado a estos o de las restricciones impuestas, el volumen de
inundacin disminuy en el 70%, en el Escenario B, y en 60% en los escenarios C y D.
Estos dos ltimos tuvieron como resultado volmenes de inundacin similares, pero con la
particularidad que el Escenario C obtuvo un volumen total de almacenamiento menor con
un nmero mayor de tanques instalados. Finalmente, el menor volumen de inundacin se
alcanz en el Escenario B a pesar que fue necesario incurrir en un volumen de
almacenamiento muy grande, mostrando as el trade-off existente entre la capacidad de
los tanques y el volumen de inundacin generado.
4.3.4.3 Calidad de los Resultados Obtenidos
Con el fin de evaluar la calidad de los resultados obtenidos, as como del comportamiento
del modelo desarrollado, se analizaron tres tipos distintos de resultados: El balance de
masa resultante al completar el proceso de simulacin, las variaciones del caudal en el
punto de descarga y la variacin de la profundidad al interior de cada uno de los tanques
de almacenamiento instalados.
En la Tabla 9 se muestra el balance de masa en cada uno de los escenarios propuestos,
el cual se verific con ms de 24 horas de simulacin para minimizar el volumen final
almacenado (mostrado en la columna Fin. Stored). En todos los escenarios la diferencia
entre el volumen de escorrenta que ingresa al sistema (resultante de la aplicacin de un
modelo lluvia-escorrenta), y el volumen que sale de este (a travs del punto de descarga,
en forma de inundaciones y el que se queda almacenado en las estructuras de detencin)
es despreciable.
Tabla 9 Resultados obtenidos del balance de masa para todos los escenarios
Flooding
(m3)
CIACUA
Vol. Outfall Fin. Stored

(m3)
(m3)
Runoff
error
(m3)
Reference
Situaton
2416
8186
10604 10601 -0.03%
Example
A
1526
9074
10603 10601 -0.02%
Example
B
749
9846
10601 10601 0.00%
Example
C
1000
9596
10602 10601 -0.01%
Example
D
1014
9569
17
10600 10601 0.01%
132

En cuanto al caudal que sale del sistema a travs del punto de descarga, mostrado en la
Grfica 20 para cada escenario, se puede observar que a pesar que la evolucin temporal
de esta variable es distinta en cada una de las situaciones, el valor mximo alcanzado fue
igual en la mayora de estas. Lo anterior ocurre porque las tuberas ubicadas justo antes
de llegar al punto de descarga (es decir, las ramas ubicadas hacia aguas debajo del
sistema) se encuentran en estado de sobrecarga, razn por la cual el modelo, con el fin
de minimizar estos flujos, usa todo el espacio disponible para llenarlo con agua,
resultando as en la presencia de caudales similares en el punto de descarga.
Grfica 20 Caudal medido en el punto de descarga para los escenarios analizados
Finalmente, el nivel del agua al interior de las estructuras de almacenamiento para cada
uno de los escenarios propuestos se muestra en la Grfica 21. En este caso de estudio, la
altura de los tanques de almacenamiento se consider constante e igual a 2 metros, y su
volumen fue determinado a travs de la variacin del rea. Por lo anterior, se obtuvo que
los volmenes correspondientes a cada una de las unidades de almacenamiento,
implementadas en los distintos escenarios, estaban llenos con agua hasta su mxima
capacidad (es decir, el nivel del agua fue igual a 2 m), significando esto que las soluciones
alcanzadas utilizaron todo el espacio disponible para retener el agua, y por lo tanto se
puede concluir que el algoritmo desarrollado parece estar logrando soluciones eficientes.
CIACUA
133

b) Escenario B
a) Escenario A
2.0
1.8
Water depth [m]
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
0:00
1:12
2:24
3:36
4:48
Time [hh:mm]
SU1
SU3
SU4
c) Escenario C
d) Escenario D
Grfica 21 Profundidad al interior de las estructuras de almacenamiento en cada escenario analizado.
Finalmente, es importante mencionar que el tiempo computacional requerido para que el

modelo de optimizacin alcance una solucin vari entre 1.5 y 4 horas (ejecutando
alrededor de 7,000 a 15,000 iteraciones) con un computador regular de escritorio, cuyas
caractersticas fueron un procesador Intel Core i7 3.6 GHz y una memoria RAM de 8 GB.
4.3.5
Conclusiones
A partir del trabajo desarrollado durante la Fase I del proyecto Drenaje Urbano y Cambio
Climtico: Haca los Sistemas de Alcantarillado del Futuro en el rea de reduccin de
CIACUA
134

caudales pico, especficamente en la optimizacin de la localizacin y dimensionamiento

de estructuras de almacenamiento con control hidrulico se pudo llegar a las conclusiones
que sern presentadas a continuacin.
Se present un modelo de decisin para la localizacin y dimensionamiento ptimos de
estructuras de almacenamiento. El algoritmo Simulated Annealing (SA) fue utilizado para
desarrollar el modelo de optimizacin y su implementacin fue descrita en detalle. De
igual manera, ya que este algoritmo posee varios parmetros que deben ser calibrados,
se implement un pequeo sistema de prueba con diferentes escenarios para representar
los tipos de problemas que podran presentarse, demostrando as un procedimiento
inteligente de prueba y error para llevar a cabo dicha calibracin.
La metodologa propuesta se aplic a un caso real de estudio con el fin de mostrar su
potencial de aplicacin. Para esto, se implementaron cuatro escenarios (Escenario A, B, C
y D), distintos en trminos de los pesos y las restricciones asignadas, representando los
tipos de objetivos y restricciones que se pueden presentar en el problema abordado. En
particular se probaron diferentes pesos para la penalizacin de los volmenes de las
inundaciones en los diferentes nudos, as como limitacin del volumen total de sobrecarga
y el nmero de estructuras de almacenamiento implementadas.
En cuanto a los resultados obtenidos, en el Escenario A el peso asignado a las
inundaciones fue bajo, razn por la cual la reduccin obtenida en los volmenes de
sobrecarga fue de apenas un 40% en relacin con la situacin inicial. En el Escenario B
se dieron los pesos ms altos a las inundaciones en algunos nudos, mientras que en los
dems se asign el peso ms bajo. Los volmenes de inundacin obtenidos para este
escenario fueron los ms bajos, con una reduccin cercana al 70% en relacin con la
situacin inicial, pero se requiri la construccin de 5 tanques de almacenamiento en total,
sumando as un volumen total de agua requerido significativo. En el Escenario D el peso
asignado a los volmenes de inundacin fue alto en todos los nudos, y
consecuentemente, el volumen de sobrecarga obtenido fue ms bajo que el del Escenario
A, sin embargo, en D nicamente fueron permitidos dos tanques de almacenamiento. No
obstante, en el Escenario C se obtuvo un resultado similar al de D en trminos del
volumen de inundacin utilizando un volumen total de almacenamiento requerido mucho
ms bajo como consecuencia del nmero ilimitado de tanques que podan ser instalados;
resultando esto en una distribucin ms eficiente de la retencin del agua. Finalmente, si
los costos de las estructuras de detencin fueran considerados, la solucin del Escenario
C podra ser la ms costosa como consecuencia de los altos costos que posiblemente se
generaran en trminos de los costos fijos y de instalacin de estas unidades de
almacenamiento.
En todos los escenarios analizados, se verific el balance de masa resultante en la
simulacin, y se observ que en todos los casos se utiliz todo el volumen disponible en
las estructuras de almacenamiento para la retencin del agua. Este hecho sugiere que el
CIACUA
135

algoritmo se encuentra bien implementado ya que las estructuras dimensionadas,

entregadas en las soluciones obtenidas, parecieron estar trabajando eficientemente.
Adicionalmente, en este caso de estudio en particular la rama ms aguas abajo de la red,
es decir los conductos antes de llegar al punto de descarga, se encontraron en estado de
sobrecarga en la situacin inicial. Por esta razn, el algoritmo disminuy los volmenes de
inundacin en estos nodos, pero an despus de esto, las tuberas continuaron
sobrecargadas. Consecuentemente, el mximo caudal que sale del sistema permaneci
igual para todos los escenarios, significando esto que fue utilizado todo el espacio
disponible para el almacenamiento de agua.
Aunque una solucin costo-eficiente usualmente tiene una limitacin en el nmero de
tanques de almacenamiento que son implementados en el sistema, al plantear una
aproximacin distinta se podran considerar ms ubicaciones potenciales de estas
estructuras en la red de alcantarillado haciendo as que el modelo de optimizacin brinde
una solucin basada en propsitos especficos del problema.
Este informe present el proceso de desarrollo e implementacin de una metodologa
completamente nueva e innovadora para abordar el problema de localizacin y
dimensionamiento ptimo de tanques de almacenamiento en sistemas de drenaje urbano.
Sin embargo, es importante mencionar que an hay lugar para la realizacin de mejoras
en futuras fases del proyecto. Para ejemplificar lo anterior, durante esta fase de la
investigacin se utiliz un caso de estudio correspondiente a un rea urbana pequea
demostrando as el potencial de la metodologa desarrollada. Sin embargo, una de las
mejoras a realizar en este caso consistir en la aplicacin de este procedimiento a otro
caso de estudio real y que sea de mayor tamao ya que esto puede requerir la
especificacin de un mayor nmero de restricciones, as como tambin de calibraciones.
En cuanto a la formulacin desarrollada, la posibilidad de asignar distintos pesos en cada
uno de los nudos de acuerdo con la importancia dada al componente de inundacin de la
funcin objetivo ya se encuentra implementada en el modelo. Por su parte, se incluy un
volumen total de inundacin, el cual fue limitado a travs de la definicin de una
restriccin implementada en algunos nudos segn esto fuera requerido. Para el
establecimiento del valor asociado con la restriccin mencionada es necesario analizar
informacin referente a la ocupacin superficial que tendra el agua, as como su
comportamiento fuera del sistema de drenaje, una vez la inundacin haya ocurrido.
Adems de esto, el presente modelo se enfoc en la reduccin de los volmenes de
inundacin a travs de restricciones especficas para este fin, as como de los trminos
involucrados en la funcin objetivo. No obstante, se observ que se pueden obtener
resultados similares si se implementan restricciones relacionadas con el caudal en
algunos conductos especficos, resultando estas ms fciles y tiles de implementar en
algunos casos.
CIACUA
136

La funcin objetivo utilizada incluy un peso constante asignado al trmino asociado con
las inundaciones denotado por . No obstante, podra ser una buena opcin variar el
peso asignado a las inundaciones segn el volumen de sobrecarga
ya que en
algunas situaciones es aceptable la presencia de pequeas cantidades de agua
ocasionadas por el desbordamiento del sistema. Ejemplificando lo anterior, 5 cm de agua
en una va no causa un impacto importante en las personas que pasan por ah; sin
embargo, el impacto generado por esta acumulacin de agua va aumentando a medida
que su profundidad se incremente. Por lo anterior, 15 cm de agua puede empezar a
afectar la vida de las personas, y cuando esta llega a ser de 40 a 50 cm pueden poner a
estas personas en peligro. A pesar de esto, la calibracin de esta funcin no es una tarea
sencilla ya que requiere una evaluacin adecuada de las inundaciones que se presentan y
los daos que esta causa en la zona de estudio.
Pese al tamao relativamente pequeo de la cuenca utilizada como caso de estudio, al
aplicar el algoritmo SA se requiri un tiempo computacional promedio cercano a las 2
horas. Por ende, es de esperarse que reas urbanas de mayor tamao requieran un
mayor esfuerzo computacional, as como tambin de la implementacin de algunas subrutinas que incrementen la velocidad de resolucin del algoritmo. Por ejemplo, suponiendo
una situacin en donde se va a poner a prueba una rutina especfica para establecer el
volumen de una estructura de almacenamiento que es requerido en cada una de las
ubicaciones potenciales de la red. Es importante notar que bajo esta situacin, cuando se
realizan refinamientos en el algoritmo, o se incluyen restricciones o componentes
adicionales en el modelo de optimizacin los parmetros del algoritmo deben ser
recalibrados. Consecuentemente, en un proceso de calibracin ms avanzado, se puede
utilizar un conjunto ms amplio de sistemas de prueba, as como tambin aplicar etapas
adicionales o alternativas del proceso de calibracin con el fin de enfocar el estudio en los
efectos de la variacin de cada parmetro individualmente.
Como se estableci previamente, se desarroll una formulacin alternativa del modelo
utilizando funciones de costo en lugar de volmenes, la cual no fue utilizada por la
cantidad de informacin en detalle que es requerida. Particularmente, para que las
funciones de costo de los tanques de almacenamiento resulten apropiadas para su
objetivo deben incluir la inversin inicial y los costos operativos relacionados con la
construccin de la estructura. El costo de los daos potenciales generados por las
inundaciones deben ser evaluados con base en los diferentes impactos esperados,
incluyendo as impactos socio-econmicos y ambientales, y teniendo en cuenta el uso del
suelo, su topografa, entre otros aspectos involucrados en la caracterizacin de la zona de
estudio.
De igual manera, en los trabajos posteriores a este se esperan incluir de forma implcita
los costos relacionados con las modificaciones que sean hechas al sistema de drenaje
urbano dentro de la funcin objetivo del modelo. Lo anterior con el fin de implementar el
desnivel correcto a la salida del tanque de almacenamiento.
CIACUA
137

Finalmente, se puede concluir que durante la Fase I del proyecto ejecutado se logr
desarrollar una metodologa que dimension y localiz ptimamente estructuras de
almacenamiento temporal al interior de una red de drenaje urbano con el fin de reducir los
caudales pico que llegan al sistema. Lo anterior, se logr a travs de la formulacin de un
modelo de decisin que result ser uno de los productos ms importantes obtenidos en el
proyecto en trminos de tcnicas de reduccin de caudales pico. Como se mencionar en
el Captulo 8, este modelo ser refinado durante las fases posteriores del proyecto, as
como aplicada a ms casos de estudio con el fin de demostrar sus capacidades
referentes a la planeacin de sistemas de drenaje urbano.
CIACUA
138

5. Modelacin Computacional
Como parte esencial del proyecto se encuentra la rama de la Modelacin Computacional.
Esta rea se encarga de entender las redes de drenaje por medio de herramientas
computacionales y as poder hacer predicciones sobre el comportamiento de stas. En
este captulo se presenta el programa con el cual se est trabajando junto con la
herramienta Toolkit que se desarroll para la presente investigacin. Tambin se
presentan las estrategias realizadas para la reduccin de los tiempos de clculo junto con
una aplicacin desarrollada para este propsito.
5.1 Elaboracin y validacin de la librera de conexin de SWMM 5

5.1.1
Presentacin
El Storm Water Management Model (SWMM) es un modelo dinmico de simulacin del

flujo generado por aportes de agua procedente de precipitaciones o de aguas residuales
desarrollado por la United States Enviremental Protection Agency (USEPA). SWMM se
puede utilizar para un nico acontecimiento de lluvia o para realizar una simulacin
continua durante un periodo extendido de tiempo. El programa permite simular tanto la
cantidad como la calidad del agua evacuada, especialmente en alcantarillados urbanos.
SWMM es un programa que corre por s solo gracias a una interfaz de usuario
desarrollada igualmente por la USEPA. SWMM consta de una interfaz de usuario
programada en Delphi y un mdulo de clculo programado en C. Sin embargo, su
verdadero potencial est en la posibilidad de ejecutar las simulaciones con el mdulo de
clculo desde cualquier aplicacin sin necesidad de pasar por interfaz antes mencionada.
La USEPA proporcion en su da unas herramientas para interfaz que permitan la
ejecucin de una simulacin desde una aplicacin externa siempre y cuando se hubiese
definido previamente las caractersticas de la red. La presenta seccin describe la
ampliacin de estas herramientas hasta convertirlas en una librera de funciones (Toolkit)
que permita no solo la ejecucin de las simulaciones, sino tambin la lectura de los
resultados y la modificacin de las caractersticas de la red.
5.1.2
Justificacin
En el campo de las redes de distribucin de agua son muchos los ejemplos de desarrollo
de distintas herramientas que facilitan la incorporacin de motores de clculo en
algoritmos de optimizacin. El primer ejemplo se tiene en EPANET, que en su versin
publicada por la USEPA incorpora una librera de programacin (EPANET Programmers
Toolkit) que facilita su utilizacin como comandos tpicos de programacin (Rossman,
2000). Algunos autores han adaptado esta librera para incorporar funciones no
contempladas previamente. Es el caso de Kandiah et al. (2012), el cual incluy funciones
para la adaptacin de controles en EPANET; o de Guidolin et al. (2011) y su CWSNet
Library, la cual ampla el Toolkit de EPANET para poder incorporar nuevos elementos de
la red. En otros casos, el ejemplo de EPANET ha sido seguido por otras instituciones que
CIACUA
139

han incluido libreras de programacin en sus programas comerciales. Es el caso de

Bentley y su WaterObjects.NET (Bentley, 2014), que forma parte de WaterGEMS.
Por tanto, en el campo del suministro de agua potable existe una librera que permite
agilizar clculos repetitivos que requieren cambio o actualizacin de la red que se est
simulando. Sin embargo, este esfuerzo por integrar un simulador hidrulico para redes de
alcantarillado en otros soportes an no tiene su equivalente en SWMM, ms all de la
librera publicada conjuntamente con el propio SWMM.
El funcionamiento de la interfaz desarrollada por la USEPA reproduce el funcionamiento
del programa SWMM en modo de comandos (ejecucin en modo consola). Es decir, el
proceso es secuencial al igual que el programa, siguiendo los pasos habituales:
1.
2.
3.
4.
Lectura del archivo que contiene la informacin.

Ejecucin del clculo hidrolgico.
Ejecucin del clculo hidrulico.
Escritura del archivo de resultados.
Este modo de funcionamiento est pensado para trabajar con una interfaz de usuario
distinta, bien desarrollada ad-hoc, bien integrada en otros programas. Su aplicacin ms
evidente sera la de integrar el programa SWMM dentro de un sistema de informacin
geogrfica.
Sin embargo SWMM, requiere que, para cada ejecucin, se deba escribir el archivo de
datos y para procesar los resultados debe leerse el archivo que contiene los mismos.
Estas dos operaciones requieren un gran esfuerzo de programacin y un consumo de
tiempo que puede llegar a ser importante. La idea de preparar una nueva librera de
acceso parte de la necesidad de simplificar operaciones en caso de clculos repetitivos,
como sucede en la mayora de los algoritmos de optimizacin aplicados al diseo y
operacin de redes. As, lo que se busca con la librera es reducir operaciones repetitivas
innecesarias:
Si se va a optimizar exclusivamente la red (por ejemplo para dimensionar

conductos, instalaciones de retencin o estrategias de control), el clculo
hidrolgico no tiene por qu ser efectuado cada vez. En primera instancia, dado el
carcter modular de SWMM 5, es posible realizar un clculo hidrolgico preliminar,
obtener los hidrogramas de escorrenta que ingresan en cada elemento y realizar
exclusivamente el clculo hidrulico.
Puesto que ser necesario modificar repetidamente diversos parmetros de la red,
se evita tener que reescribir el archivo de datos cada vez. Esta es una de las
operaciones que ms tiempo de ejecucin requieren por lo que se modificarn los
parmetros en memoria, sin recurrir a la escritura de los archivos.
Por ltimo, la escritura de resultados de SWMM no es sencilla de manipular. Existe
un archivo binario de resultados que presenta principalmente resmenes
CIACUA
140

estadsticos de resultados (caudales mximos, niveles mximos, balances de

volmenes, etc.) Para obtener informacin detallada de un elemento hay que
utilizar las opciones [REPORT] en el archivo de datos y posteriormente filtrar el
informe de resultados en busca de dicha informacin. Por ello, se ha optado por
leer directamente los resultados despus de cada iteracin. De esta forma no es
necesario leer el archivo (de hecho, se puede obviar incluso su escritura) y se
agiliza el clculo.
En la Figura 5-1 se muestran sendos diagramas de flujo de un proceso de optimizacin
basado en la evaluacin de una funcin objetivo. La opcin A (izquierda) representara el
diagrama de flujo de un proceso basado en la interface preparada por la USEPA. La
opcin B (derecha) representara el mismo proceso empleando el Toolkit. Se observa que
se evitan algunas operaciones. Cuanto mayor es el nmero de iteraciones, mayor ser el
ahorro en tiempo de clculo conseguido. Se debe tener en cuenta que si se opta por
algoritmos evolutivos el nmero de evaluaciones de la funcin objetivo puede llegar a ser
muy elevado.
Dado que para simulaciones en periodo extendido los tiempos de clculo pueden llegar a
ser importantes, este aspecto ha constituido siempre un motivo de preocupacin para los
desarrolladores del programa. Originalmente el programa fue desarrollado en FORTRAN
(Huber y Dickinson, 1988) con sucesivas adaptaciones. As, cuando se realiz el cambio
definitivo de las rutinas originales desde FORTRAN al lenguaje C, se procedi a sendas
comparaciones en trminos de precisin en los resultados (Rossman, 2006) y de tiempos
de ejecucin (Chan et al., 2005).
De la misma forma y para respaldar las afirmaciones realizadas ms arriba, se ha
realizado un sencillo test de velocidad. En dicho test se medir el tiempo de clculo
empleado por ambas opciones (EPA SWMM 5 Interface y SWMM Toolkit) modificando
tres parmetros:
Tamao de la red objeto de estudio.

Caractersticas de la precipitacin.
Mtodo seguido para la modificacin de los datos de la red.
En todos los casos, al igual que se realiz en su da en la transicin desde SWMM 4 a

SWMM 5 (Chan et al., 2005) y con el fin de garantizar igualdad de condiciones, todos los
casos se procesaron con el mismo ordenador:
Ordenador Fujitsu Celsius
Procesador Intel Core i7 CPU 870 @ 2,93 GHz
Memoria RAM 16 Gb
Sistema Operativo Windows 7 Professional 64 bits
CIACUA
141

Figura 5-1. Comparacin del esquema de funcionamiento de un algoritmo de optimizacin utilizando

EPA SWMM 5 Interface (A) y SWMM 5 Toolkit (B).
CIACUA
142

Tamao de la red:
Se han elegido tres redes de trabajo (ver Figura 5-2):
Red 1. Red ejemplo disponible en el manual del programa (Rossman, 2010). La

red es muy sencilla: consta de 5 nudos y 4 tuberas.
Red 2. Red Mini Chic Sur (descrita previamente en la Seccin 2.2), la cual consta
de 82 nudos y 83 tuberas.
Red 3. Red real correspondiente a la poblacin de Xirivella (Valencia, Espaa).
Esta red consta de todos los elementos que podemos encontrar en una red:
estaciones de bombeo, aliviaderos, estacin depuradora, mallas e interceptores,
etc. La red consta de 916 nudos y 931 tuberas.
Red 1
Red 2
Red 3
Figura 5-2. Redes utilizadas para la evaluacin de los tiempos de clculo.
CIACUA
143

Lluvias procesadas:
Para este apartado tambin se ha optado por procesar para las tres redes tres casos
distintos:
Caso 1. Lluvia de 6 horas de duracin, con valores de intensidad de lluvia

cambiantes cada hora y una duracin de la simulacin de 12 horas.
Caso 2. Lluvia real recogida en un pluvigrafo. En este caso se trata del
pluvigrafo situado en Almassora (Castelln, Espaa) y se han procesado todos
los registros correspondientes al mes de octubre del ao 2000, con una duracin
de la simulacin de 31 das (el mes completo). En este caso, la separacin de los
datos de lluvia tambin es de una hora.
Caso 3. Se han recogido los hidrogramas de escorrenta obtenidos en el Caso 1,
se han pasado como aportes en cada uno de los nudos y se ha realizado la
simulacin hidrulica exclusivamente, evitando el clculo hidrolgico. Esto ha
requerido la preparacin de una pequea aplicacin que ejecuta el clculo y
convierte los resultados hidrolgicos en datos de entrada modificando el archivo
de datos (*.INP).
Modalidad de clculo:
En este ltimo apartado se han comparado los tiempos de ejecucin de los nueve casos
(tres redes x tres lluvias) utilizando la interfaz preparada por la USEPA y comparando los
tiempos de ejecucin con los empleados con el Toolkit. Para la comparacin se realiz
una pequea aplicacin que permitiese medir el tiempo empleado en el clculo con una
precisin de milisegundos. Se realizaron 10 simulaciones cambiando algunos parmetros
(desniveles y dimetros) y se midi el tiempo total empleado para las 10 simulaciones.
Los resultados de esta prueba se muestran en la Tabla 5-1.
Tabla 5-1. Comparacin de tiempos de ejecucin (en milisegundos).
Caso 1
Lluvia 6 horas
Red 1
Red 2
Red 3
Caso 2
Lluvia octubre 2000
Caso 3
Aportes
EPA SWMM
610
20791
470
Toolkit
460
20775
430
EPA SWMM
6731
313803
4441
Toolkit
4460
300704
4280
EPA SWMM
598329
5438193
144220
Toolkit
135549
4935524
126308
De estos resultados se pueden obtener las siguientes conclusiones:

a) Cuanto mayor es el tamao de la red, ms tiempo cuesta calcularla. Este dato es
obvio. Sin embargo, se observa tambin que, cuanto mayor es la red, mayor es el
CIACUA
144

porcentaje de tiempo empleado en la manipulacin de archivos. As, la utilizacin

del Toolkit ahorra el 25% del tiempo para la Red 1, el 33% para la Red 2 y el 77%
para la Red 3 si la lluvia es la de 6 horas.
b) La manipulacin de datos en memoria ralentiza el proceso. Dicho de otra forma,
cuanto mayor es el tiempo dedicado al clculo, menor es la importancia relativa del
tiempo empleado en la manipulacin de archivos. Esta tambin es una
consecuencia esperada. Sin embargo, del anlisis de los resultados del Caso 2, se
ratifica lo dicho en el prrafo anterior. La utilizacin del Toolkit reduce el tiempo de
clculo para una lluvia de un mes en un 0,2% para la Red 1, 4,2% para la Red 2 y
9,2% para la Red 3.
c) La ejecucin previa del clculo hidrolgico para pasar los resultados como aporte
directo en un nuevo archivo proporciona ahorros de tiempo del orden del 10% en
todos los casos. Esto es, una vez obtenido el nuevo archivo sin datos hidrolgicos
y con hidrograma de entrada para cada nudo, la utilizacin del Toolkit reduce un
10% el tiempo de clculo con respecto a la misma operacin utilizando la Interface
preparada por la USEPA.
En general, para los procesos de optimizacin se utilizan lluvias de poca duracin e
intensidades importantes, es decir, ms prximas al Caso 1 expuesto anteriormente. Para
este tipo de situaciones, se observa que el Toolkit aporta un ahorro significativo en los
tiempos de clculo, tanto mayor cuanto mayor es el tamao de la red. Como se ha visto,
para redes muy grandes este ahorro puede rebasar el 75% del tiempo. En la Grfica 5-1
se muestra de un grfico comparativo de los ahorros de tiempos obtenidos con la
utlizacin del Toolkit.
Tiempo de ejecucin (ms)
1000000
100000
10000
1000
EPA SWMM
Toolkit
100
Red 1
Red 2
Red 3
Grfica 5-1. Comparacin de los tiempos de ejecucin entre el uso del Toolkit y la interface incluida en
EPA SWMM.
CIACUA
145

5.1.3
Funciones de la librera
En este numeral se describen todas las funciones incluidas en la librera, tanto las
desarrolladas inicialmente por la USEPA como las desarrolladas en este proyecto.
5.1.3.1 Desarrolladas por la USEPA (EPA SWMM 5 Interface)
Al instalar el programa SWMM descargado de la pgina de la USEPA32 se instalan tanto
la versin ejecutable de SWMM (swmm5.exe) como la librera de vnculos dinmicos
(swmm5.dll). Esta ltima incluye una serie de funciones que permiten la ejecucin de
SWMM sin necesidad de la interfaz grfica.
Las funciones que incluye la librera DLL swmm5.dll pueden ser utilizadas desde otros
programas. Estas funciones son:
swmm_getVersion
swmm_run
swmm_open
swmm_start
swmm_step
swmm_end
swmm_getMassBalErr
swmm_report
swmm_close
5.1.3.2 Desarrolladas por la UPV (Toolkit)

Las funciones antes descritas no permiten acceder a los resultados si no es a travs de la
lectura en archivo de los mismos, bien a partir del archivo del informe (en formato texto),
bien a travs del archivo de resultados (en formato binario)33. De la misma forma, la nica
forma de ingresar los datos es a travs del archivo de datos. Por este motivo, se han
programado nuevas funciones que permiten tanto la entrada o modificacin de datos
como la recuperacin de resultados durante la ejecucin de una simulacin sin necesidad
de reescribir completamente el archivo de datos.
Las funciones que incluye la librera DLL swmm5.dll34 desarrollada en este proyecto son:
swmm_getCount
swmm_setNodeValue
swmm_getNodeIndex
swmm_getNodeId
swmm_setLinkValue
swmm_setLinkGeom
32
http://www.epa.gov/ednnrmrl/models/swmm
El formato del archivo binario de resultados puede consultarse en la SWMM 5 Interfacing Guide, disponible en la
pgina de la USEPA.
34
La librera aqu descrita se ha realizado sobre las versiones SWMM 5.0.18 (en espaol) y SWMM 5.0.22 (ltima
actualizacin disponible en la pgina de la USEPA de la versin 5.0 de SWMM). Con posterioridad a la terminacin de
esta librera se ha publicado una nueva versin (SWMM 5.1).
33
CIACUA
146

swmm_getLinkIndex
swmm_getLinkId
swmm_getNodeType
swmm_getLinkType
swmm_getNodeValue
swmm_getLinkValue
swmm_getLinkNodes
En el Anexo 10.9 se procede con la descripcin de estas funciones.
5.1.4
Validacin de las funciones del Toolkit
5.1.4.1 Procedimiento de prueba del Toolkit

En su dilatada historia, SWMM ha sufrido numerosos cambios. La idea del equipo de
desarrollo ha consistido siempre en mantener la fiabilidad en los clculos mediante el
empleo de un riguroso sistema de garanta de calidad del programa (Schade, 2002). En
este caso la validacin realizada no ha sido tan ambiciosa como la descrita en el
documento presentado por Schade, pero aun as se ha buscado garantizar la perfecta
coincidencia de los resultados obtenidos con el Toolkit. As, al igual que se hizo en el paso
de SWMM 4 a SWMM 5, se han realizado pruebas basadas en dos ideas (Rossman et al.,
2004):
Por una parte, con el fin de garantizar la perfecta compatibilidad del Toolkit
desarrollado con el motor de clculo proporcionado por la EPA, se han realizado
una serie de pruebas cuyo objetivo es comparar el funcionamiento de ambas
herramientas.
Por otra parte, se han publicado tres versiones distintas del Toolkit que se han ido
poniendo a disposicin del equipo investigador del proyecto de forma que junto
con las pruebas programadas se puedan recoger fallos o sugerencias que han ido
siendo incorporadas a la librera cuando ello ha sido posible. As, adems de la
versin inicial lanzada en Enero de 2014, se han publicado dos versiones
adicionales en Marzo y Junio de este ao.
Las funciones desarrolladas se han clasificado en tres grupos:

Grupo 1. Funciones de gestin del proyecto.
En este grupo no se ha aadido ninguna funcin nueva, y se han respetado las que ya
existan en la interfaz preparada por la EPA. Por lo tanto, en este punto no se ha realizado
ningn tipo de test de validacin. Sin embargo, se han mantenido en el Toolkit
desarrollado.
Grupo 2. Funciones de lectura de datos y resultados.
Entraran en este grupo todas las funciones get:
CIACUA
147

swmm_getCount
swmm_getNodeIndex
swmm_getNodeId
swmm_getLinkIndex
swmm_getLinkId
swmm_getNodeType
swmm_getLinkType
swmm_getNodeValue
swmm_getLinkValue
swmm_getLinkNodes
Para estas funciones se realizaron pruebas para comprobar que las variables ledas
correspondan con las que se pretendan leer; y que los valores ledos coincidan con los
resultados presentados por SWMM. Estas funciones se pueden descomponer a su vez en
dos subgrupos: las que leen exclusivamente datos del proyecto (swmm_getCount,
swmm_getNodeIndex, swmm_getNodeId, swmm_getLinkIndex, swmm_getLinkId, y
swmm_getLinkNodes) y las que leen tanto datos como resultados. Para estas ltimas, se
comprob que los resultados ledos coincidiesen con los de SWMM y que, en caso de no
haberse realizado ninguna simulacin, no diesen error.
Grupo 3. Funciones de modificacin de datos.
Entraran en este grupo todas las funciones set:
swmm_setNodeValue
swmm_setLinkValue
swmm_setLinkGeom
Este tercer grupo de funciones es el ms importante y a la vez el ms crtico. De hecho,

este grupo de funciones constituyen el motivo del desarrollo del Toolkit. Su misin
principal consiste en modificar los datos del modelo de la red de alcantarillado, sin
necesidad de leer y escribir el archivo del proyecto. Esto permite por una parte integrar
SWMM en otros algoritmos ms complejos de carcter iterativo, como algoritmos de
diseo, de regulacin o de calibracin. Por ello, para este grupo de funciones las pruebas
han sido ms elaboradas.
5.1.4.2 Redes empleadas
La mayora de las pruebas se realizaron sobre redes obtenidas a partir de la red ejemplo
planteada en el Manual de Usuario de SWMM 5 (Rossman, 2010). A continuacin se
muestran dichas redes.
CIACUA
148

Figura 5-3. Red empleada para el estudio de las funciones de los Grupos 1 (gestin del proyecto) y 2
(lectura de datos y resultados).
Figura 5-4. Red empleada para el estudio del comportamiento de los depsitos utilizando las funciones
del Grupo 3 (modificacin de datos).
CIACUA
149

Figura 5-5. Red empleada para el estudio del comportamiento de vertederos, orificios y desniveles
(offsets) utilizando las funciones del Grupo 3 (modificacin de datos).
Por otra parte, para el estudio detallado de las estructuras de control (vertederos y
orificios) se utiliz otra red mucho ms sencilla que permitiera el anlisis de los resultados
tanto desde SWMM como mediante el clculo manual. Esto se debe a la forma que tiene
SWMM de calcular este tipo de dispositivos. De esta forma, se pudieron simular las
distintas situaciones (flujo normal, comportamiento como vertedero en el caso de los
orificios o como orificio en el caso de los vertederos y flujo inundado). En la Figura 5-6 se
puede observar un esquema de esta red. La red consiste en un depsito con un aporte
continuo de 1500 L/s de manera que se pueda alcanzar un rgimen permanente. De la
misma forma, el vertimiento se realiza mediante una descarga libre. Los conductos son
suficientemente largos (100m) para permitir que en los puntos medios de ambos
conductos la profundidad sea la correspondiente al rgimen uniforme. De esta forma, se
pueden realizar los clculos manualmente y contrastar los resultados con SWMM y con el
Toolkit.
Figura 5-6. Red utilizada para el estudio exhaustivo de vertederos y orificios.
CIACUA
150

5.1.4.3 Metodologa seguida

Los test realizados se han agrupado en dos fases segn las funciones que se pretenda
probar. A continuacin se describen los ensayos realizados, dejando para ms adelante
las principales conclusiones obtenidas, tanto en trminos de correccin de errores como
de advertencias sobre el uso del Toolkit.
Fase I. Pruebas realizadas sobre las funciones del Grupo 2:
Para esta fase se utiliz exclusivamente la red de la Figura 5-3.
Las pruebas realizadas en este caso han consistido simplemente en comprobar que los
resultados obtenidos con SWMM y con el Toolkit son exactamente coincidentes, sin
ningn tipo de manipulacin de la informacin. La red empleada es la ya comentada, con
una lluvia de 6 horas de duracin (la misma que se emple en el Caso 1 de las pruebas
de velocidad) y una duracin de la simulacin de 12 horas. Durante las primeras pruebas
se observ que el Toolkit recoga absolutamente todos los instantes de clculo, mientras
que en SWMM slo se recogen los que han sido previamente seleccionados a travs del
intervalo de resultados del informe. Por ello, para garantizar la igualdad de condiciones,
se trabaj con un intervalo de clculo hidrulico fijo de 10 segundos y un intervalo de
recoleccin de resultados en el informe igualmente de 10 segundos. Por otra parte, a fin
de asegurar la precisin de los mismos, se cambiaron las preferencias de SWMM para
que los resultados del informe se presentaran siempre con 4 decimales, ya que el Toolkit
presenta los resultados con una mayor precisin.
Para los nudos se procesaron todas las variables contenidas en la Tabla 10-4 excepto las
relacionadas con los parmetros de calidad del agua. Igualmente, para las lneas se
procesaron todas las variables contenidas en la Tabla 10-5 con excepcin de los
parmetros de calidad del agua.
De momento, no se ha considerado oportuno incluir los datos relacionados con las
cuencas ni los correspondientes resultados del modelo hidrolgico, aunque no se
descarta incluirlos en futuras versiones si ello contribuye positivamente al funcionamiento
del Toolkit.
Al principio se detectaron algunas fallas que fue necesario resolver. Estos errores se
detallan en el siguiente prrafo. Los resultados de este primer grupo de ensayos fueron
plenamente satisfactorios a partir de la segunda versin publicada en Marzo de 2014.
Fase II. Pruebas realizadas sobre las funciones del Grupo 3:
Para esta fase se realizaron dos conjuntos de ensayos. Los primeros se realizaron sobre
la red mostrada en la Figura 5-4. En ella se realizaron las pruebas que afectan a los
elementos ms sencillos de la red: depsitos, nudos y conductos. Sobre ella se
modificaron los siguientes parmetros:
CIACUA
151

Depsitos: cota de la base, altura (profundidad mxima) y dimensiones. Para las

dimensiones se modificaron los tres parmetros de la funcin de variacin de la
seccin: A, B y C. La funcin de variacin de la seccin de los depsitos (S) en
funcin del la profundidad (y) viene dada por:
.
Nudos: cota de la base y profundidad mxima.
Conductos: dimetro y desniveles a la entrada y a la salida. En una segunda tanda
de ensayos se modific la forma geomtrica de los conductos y sus distintos
parmetros geomtricos. Esta segunda tanda de ensayos no fue exhaustiva y no
se probaron todas las geometras posibles.
El protocolo de ensayos en este caso se describe a continuacin. Para cada caso se

realizaron tres ensayos. El primero es el anlisis con SWMM de los resultados obtenidos
con una serie de valores del parmetro analizado (se ha trabajado siempre sobre diez
valores distintos entre un mnimo y un mximo). A continuacin, se han procesado esos
mismos casos utilizando el Toolkit sin modificar los parmetros, estos es, leyendo cada
uno de los diez archivos preparados. Por ltimo, se han analizado los resultados
obtenidos realizando los diez clculos en un solo proceso utilizando las funciones set para
modificar los parmetros. Por ejemplo, el ensayo realizado para la modificacin de los
desniveles de entrada al depsito en la red de la Figura 5-5 recoga los datos del caudal
mximo en el conducto de entrada y los valores totales de inundacin tanto en el nudo
inicial como en el depsito situado en el extremo final. La comparacin de los valores se
puede observar, a modo de ejemplo, en la Tabla 5-2..
Merced a este procedimiento se observ que los resultados para el caso de los desniveles
arrojaron resultados incorrectos en el ltimo de los ensayos (modificando datos con el
Toolkit). En el prrafo siguiente dedicado al anlisis de los errores encontrados se
describe la causa y las soluciones adoptadas.
CIACUA
152

Tabla 5-2. Ejemplo de tabla de comparacin de resultados entre SWMM y Toolkit.
Desnivel del conducto de entrada

SWMM
Desnivel
Qmax
Conducto
(L/s)
0.00
0.20
0.40
0.60
0.80
1.00
1.20
1.40
1.60
1.80
2.00
146.09
149.67
146.50
143.26
139.95
136.55
133.05
127.59
123.80
119.93
115.78
Toolkit
Inundacin Inundacin
Pozo
Depsito
(m)
(m)
39.77
39.81
39.85
39.83
37.11
42.63
46.26
49.96
53.74
57.67
61.77
100.37
100.47
100.55
100.51
100.35
100.03
99.53
95.55
85.54
73.76
52.31
Qmax
Conducto
(L/s)
146.09
149.67
146.50
143.26
139.95
136.55
133.07
127.59
123.80
119.93
115.78
Inundacin Inundacin
Pozo
Depsito
(m)
(m)
39.77
39.81
39.85
39.83
39.11
42.63
46.26
49.95
53.74
57.62
61.77
100.39
100.47
100.55
100.51
100.35
100.03
99.53
95.55
85.54
73.76
52.31
A continuacin se realizaron pruebas sobre el comportamiento de las bombas. Para ello

se utiliz la red de la Figura 5-6 sustituyendo la estructura de control por una bomba y
utilizando caudales de aporte inferiores a la capacidad de la propia bomba, con el fin de
garantizar un ciclo de llenado y vaciado del pozo de succin. En este caso, tambin se
observaron deficiencias en el funcionamiento cuando se modificaban las consignas de las
bombas a travs del Toolkit debido a una falta de validacin de los datos. Por ello, tal y
como se comenta ms adelante, se decidi realizar una validacin completa de la red
cada vez que se modificaba un parmetro.
El segundo conjunto de ensayos se realiz para el estudio exclusivo de orificios y
vertederos. En este caso, se utilizaron dos redes. La red de la Figura 5-5 se utiliz para
comprobar que el funcionamiento de ambas estructuras de control utilizando el Toolkit
coincida con el comportamiento obtenido con SWMM siguiendo el mismo protocolo que
para depsitos, nudos y conductos. Una vez resueltos algunos errores ya comentados,
este comportamiento se mostr idntico en ambos casos.
Posteriormente, y dado que estos elementos de control pueden llegar a ser muy
importantes en el futuro del proyecto, se realiz un anlisis ms exhaustivo buscando no
solo la coincidencia entre SWMM y el Toolkit, sino tambin con el clculo manual. Para
ello se utiliz la red de la Figura 5-5, la cual permite controlar a priori los resultados
esperados.
CIACUA
153

En el clculo de los orificios, SWMM discrimina el funcionamiento entre los casos

inundado (comportamiento como orificio) y no inundado (comportamiento como
vertedero), encontrando para ello un punto en el cual se realiza el cambio de modelo. As,
durante el comportamiento como orificio, el caudal viene dado por:
Ecuacin 5-1.
Por su parte, si el orificio no est completamente inundado se comportar como un

vertedero siguiendo la ecuacin del vertedero transversal:
Ecuacin 5-2.
SWMM reduce ambas expresiones a las siguientes:

Ecuacin 5-3.
Ecuacin 5-4.
Como resultado de comparar ambas expresiones se obtiene un valor de la altura de agua

denominada altura crtica que marca la diferencia entre ambos comportamientos. En
funcin del comportamiento, SWMM emplea un coeficiente y un exponente diferentes. El
estudio detallado que se ha realizado ha servido para comprender perfectamente el
comportamiento de estas estructuras de control. Tambin ha permitido explicar y resolver
un problema que se detectaba en algunos casos ensayados.
5.1.4.4 Errores encontrados y corregidos. Consideraciones para el manejo del Toolkit
Intervalo de presentacin de resultados (Report Time Step):
El Toolkit permite leer los resultados obtenidos por SWMM en todos los intervalos de
tiempo calculados. Sin embargo, SWMM define el intervalo de presentacin de resultados
(Report Time Step) con anterioridad al propio clculo. Eso implica que los resultados
obtenidos con SWMM son, en general, menos numerosos. Esto se puede deber a dos
causas:
El intervalo de presentacin de resultados es mayor que el intervalo de clculo

hidrulico. Se debe tener en cuenta que el clculo mediante el modelo de Onda
Dinmica requiere en general intervalos de clculo muy pequeos, inferiores en
cualquier caso a 1 minuto. Sin embargo, esto conllevara un uso de la memoria
excesivo. Por ello es habitual recoger solo una muestra de los resultados sin que
exista prdida considerable de informacin. Para resolver esta discrepancia se
modific el protocolo de ensayo para hacer coincidir el intervalo de clculo
hidrulico con el de presentacin de resultados.
CIACUA
154

SWMM permite trabajar con intervalos de clculo hidrulico variables en funcin

de las necesidades del algoritmo de integracin de Picard empleado por SWMM 5.
As, a partir de un intervalo de clculo prefijado, SWMM 5 puede reducir el mismo
si las condiciones de convergencia del algoritmo as lo requieren. El intervalo de
clculo hidrulico pasa a ser un valor mximo del mismo, que puede reducirse a
valores inferiores a un segundo. Dado que el Toolkit recoge los resultados de
todos los intervalos de clculo, fue necesario incluir en el protocolo de ensayos
una rutina de filtrado de los mismos para recoger exclusivamente los resultados
que coincidiesen con el intervalo de clculo hidrulico de referencia.
Con estas dos modificaciones se consigui contrastar los resultados entre SWMM y el
Toolkit con plena coincidencia.
Datos geomtricos de las tuberas:
En las tres redes ensayadas se ha probado siempre con tuberas circulares. Este ocult
un problema que an no se ha resuelto en su totalidad. La funcin swmm_getLinkValue
devuelve parmetros de las lneas. Sin embargo, las constantes SWMM_LINK_XSECT1 y
SWMM_LINK_DIAMETER devuelven exclusivamente la altura del tubo, es decir, su
dimetro en el caso de tubo de seccin circular. Otras dimensiones como pudiera ser la
anchura de un conducto rectangular no es posible leerla an. Lo mismo sucedera con la
propia forma geomtrica del tubo, que si bien viene descrita por las constantes de la Tabla
10-6. Esta limitacin queda parcialmente superada por la inclusin de la funcin
swmm_setLinkGeom. Esta funcin permite fijar tanto la forma geomtrica como cualquiera
de las dimensiones geomtricas de las lneas, sean stas tuberas, orificios o vertederos.
Desniveles en los puntos de unin de las tuberas:
Al modificar el desnivel existente entre la tubera y el nudo al cual est conectada dicha
tubera se puede producir un error al ser el desnivel mayor que la propia profundidad
mxima del nudo. SWMM hace esta comprobacin justo antes de comenzar el clculo, no
al leer el archivo de datos. Por ello, ha sido necesario incluir en el Toolkit funciones de
validacin de los datos al modificar estos parmetros. Esta deficiencia observada en el
Toolkit cuando se testeaban las funciones swmm_setLinkValue se reproduce con otros
parmetros, como la geometra de orificios y vertederos o los niveles de arranque y
parada de las bombas, por lo que se ha optado por hacer una validacin completa cada
vez que se modifica un parmetro.
Volumen de los depsitos:
Al modificar las caractersticas geomtricas de los depsitos, se observ que los
resultados coincidan siempre y cuando el depsito no estuviese completamente lleno. El
problema de nuevo estriba en la validacin del proyecto. SWMM valida al leer el archivo y
anota el volumen mximo del depsito. As, si el nivel de agua del depsito excede el
CIACUA
155

nivel mximo, sustituye el valor del volumen mximo por el anotado durante la validacin.
Cualquier modificacin de las dimensiones geomtricas del depsito no quedar reflejada
en el volumen mximo a menos que se realice una nueva validacin del proyecto.
Comportamiento de los orificios para distintas situaciones:
Como se ha comentado ms arriba, el comportamiento de los orificios cambia en funcin
de la profundidad aguas arriba del mismo. As, para la situacin en que la profundidad es
mayor a la altura crtica el orificio se comporta como tal, mientras que para profundidades
inferiores se comporta como vertedero. En ambos casos, el valor de los coeficientes y de
los exponentes cambia y estos valores se calculan en la fase de validacin del proyecto.
Como los coeficientes varan en funcin de la geometra del orificio, un cambio en esta
provoca un cambio en los coeficientes. Por ello, ha sido necesario incluir una
actualizacin de estos coeficientes en las funciones de modificacin de la geometra de
vertederos y orificios para solventar las diferencias encontradas cuando los niveles de
agua o los caudales eran pequeos (provocando funcionamiento como vertedero).
5.1.4.5 Conclusiones de los ensayos
A modo de conclusin, se pueden destacar los siguientes puntos:
Se han comprobado para un amplio abanico de situaciones el comportamiento de

redes sencillas con SWMM y con el Toolkit. Para las redes y los casos descritos,
se ha logrado una coincidencia perfecta entre ambas soluciones.
Durante los ensayos realizados tanto en la Universidad Politcnica de Valencia

como por parte de otros miembros del equipo (Universidad de Coimbra y
Universidad de Los Andes) se han detectado algunas anomalas en el
comportamiento del Toolkit debidas principalmente a problemas de validacin del
proyecto. Estas anomalas hacen que, a da de hoy, las simulaciones con datos
modificados solo se puedan realizar despus de una validacin del proyecto, lo
cual impide de momento modificar las caractersticas de la red en instantes
intermedios de la simulacin. Dicho de otro modo, si se producen cambios en los
datos del proyecto, se debe realizar una simulacin completa. Esto condiciona las
aplicaciones de CTR. En estos momentos se pueden modificar los parmetros
contemplados en las funciones de control de SWMM, esto es, niveles de arranque
y para de las bombas y posicin de las estructuras de control (altura del orificio y
labio del vertedero) pero no otros parmetros como forma geomtrica de dichas
estructuras.
No ha sido posible modificar las caractersticas geomtricas de los depsitos

cuando stos estn definidos mediante tablas que relacionen el nivel de agua con
el rea o el volumen. Esta aplicacin puede resultar de utilidad si finalmente se
CIACUA
156

trabaja con estructuras de almacenamiento prefabricadas como pueden ser tubos

de gran seccin interconectados.
5.2 Modelos de Caso de Estudio

5.2.1
Modelo Hidrulico
Las metodologas de reduccin de caudales pico por medio de los procesos de

optimizacin previamente descritos requieren poder hacer modelaciones computacionales
con el fin de comprobar sus resultados. Algunas de estas metodologas tambin requieren
de los modelos durante el proceso de optimizacin para ir probando los resultados; debido
a esto se hace necesario tener las redes de los casos de estudio en software de
modelacin Hidrulica, para este caso en EPA-SWMM.
Los modelos originales de las redes se encontraban en formato SIG; sin embargo EPASWMM no tiene la capacidad de leer este tipo de formato por lo que fue necesario hacer
un proceso de transformacin de la informacin. Para esto se desarroll una aplicacin
con la capacidad de transformar modelos SIG a INP (formato de entrada a EPA-SWMM).
Debido a que la informacin original, entregada por la EAB (Empresa de Acueducto,
Alcantarillado y Aseo de Bogot), tena algunos datos faltantes, fue necesario hacer
algunas correcciones; el proceso realizado se describe a continuacin:
1. Crear las conexiones entre la red troncal y la red local.
En el caso de Colombia las redes de alcantarillado estn divididas entre redes
locales y redes troncales. La red local es la seccin de la red que consta de
dimetros pequeos y cuya principal tarea es la recoleccin de las aguas lluvias en
los sumideros. La red troncal consta de mayores dimetros y canales abiertos y su
funcin es transportar el agua hasta los grandes colectores. Debido a su
diferenciacin, estas redes se encontraban separadas en los modelos SIG; es por
esto que fue necesario hacer un recorrido por la red creando las intersecciones de
entre estas.
2. Correccin de los valores extremos en las cotas del terreno
En los datos iniciales se tena informacin de las cotas de algunos de los nodos;
sin embargo algunas cotas no eran correctas. Haciendo un anlisis de valores
extremos se identificaron cules podran ser los valores que podran llegar a ser
errneos. Estos valores se eliminaban y se dejaban vacos para ser calculados en
el paso 3. Por motivos de seguridad en este paso se genera un reporte donde se
informan los valores detectados por si se quiere hacer una revisin manual de si
los valores eliminados si eran valores extremos.
3. Interpolacin de las cotas de terreno
El principal problema en la creacin en los modelos de las redes suele ser la falta
de datos, especialmente en las cotas de las cmaras. Para solucionar este
inconveniente se cre un terreno basndose en datos de nivel conocidos y por
CIACUA
157

medio de este terreno creado se calculaban las cotas de las cmaras cuyos
valores iniciales eran desconocidos.
4. Revisin de las pendientes
Debido a que los pasos 2 y 3 implican modificaciones en las cotas de los nudos y
cmaras, era necesario revisar que las pendientes de las secciones fueran lgicas.
Para esto se empez por revisar si existan secciones con pendientes adversas o
secciones con fuertes cambios de pendiente. En caso de las pendientes adversas
se reportaba un error y se volva al paso 3 en donde se poda haber hecho una
interpolacin incorrecta. En caso de tener fuertes cambios de pendiente se deba
hacer una revisin manual para cerciorarse que esta fuera correcta, de lo contario
se volva al paso 2.
5. Creacin de las cuencas
Debido a que se est modelando una red para aguas lluvias era necesario agregar
una cuenca para cada cmara. Para este proceso se calcul el rea aferente de
cada cmara por medio de Polgonos de Theissen, procedimiento descrito con
detalle en la Seccin 5.2.2.
6. Cuantificacin de los parmetros de las cuencas
Para un correcto funcionamiento de la red era necesario cuantificar los parmetros
de las cuencas. El rea de estas se determin por medio de los polgonos creados
en el paso 5. Para las coberturas se hizo un anlisis de imgenes satelitales por
medio de tonalidades; en este anlisis se diferenciaban las zonas con cobertura
vegetal y las zonas con cobertura artificial como calles o techos; a cada tipo de
cobertura se le asign un coeficiente de escorrenta y de infiltracin. Una vez ms,
la descripcin detallada de este procedimiento se presenta en la Seccin 5.2.2.
7. Creacin de la topologa en formato .INP
Para poder hacer los clculos en EPA-SWMM era necesario crear el archivo .INP;
este es el archivo de entrada al programa. Este proceso corresponde en ordenar
los datos (coordenadas, nudos de inicio y fin) para que la red funcione acorde con
la realidad.
8. Incluir los desniveles entre las secciones
En las redes de alcantarillados es frecuente encontrar diferentes cotas de batea
entre la tubera de entrada a una cmara y la tubera de salida de la cmara. Estas
diferencias de altura afectan de manera notable la hidrulica de la red ya que se
generan altas prdidas de energa. Por otro lado cuando un tramo de la red
descarga a uno de los canales abiertos no lo hace a nivel base, es decir que
tambin se tienen prdidas debidas a las diferencias de altura.
En el Anexo 10.9 se presenta la bitcora de cambios donde se describen los cambios que
fueron necesarios hacer para que as la red funcionara de manera correcta. El proceso
descrito anteriormente se hizo para los dos casos de estudio, para la red Chic Norte y
CIACUA
158

Chic Sur. Igualmente, a partir de la red Chic Sur corregida se form el modelo de la red
Mini Chic Sur.
Figura 5-7. Modelo EPA-SWMM de la Red Chic Norte.
Figura 5-8. Modelo EPASWMM de la Red Chic Sur
Como se explica en la Seccin 5.2.2 una gran cantidad de los nudos de las redes tiene
aportes laterales debido a la cuenca. Los parmetros que se describen son insertados en
las propiedades de cada una de las cuencas para as poder hacer un correcto proceso de
lluvia-escorrenta.
5.2.2
Modelo Lluvia Escorrenta
Una vez desarrollado el modelo hidrulico de cada una de las redes de alcantarillado
seleccionadas como casos de estudio, result muy importante desarrollar un modelo
hidrolgico que representara la conversin de los eventos de lluvia en caudales de
entrada a cada uno de los pozos del sistema basado en las cuencas aferentes a cada uno
CIACUA
159

de estos; ste se conoce como el modelo de Lluvia-Escorrenta. En el caso de esta

investigacin, este proceso fue determinado a travs de las tres etapas mostradas en la
Figura 5-9: Identificacin y definicin de las cuencas (urbanas y rurales), caracterizacin
de los parmetros de las cuencas y finalmente seleccin y caracterizacin del modelo de
infiltracin.
Figura 5-9. Etapas de desarrollo del modelo Lluvia-Escorrenta.
5.2.2.1 Identificacin y Definicin de Cuencas

El proceso de identificacin y definicin de cuencas consisti en analizar geoespacialmente el terreno en donde se encuentran ubicadas las redes de alcantarillado
seleccionadas con el fin de determinar cul sera el rea aferente a cada una de las
cmaras del sistema. Esta delimitacin resulta importante dado que la lluvia que caer
sobre estos espacios generar un determinado caudal de escorrenta que drenar
especficamente a un nudo del sistema. Sin embargo, debido a que no todos los usos del
suelo son iguales al interior de las zonas de estudio seleccionadas se realiz este
procedimiento por aparte en el caso de las cuencas urbanas, en donde la cobertura del
suelo es principalmente impermeable compuesta por edificios, vas y andenes, y las
cuencas rurales, en donde el suelo es en su mayora permeable.
En primer lugar, para la definicin de las cuencas urbanas se utilizaron los Polgonos de
Thiessen, los cuales delimitan el rea aferente a un punto de inters. Para la aplicacin de
este mtodo a las redes de alcantarillado seleccionadas como casos de estudio se utiliz
la herramienta disponible en el software ArcGis desarrollado por Esri (ESRI, 2012). Una
vez aplicado esto, se obtuvieron las cuencas urbanas mostradas en la Figura 5-10 para la
red Chic Sur, y las mostradas en la Figura 5-11 para la red Mini Chic Sur. Es importante
mencionar que habrn tantas cuencas urbanas como cmaras en la red.
CIACUA
160

Figura 5-10. Cuencas urbanas aferentes a las cmaras de la Red Chic Sur
Figura 5-11. Cuencas urbanas aferentes a las cmaras de la Red Mini Chic Sur
CIACUA
161

Ahora bien, como se observa en las figuras en las que se muestran las redes Chic Sur y
Mini Chic Sur, la zona oriental de estas se encuentra adyacente a los Cerros Orientales
de la ciudad, razn por la cual es esperado que una porcin de la escorrenta generada
en esta regin drene hacia el sistema de drenaje urbano de Chic. Por lo tanto, para
determinar la cuenca rural aferente a cada uno de los casos de estudio fue necesario
utilizar el paquete de herramientas hidrolgicas disponibles en ArcGis. Por lo anterior, en
primer lugar fue necesario conocer la topografa de la zona, lo cual fue posible al
desarrollar modelos digitales del terreno como los mostrados en la Figura 5-12.
a)
b)
Figura 5-12. a) Plano de elevacin de la Red Chic Sur. b) Modelo en 3D de la Red Chic Sur.
En el caso de la Figura 5-12a) se muestra la interpolacin obtenida del terreno a partir de

curvas de nivel disponibles en el sitio web de la Infraestructura de Datos Especiales para
el Distrito Capital IDECA. Consecuentemente, en la Figura 5-12b) se presenta la versin
en 3D del terreno de la red Chic Sur, en donde se evidencia la presencia de los Cerros
Orientales, y como el limbo descendente de la montaa se conecta directamente con la
red de drenaje urbano.
Luego de analizar la topografa de la zona donde se localiza Chic Sur, se identific la
direccin que tomar una gota de agua que cae en cada uno de los pixeles (unidades de
discretizacin en que se basa este geo-anlisis) hacia el vecino de mayor pendiente
cuesta abajo. Una vez hecho esto, se procedi a analizar las zonas en donde se
acumular el agua basado en la direccin de flujo obtenida en el paso anterior,
obteniendo as el mapa mostrado en la Figura 5-13, en donde se muestra en colores
distintos al azul las zonas en donde se acumula el agua, y por ende es probable que
exista un cuerpo hdrico. En resumen de lo anterior, estas acumulaciones de agua
representan el camino por donde fluir la escorrenta de acuerdo con la topografa del
terreno.
CIACUA
162

Figura 5-13. Mapa de acumulacin de agua de acuerdo con la direccin de flujo para la Red Chic Sur.
Finalmente, se delimitaron las cuencas rurales aferentes a cada uno de los caminos de
agua indicados previamente que se encontraron en la zona definida como rural,
obteniendo as las cuencas mostradas en verde en la Figura 5-14. En el caso de la red
Mini Chic Sur, se sigui el mismo procedimiento de delimitacin de las cuencas rurales
mostrado anteriormente, obteniendo as los resultados mostrados en el Anexo 10.11.
Figura 5-14. Resultado de la delimitacin de cuencas rurales en la Red Chic Sur.
Como resultado de la delimitacin de cuencas se obtuvieron en total 503 cuencas urbanas

y 7 rurales en el caso de Chic Sur como se muestra en la Figura 5-15, y en el caso de
CIACUA
163

Mini Chic Sur se obtuvieron 80 cuencas urbanas y 3 rurales como se muestra en la

Figura 5-16.
Figura 5-15. Delimitacin definitiva de cuencas urbanas y rurales para la red Chic Sur
Figura 5-16. Delimitacin definitiva de cuencas urbanas y rurales para la red Mini Chic Sur
CIACUA
164

5.2.2.2 Parametrizacin de Cuencas

La parametrizacin de las cuencas delimitadas en la Seccin 5.2.2.1 se realiz con el fin
de incluir la modelacin hidrolgica a los modelos hidrulicos desarrollados de los casos
de estudio. Para esto, se requiri conocer parmetros como el rea, la pendiente, el
ancho, el porcentaje de rea impermeable, entre otros parmetros de cada una de las
cuencas, los cuales sern descritos a continuacin.
rea
Este parmetro mide el rea superficial de cada una de las cuencas. En el caso de Chic
Sur, se encontr que el rea promedio de las cuencas urbanas fue de 4,986.47 m2 y de
las rurales fue de 128,962.39 m2. Por su parte, en el caso de Mini Chic Sur se obtuvo
que el rea promedio de las cuencas urbanas es de 6,914.49 m2 y las rurales de
136,406.02 m2.
Ancho de la Cuenca
El ancho de la cuenca representa la distancia entre el punto ms alejado de la cuenca y el

punto en donde el flujo se canaliza y entra al sistema de drenaje urbano. Para la
determinacin de este parmetro, se utiliz una herramienta de ArcGis que determina
este parmetro a travs de la maximizacin de los ejes de la elipse que se puede inscribir
dentro de la cuenca analizada. En promedio, en el caso de Chic Sur se obtuvo que el
ancho promedio de las cuencas urbanas fue de 24.02 m y 137.80 m en el caso de las
rurales. Por su parte, en el caso de Mini Chic Sur se obtuvo que el ancho promedio de
las cuencas urbanas fue de 31.09 m, mientras que para las cuencas rurales fue de 146.94
m.
Pendiente Promedio
La pendiente promedio de la cuenca se estim utilizando herramientas de anlisis

espacial en conjunto con el modelo digital de elevacin mencionado previamente. En la
red de Chic Sur se obtuvo en promedio una pendiente media de 1.87% para las cuencas
urbanas y de 34.70% para las rurales. Por su parte, en la red de Mini Chic Sur se obtuvo
en promedio una pendiente media de 3.66% en el caso de las cuencas urbanas y de
39.64% para las rurales.
Porcentaje de rea Impermeable
El rea impermeable corresponde a aquellas zonas de las cuencas urbanas en donde el

agua no se infiltra como consecuencia de la presencia de superficies impermeables como
vas, edificios y sus cubiertas, y dems construcciones. Para determinar este porcentaje
se cont con informacin catastral de la zona de Chic Sur en donde era conocida la
ubicacin de aquellas zonas en donde es esperado que el agua no se infiltre; se defini el
rea impermeable de cada una de las cuencas y se relacion con el rea total de estas.
CIACUA
165

Como consecuencia de este anlisis, se obtuvo que en promedio en la red Chic Sur
posee un porcentaje de rea impermeable de 94.17%, mientras que en el caso de Mini
Chic Sur este porcentaje fue en promedio de 92.04%.
Coeficiente de Rugosidad para reas Permeables
Para el modelo hidrolgico se requiere la definicin de un coeficiente n de Manning para

representar la resistencia al flujo al interior de las cuencas. Para este fin, se utiliz el
software Conveyance Estimation System CES, el cual es utilizado para calcular la
capacidad de transporte de sedimentos de un canal basado en su rugosidad y geometra,
disponiendo de una biblioteca de fotografas con distintas superficies y su respectiva
rugosidad (HR Wallingford Software, 2008).
Por lo tanto, para determinar el coeficiente de Manning que mejor representa las
caractersticas de la cuenca en anlisis se compararon fotos de sta con las disponibles
en la biblioteca de CES y se seleccionaron aquellas que mejor representaron la zona. En
el caso de las reas permeables, se encontraron principalmente dos casos: los bosques
pertenecientes a las cuencas rurales, y los parques y dems zonas verdes presentes en
las cuencas urbanas.
En primer lugar, en el caso de los bosques presentes en las cuencas rurales se
caracterizan por ser zonas cuya cobertura es completamente vegetal, se encuentra una
gran cantidad de rboles y el suelo est cubierto por pastos altos y densos, como se
muestra en la Figura 5-17. Al comparar estas fotos con la biblioteca de CES, se obtuvo
que la foto mostrada en la Figura 5-18 es la que mejor representa la zona de estudio,
resultando as en un coeficiente n de Manning de 0.10 para las reas permeables de las
cuencas rurales.
Figura 5-17. Cobertura de las cuencas rurales de la Red Chic Sur.
CIACUA
166

Figura 5-18. Foto de referencia para el coeficiente de rugosidad de las reas permeables presentes en
las cuencas rurales de Chic Sur (Fuente: HR Wallingford Software, 2008).
Por su parte, en el caso de los parques y dems zonas verdes presentes en las cuencas
urbanas de Chic Sur se utiliz como foto de referencia la mostrada en la Figura 5-19,
resultando as un coeficiente de rugosidad para las reas permeables presentes en las
cuencas urbanas igual a 0.021.
Figura 5-19. Foto de referencia para el coeficiente de rugosidad de las reas permeables presentes en
las cuencas urbanas de Chic Sur (Fuente: HR Wallingford Software, 2008).
Coeficiente de Rugosidad para reas Impermeables
Al igual que en el caso de las reas permeables, para la determinacin del coeficiente de
Manning asociado con las reas impermeables se utiliz la comparacin de fotos de la
zona de estudio con las disponibles en la biblioteca del software CES, seleccionando
aquellas que mejor representaban las caractersticas de esta. En este caso, dado que la
CIACUA
167

cobertura del suelo es principalmente compuesta por pavimentos, edificios y andenes se

obtuvo un coeficiente de rugosidad igual a 0.01525.
Almacenamiento en Depresiones del Terreno
El almacenamiento en depresiones del terreno hace referencia a la cantidad de agua que

se queda almacenada en los agujeros de la cuenca, dando as lugar a la formacin de
charcos y resultando esto en prdidas del caudal de escorrenta generado en la zona.
Para la determinacin de esta altura de almacenamiento se suelen utilizar valores
tpicamente entre 1.25 y 2.5 mm para las zonas impermeables de la cuenca (Iglesias Rey
& Martnez Solano, 2013). Como consecuencia de las caractersticas de las zonas
impermeables presentes en las cuencas de estudio se decidi utilizar una profundidad de
almacenamiento igual a 1.88 mm.
Por su parte, para las zonas permeables existen dos valores de referencia disponibles en
la literatura. En primer lugar, para el caso del csped y hierba presente en los parques y
zonas verdes se tienen como valores de referencia una profundidad de almacenamiento
entre 2.5 y 5 mm (Iglesias Rey & Martnez Solano, 2013), seleccionando as un valor de
3.75 mm para las zonas permeables presentes en las cuencas urbanas. En cuanto a los
pastos y prados presente en los bosques que componen las cuencas rurales se encontr
como valor de referencia una altura total de almacenamiento en depresin de 5 mm
(Iglesias Rey & Martnez Solano, 2013), valor que se seleccion para el modelo
hidrolgico aqu descrito.
Porcentaje de rea Impermeable sin Almacenamiento en Depresin
En las reas impermeables de las cuencas urbanas, el porcentaje en donde no es posible

que exista almacenamiento en depresin corresponde a todas aquellas zonas en donde la
cobertura del suelo es completamente impermeable, es decir, en vas y andenes. Por esta
razn, se determin que porcentaje de cada una de las cuencas se encontraba bajo este
uso de suelo, obteniendo as que en promedio el 18.82% de las reas impermeables de la
zona de estudio no poseen la capacidad de almacenar el agua en forma de charcos una
vez la escorrenta es generada.
5.2.2.3 Seleccin y Parametrizacin del Modelo de Infiltracin
La ltima etapa de la construccin del modelo de Lluvia-Escorrenta consisti en
determinar el modelo de infiltracin que sera utilizado. Dentro de los mtodos disponibles
en EPA-SWMM para el clculo de la infiltracin del agua en el suelo se encuentra el de
Horton, el de Green-Ampt y el Mtodo del Nmero de Curva de la Soil Conservation
Service (SCS) del Departamento de Agricultura de los Estados Unidos (USDA por sus
siglas en ingls), siendo seleccionado este ltimo como consecuencia de los pocos
parmetros que son requeridos para su caracterizacin (USDA, 1986): el nmero de
curva, el cual depende de las caractersticas del suelo, y el tiempo de secado de la
cuenca.
CIACUA
168

Dentro del modelo de infiltracin seleccionado, el parmetro ms importante resulta ser el

nmero de curva, el cual est determinado por el grupo hidrolgico en el que se encuentra
clasificado el suelo de la zona de estudio, la cobertura de este, su tratamiento, su
condicin hidrolgica y la condicin antecedente de escorrenta (USDA, 1986).
En primer lugar, en cuanto al grupo hidrolgico en el cual se clasifica el suelo se
encuentran disponibles cuatro tipos: A, B, C y D, dependiendo de la tasa mnima de
infiltracin del terreno, y las caractersticas propias del terreno tales como su textura. De
acuerdo con lo anterior, ya que en Bogot predominan las arcillas blandas en los suelos,
se clasific el terreno del rea de estudio como Tipo D, los cuales se caracterizan por
tener un alto potencial de escorrenta como consecuencia de las bajas tasas de
infiltracin, y el material es en su mayora del tipo arcilloso.
Una vez definido el tipo de suelo presente en la zona de estudio, se procedi a
seleccionar la condicin hidrolgica y cobertura de la cuenca en funcin del nivel de
urbanizacin presente, y una vez se determin esta caracterstica se seleccion el
nmero de curva de acuerdo con la tabla mostrada en el Anexo 10.12. En aquellas zonas
en donde se encontraban simultneamente distintos usos y coberturas del suelo se
procedi a calcular un promedio ponderado del nmero de curva de acuerdo con el rea
que cada una de estas zonas ocupan dentro de una misma cuenca, resultando as un
valor de nmero de curva en promedio de 91.20 para las cuencas urbanas y de 80.26
para las rurales.
En cuanto al segundo parmetro del modelo de infiltracin de la SCS, el tiempo de secado
de una cuenca, se caracteriza por representar el tiempo necesario para que un suelo
completamente saturado se seque. Los valores tpicos para este parmetro oscilan entre
los 2 y los 14 das (Iglesias Rey & Martnez Solano, 2013), seleccionando para este
estudio un valor de 7 das dadas las caractersticas de las cuencas analizadas.
5.2.3
Simplificacin de la redes
Una vez se seleccion la red con la cual se iban a hacer la pruebas se hicieron
ejecuciones para revisar su comportamiento hidrulico. Se fueron agregando
precipitaciones a diferentes cuencas para as ir probando que tanto se demoraba cada
ejecucin de la red. Despus de probar una varios escenarios se encontr una regresin
que permita hacer una aproximacin del tiempo computacional necesario para redes con
diferentes tamaos (en cuanto a nmero de nudos). Se encontr que para una red de
1360 nudos, el tamao de la red modelo, cada ejecucin tardara alrededor de 4 minutos.
Debido a que 4 minutos es un alto tiempo computacional para ejecutar metodologas de
optimizacin, se encontr que era necesario hacer algunas simplificaciones sobre la red.
La primera de estas era evitar que en cada ejecucin se hiciera el proceso de LluviaEscorrenta; la segunda era hacer una esqueletizacin de la red.
CIACUA
169

5.2.3.1 Herramienta Lluvia-Escorrenta

Cada cuenca tiene como parmetro de entrada una serie de precipitacin previamente
calculada como la que se presenta en la Grfica 5-2; tener estas curvas como parmetro
de entrada implica que cada vez que se hace una ejecucin de la red se deber dar uso
del modelo Lluvia-Escorrenta que se encuentra incluido en EPA-SWMM, esto implica
aumentar los tiempos computacionales.
Grfica 5-2. Curva de precipitacin.
Para reducir los tiempos computacionales debido al proceso de Lluvia-Escorrenta se

desarroll una pequea herramienta en VisalStudio la cual tiene el siguiente
funcionamiento:
Figura 5-20. Interfaz grfica del modelo lluvia escorrenta.
En primer lugar se asigna la red original a la cual se le va a realizar el proceso de

transformacin de precipitacin a aportes laterales. Tambin se asigna la ruta de salida.
Seguido se asigna el intervalo de clculo. Este valor define cada cuanto se har la
trasformacin de precipitacin a caudal; entre menor sea el intervalo ms precisos sern
los resultados; sin embargo esto aumentar el tiempo de clculo. Es tambin importante
tener en cuenta que si se asigna una precisin mayor al intervalo de los hidrogramas de
CIACUA
170

entrada, los resultados podrn perder su confiabilidad debido a que calcular caudales a
partir de intervalos donde no se tienen lluvias.
Seguido a esto se ejecuta la herramienta. Esta har uso del Toolkit (presentado en este
informe en la Seccin 5.1) y por medio de ste ir midiendo los caudales aportados a
cada uno de los nodos con conexiones a cuencas. Estos caudales se irn almacenando y
una vez se finalice la ejecucin sern introducidos como caudales de aporte lateral a cada
uno de los nudos. Hasta el momento la herramienta est usando las herramientas
incluidas en EPA-SWMM para hacer la trasformacin Lluvia-Escorrenta pero en
desarrollos posteriores el modelo Lluvia-Escorrenta puede incluirse en esta herramienta.
Una vez finalizado el proceso la herramienta se encarga de generar un nuevo archivo
.INP donde ya se han eliminado las cuencas y sus precipitaciones, y se han incluido
series de tiempo con los caudales laterales para cada uno de los nudos. La Grfica 5-3
muestra cmo sera el nuevo tipo de curvas que se ingresaran en cada nudo de la red
que inicialmente tena alguna cuenca asignada. De esta manera se logr mejorar la
eficiencia de los clculos hidrulicos.
Grfica 5-3. Curva de precipitacin y de caudal.
5.2.3.2 Esqueletizacin
La forma ms fcil de reducir el tiempo computacional es haciendo una reduccin en el
nmero de nudos y tuberas de la red. Durante este proceso se debe tener en cuenta que
la hidrulica de la red no debe tener cambios significativos para que as las evaluaciones
hechas sobre la red sigan teniendo utilidad.
CIACUA
171

Figura 5-21. Red para esqueletizacin.
Figura 5-22. Puntos crticos.
En la Figura 5-21 se presenta la red ejemplo con la que se trabaj para establecer los
criterios del proceso de esqueletizacin que corresponde a la red Mini Chic Sur. El
primer paso fue establecer cules seran las zonas crticas; estas se establecieron como
las zonas de interseccin. Seguido a esto se procedi a ir eliminando nudos y secciones
haciendo constantes revisiones de que no se estaban teniendo fuertes cambios en la
hidrulica de los puntos crticos, para cada modificacin se permita tener un cambio
mximo en las altura de los nudos crticos del 10%.
En caso de eliminar alguna seccin, se le sumaba su longitud a la seccin
inmediatamente aguas abajo, esto para asegurar que los tiempos de trnsito del agua por
los conductos no se vean afectados. Despus de completar el proceso se lleg a tener la
siguiente red:
Figura 5-23. Red Mini Chic Sur esqueletizada.
Para la red ya esqueletizada se midi el nivel en la descarga de la red y se compar con

la situacin inicial, la mxima diferencia en cuanto al nivel fue de 0.1 metros. En cuanto al
tiempo computacional se encontr una reduccin cercana al 60%.
CIACUA
172

Grfica 5-4. Comparacin nivel en las descargas
CIACUA
173

6. Control en Tiempo Real

El proyecto propone el estudio del CTR de los Sistemas de Drenaje Urbano en Colombia,
incorporando el modelado y Control en Tiempo Real del drenaje urbano, capaz de
responder de manera ms adecuada ante situaciones de aumento drstico de las
precipitaciones, como a disminuciones de stas, a su vez que garantice un caudal de
auto-limpieza del sistema de drenaje urbano. El estudio del Control en Tiempo Real (CTR,
por sus siglas en ingls) de redes de alcantarillado desempea un papel fundamental
dentro de la gestin de los recursos hdricos relacionados con el ciclo urbano del agua. Un
adecuado diseo y control de los SDU puede ayudar a minimizar el riesgo de prdidas de
vidas e impactos medioambientales negativos ocasionados por inundaciones con aguas
residuales y/o pluviales.
El proyecto tiene varios aportes en esta rea del conocimiento, tanto en la parte de
desarrollo de modelos orientados a control, como en el estudio de estrategias de control
aplicadas a SDU de gran escala. Por lo tanto el estudio se ha dividido en: modelado
orientado a control de sistemas de drenaje; estudio de estrategias de control en tiempo
real implementadas en SDU de gran escala; y aseguramiento de la operacin del sistema
de control.
En este captulo se justifica y demuestra que el Control en Tiempo Real de Sistemas de
Drenaje Urbano combinado representa la mejor alternativa para el control de estos
sistemas. Luego de la revisin del estado del arte, se extraen cuatro principales formas
metodolgicas o generaciones para realizar el control de SDU:
1) En la primera generacin, las acciones de control son tomadas por un personal
experto que, a partir de su experiencia y conocimiento del SDU, decide qu hacer.
Se permite esta estrategia de control para sistemas de baja complejidad y
dinmicas muy estables. Su mayor dificultad consiste en que la toma de
decisiones depende de la habilidad del ser humano de entender el sistema y que
ste puede ser susceptible de cometer errores. Otra dificultad es que entrenar un
experto puede demorar mucho tiempo, y ste deba aprender del sistema por
prueba y error. Sumado a esto, los cambios urbansticos, el CC, los cambios de
infraestructura del alcantarillado, entre otros, pueden llevar a que el sistema
cambie y el experto deba siempre estar aprendiendo del sistema. La ventaja
principal radica en su bajo costo.
2) En una segunda generacin, las acciones de control se generan a partir de
protocolos de operacin o sistemas expertos donde son descritas aquellas
acciones que se deben tomar en el SDU para cada caso y se intenta emular las
acciones que tomara el experto de la generacin 1. Presenta las mismas ventajas
y desventajas de la primera generacin.
CIACUA
174

3) En una tercera generacin, las acciones de control se disean fuera de lnea

(offline). Este diseo es realizado para un cierto nmero finito de casos o eventos.
Se disean para SDU de media complejidad y dinmicas muy estables. Su mayor
dificultad consiste en tener que disear un control para cada posible evento,
adicionalmente a que si por cualquier motivo no se tuvo en cuenta cierto evento,
los objetivos de control y el sistema pueden ponerse en riesgo. Su mayor ventaja
es el facilidad del diseo y su costo computacional que puede ser menor que un
control en lnea (online).
4) En una cuarta generacin, se disea un sistema CTR que se encarga de generar
estrategias de control online para un nmero infinito de casos o eventos. Se
disean para sistemas de alta complejidad, alcantarillados de gran escala con
dinmicas complejas y variadas perturbaciones. Su desventaja proviene de la
complejidad del diseo y costo computacional.
Considerando la alta complejidad, la gran escala y las dinmicas cambiantes de los
acueductos en Colombia, este captulo se centra principalmente en los sistemas de
control de cuarta generacin.
6.1 Modelamiento de Sistemas de Drenaje Urbano

Para el proceso de CTR de un SDU es necesario contar con un modelo matemtico que
permita reproducir la relacin entrada-salida o entrada-estado-salida del sistema, y poder
emular la evolucin del sistema en el tiempo. Luego de la revisin del estado del arte, se
evidencian diferentes propuestas de modelos de alcantarillados que son discutidas en
Garca Gutierrez, et al. (2014) y Garca Gutierrez et al., HIC2014, (2014). La principal
diferencia se relaciona con que, a mayor detalle y a mayor complejidad del modelo, mayor
costo computacional, el cual es un aspecto critico en el diseo del CTR. Por lo tanto, se
propone en Garca Gutierrez, et al. (2014) y Garca Gutierrez et al., HIC2014, (2014) una
taxonoma de los modelos de SDU: los modelos orientados a simulacin y los modelos
orientados al control. Dicha taxonoma puede verse en la Figura 6-1 (Garca Gutierrez, et
al., 2014).
CIACUA
175

Figura 6-1 Taxonoma propuesta de modelos de Sistemas de Drenaje Urbano.
Los modelos orientados a simulacin y los modelos orientados a control de SDU pueden
trabajar de forma coordinada en tareas de diseo y operacin del sistema y su relacin
con el sistema real puede verse en la Figura 6-2. El espacio de control se encarga de
generar las acciones de control que son probadas en el modelo orientado a control, y
como una medida de verificacin dichas acciones pueden tambin ser probadas en el
modelo orientado a simulacin.
Figura 6-2 Sistemas de Drenaje Urbano reales vs Modelos.
6.1.1
Modelos Orientados a Control
Un modelo orientado al control de un sistema de alcantarillado es un conjunto de

ecuaciones matemticas que proporcionan una aproximacin rpida de las variables
hidrulicas de la red y su respuesta a controlar. Este tipo de modelo es til para el clculo
de las estrategias ptimas, ya que hace posible evaluar un gran nmero de acciones de
control en un tiempo de clculo corto. En los modelos orientados al control se hacen
algunas simplificaciones de los modelos fsicamente basados que pueden describir con un
alto nivel de detalle el alcantarillado, pero que en ocasiones no resultan muy tiles para
CIACUA
176

CTR, debido a la complejidad de la obtencin de la solucin a la ecuacin de SaintVenant que da como resultado un alto costo computacional.
Un problema clave en el CTR es la seleccin del modelo ms adecuado del SDU con el
objeto de disear un controlador que permita alcanzar un nivel de desempeo deseado.
Para esta seleccin juega un papel importante: el rendimiento requerido, la complejidad
del modelo resultante y el diseo de controlador. Ellos determinan la estructura y la
complejidad del modelo deseado, es decir, niveles ms altos de rendimiento y baja
incertidumbre requieren una mayor complejidad del modelo en general. Por lo tanto, un
modelo basado en el rendimiento deseado, en lugar de en un modelo exacto de la
dinmica del sistema, podra resultar bastante til. Los principales modelos orientados a
control como modelos simplificados, modelos de data driven, modelos conceptuales, son
discutidos en Garca Gutierrez, et al. (2014).
6.1.2
Modelos Orientados a Simulacin
Los modelos orientados a simulacin de Sistemas de Drenaje Urbano estn basados en

las ecuaciones de Saint-Venant, que son dos ecuaciones parciales diferenciales no
lineales acopladas con base en los principios fsicos de la conservacin de la masa y la
energa y permiten describir con precisin el flujo en la red. Estos modelos son
ampliamente empleados en procesos de diseo de SDU y en algunas ocasiones tambin
para probar el resultado de ciertas acciones de control sobre estos sistemas. Los
principales modelos orientados a simulacin son discutidos en Garca Gutierrez, et al.
(2014).
6.1.2.1 Herramientas Orientadas a Simulacin de Sistemas de Drenaje Urbano
(Software)
El modelamiento de SDU permite implementar diseos funcionales y generar escenarios
de prueba para entender el comportamiento del fenmeno de flujo a superficie libre y a
presin de aguas residuales y pluviales, sin necesidad de crear o alterar un sistema fsico
(Achleitner, Rauch, & Mderl, 2007). Por este motivo, se han desarrollado herramientas
computacionales que simulan caractersticas fsicas, hidrulicas, hidrolgicas y de calidad
del sistema, como infiltracin, modelo lluvia-escorrenta, trnsito de crecientes, calidad del
agua, control de actuadores, falla de estructuras y optimizacin de recursos, entre otras.
Las herramientas de software tienen un rol importante en los SDU y especficamente en el
proceso de CTR. Estas herramientas ayudan a estimar el estado actual del sistema a
diferentes entradas, con perturbaciones (eventos de lluvia), y ayudan a evaluar el
comportamiento de las posibles acciones de control sobre los sistemas. Existen
numerosos paquetes de software acadmicos y comerciales disponibles en el mercado
que ayudan en el diseo y anlisis de SDU. Algunos de estos paquetes son presentados
en la Tabla 1 y discutidos en Garca Gutierrez, et al. (2014).
CIACUA
177

Tabla 6-1. Herramientas de software orientados a simulacin.
NOMBRE DEL SOFTWARE
DESARROLLAR
Mouse
DHI
Inforworks
Wallingford Software
Coral
Clabsa & IRI-UPC
Csoft
BPR-CSO
XPstorm
XP Software
EPASWMM
MWH Soft
HYSTEAM-EXTRAN
ITWH
En la Figura 6-3 se propone y discute una estructura de software que permite el control y
automatizacin de un SDU para un esquema jerrquico de control CTR de una red de
gran escala.
Figura 6-3 Estructura de software para control de SDU (Garca Gutierrez, et al., 2014).
6.2 Control en Tiempo Real de Sistemas de Drenaje Urbano

Un SDU es controlado en tiempo real si las variables del proceso son monitoreadas y
utilizadas de forma continua para operar los actuadores durante su funcionamiento
(Schtze, Campisano, Colas, Vanrolleghem, & Schilling, 2003). Los algoritmos de CTR
consisten de conjuntos de reglas que determinan la accin de control que se va a tomar,
en respuesta a las condiciones actuales de la red de drenaje.
Histricamente, el principal objetivo de la aplicacin de CTR en SDU ha sido la reduccin
del volumen y/o nmero de inundaciones, sin necesidad de extender la infraestructura
existente del sistema. Otros objetivos de control comunes en este tipo de aplicaciones
incluyen la prevencin de inundaciones urbanas, la contaminacin del cuerpo receptor y la
minimizacin de costos de operacin. Ms recientemente otros objetivos que tienen en
CIACUA
178

cuenta la calidad de agua han sido considerados. Los algoritmos de CTR pueden
gestionar ms de uno de estos objetivos de forma simultnea, a travs del uso de
estrategias de control multi-objetivo.
Se ha demostrado que la aplicacin de tcnicas de CTR es una solucin confiable,
adaptable y rentable que permite una mejora significativa en el desempeo de los SDU
(Schtze, et al., 2003 & Schilling, et al., 1996). Las dos razones principales por las que la
aplicacin de CTR mejora la operacin de redes de drenaje existentes son (Borsnyi, et
al., 2008):
La mayora de SDU son diseados de acuerdo con reglas de diseo estticas. Sin
embargo, estos sistemas son operados bajo condiciones dinmicas de carga y
descarga.
El CC hace necesario que sistemas de drenaje con una expectativa de vida de

dcadas se adapten a nuevas situaciones de carga. Fenmenos climticos tales
como el calentamiento global agravan esta situacin.
Existen muchas tcnicas diferentes para el CTR de SDU. A continuacin se muestran dos
estrategias que se han estudiado en este proyecto, y se muestra su funcionamiento y
desempeo en un caso de estudio.
6.2.1
Model Predictive Control
El control predictivo basado en modelo (MPC, por sus siglas en ingls) es un algoritmo de
control multi-objetivo basado en modelo para sistemas dinmicos de mltiples entradas y
salidas (MIMO). El MPC se basa en el modelo matemtico del sistema o planta a controlar
para generar una secuencia de acciones futuras dentro de un horizonte de tiempo finito
(Ocampo Martnez C. , 2010). Estas acciones, conocidas como secuencia de control
ptima en un horizonte, tienen como objetivo minimizar una funcin de costo determinada.
Esta estrategia de control utiliza una filosofa de horizonte deslizante (receding horizon), la
cual consiste en tomar decisiones a partir de la prediccin del comportamiento futuro del
sistema dentro de un horizonte de tiempo finito (Ocampo Martnez, Toro Olmedo, Logist,
Van Impe, & Puig Cayuela, 2011). En el instante de tiempo t, el algoritmo planea la mejor
secuencia de acciones de control futuras
, donde
es un
horizonte de prediccin finito previamente definido.
La determinacin de esta secuencia se realiza resolviendo un problema de optimizacin a
partir de las salidas predichas del sistema y de la funcin de costo que se desea
minimizar. En la prctica, slo se puede realizar el primer movimiento
. En el instante
de tiempo t+1 se repite el mismo procedimiento, desplazando el horizonte de prediccin.
CIACUA
179

Para plantear el problema de control MPC, considrese un sistema dinmico descrito por
medio del siguiente modelo en variables de estado:
Ecuacin 6-1.
Ecuacin 6-2.
donde
contiene las variables de estado del sistema en el tiempo k,
son las entradas (variables manipuladas) del sistema y
son las salidas del
sistema. A, B y C son matrices de coeficientes con dimensiones adecuadas.
Adicionalmente, en este tipo de sistemas es posible tener en cuenta otro tipo de entradas
en el sistema. Estas entradas, llamadas perturbaciones, tienen la caracterstica de ser
medidas pero no manipuladas por el controlador. Para poder incluir estas nuevas seales
en el sistema es necesario cambiar la Ecuacin 6-1, obteniendo ahora la siguiente
ecuacin:
Ecuacin 6-3.
donde el vector
contiene las perturbaciones que entran al sistema y
de coeficientes de dimensiones apropiadas.
es una matriz
En la Tabla 6-2 se muestra el significado fsico que tendran las variables

y
en un sistema de drenaje, segn el modelo propuesto en Ocampo Martnez, et al. (2013).
Tabla 6-2. Variables del sistema.
TIPO DE VARIABLE
SMBOLO
Estados del sistema

Entradas de control
Perturbaciones del
sistema
DESCRIPCIN
Volumen en los
tanques del sistema
Flujo de drenaje a
travs de tuberas y
canales
Precipitaciones
(lluvia).
El MPC planteado en este proyecto contempla una funcin de costo cuadrtica de la

siguiente forma:
[
CIACUA
Ecuacin 6-4.
180

donde
es un horizonte de prediccin finito establecido,
es un vector con valores
de referencia para los estados del sistema en el tiempo , es una matriz positiva semi|
definida y
es una matriz definida positiva de dimensiones adecuadas.
y
| representan la prediccin del estado
y la seal de control
respectivamente, a partir de conocer
.
Considrese la siguiente secuencia de acciones de control:
[
El controlador MPC desea encontrar la secuencia ptima

problema de optimizacin:
Ecuacin 6-5.
que resuelva el siguiente
Ecuacin 6-6.
Sujeto a:
Ecuacin 6-7.
Ecuacin 6-8.
Ecuacin 6-9.
donde
y
son el conjunto de valores que pueden tomar los estados y entradas del
sistema, respectivamente. Estos dos conjuntos dependen de las restricciones que existan
sobre
y
, cuyo cumplimiento siempre debe ser garantizado.
Teniendo en cuenta la informacin de la Tabla 6-2, se puede dar una interpretacin fsica
a este problema de optimizacin, en el caso de SDU. Por un lado, se desea que los
volmenes en los tanques estn lo ms cerca posible a unos valores de referencia . Esto
se ve reflejado en la primera parte de la funcin de costo dada por la Ecuacin 6-4. Por
otro lado, se desean minimizar los caudales que circulan a travs de la red de drenaje
(segundo trmino de la funcin de costo). Las matrices y permiten dar ms peso a un
objetivo u otro, dependiendo de las prioridades del sistema. Diferentes funciones de costo
dependiendo convenientemente de los criterios de gestin de las redes consideradas
CIACUA
181

pueden ser establecidas y penalizadas mediante el diseo del controlador MPC (Schtze,
et al., 2003; Ocampo Martnez C. , 2010; Cembrano).
Dos controladores MPC lineales en tiempo discreto fueron implementados. El primero fue
diseado sin restricciones, es decir, sin tener en cuenta la Ecuacin 6-9 del problema de
optimizacin. Un segundo controlador fue diseado teniendo en cuenta las restricciones
del sistema, que en este caso vienen dadas por las capacidades volumtricas en los
tanques y tuberas, y por el flujo que puede circular en actuadores y canales. Estas dos
restricciones implican unos valores mnimos y mximos que se deben cumplir para
asegurar el correcto funcionamiento del sistema de drenaje. El tipo de sensores y
actuadores presentes en el sistema pueden llegar a aadir restricciones adicionales al
sistema, aunque en este caso no fueron consideradas.
Adicionalmente, estos dos controladores fueron modificados para poder tener en cuenta
las lluvias presentes en el sistema. Esto implic tener en cuenta la ecuacin de estado
modificada del sistema dado por la Ecuacin 6-3 para el diseo del controlador, lo que a
su vez modific el modelo de prediccin del controlador y el planteamiento del problema
de optimizacin. Es importante resaltar que para poder tener en cuenta las perturbaciones
se supuso que el controlador tiene la capacidad de medirlas, y cuenta con alguna forma
de predecir su comportamiento futuro dentro del horizonte de prediccin .
Los controladores MPC mencionados hasta este punto son todos lineales. Sin embargo,
la gran mayora de sistemas hidrulicos, y en particular los sistemas de drenaje, tienen un
comportamiento no lineal, por lo que es de gran inters poder aplicar MPC a sistemas no
lineales.
El MPC es un algoritmo altamente dependiente del modelo matemtico que se tiene del
sistema a controlar. Debido a esto, en el caso de sistemas no lineales puede llegar a ser
muy til trabajar con la representacin no lineal del sistema (informacin ms acertada
sobre sus dinmicas), en lugar de trabajar con aproximaciones lineales del modelo.
Estrategias de este tipo ya existen, y se conocen en general como Nonlinear Model
Predictive Control (NMPC). Sin embargo, la aplicacin de MPC en sistemas lineales tiene
varias ventajas frente a la aplicacin de NMPC. Algunas de estas ventajas son (Bordons
Alba & Camacho, 2007):
La obtencin de modelos lineales de un sistema a partir de datos experimentales

es ms sencilla que la de modelos no lineales.
Al aplicar MPC en un sistema lineal, es ms sencillo garantizar que el problema de
optimizacin (OP) asociado con la ley de control es convexo. Esto permite
garantizar que se va a encontrar un mnimo global para el OP y por ende la nica y
mejor solucin para el problema de control.
CIACUA
182

Al tener un OP lineal y convexo, se pueden reducir costos computacionales y

tiempos de cmputo para su solucin. Esto es especialmente valioso para
aplicaciones en tiempo real de gran escala.
El estudio de aspectos tales como estabilidad y robustez desde un punto de vista
analtico es mucho ms complejo en el caso de NMPC.
Debido a esto, es de gran inters poder aprovechar las ventajas del MPC lineal descritas
anteriormente para el control de sistemas no lineales, sin perder tanta informacin de las
dinmicas no lineales del sistema. Para abordar este problema se propusieron dos
enfoques.
El primer enfoque propuesto involucra la aplicacin de la tcnica de Gain Scheduling (GS)
(Shamma, 1988). Esta es una metodologa de diseo que consiste en descomponer un
controlador no lineal por medio del diseo de un nmero finito de controladores lineales.
Estos controladores son calculados a partir de linealizaciones del sistema no lineal
alrededor de varios puntos de equilibrio de un conjunto determinado de variables,
conocidas como variables de scheduling.
Apoyados en esta tcnica de control no lineal, se propuso la estrategia de Gain Scheduled
- Model Predictive Control (GS-MPC). Para un sistema no lineal dado, la tcnica GS-MPC
consiste en definir las variables de scheduling del sistema y generar un conjunto modelos
lineales, obtenidos al linearizar el modelo no lineal del sistema alrededor de determinados
puntos de operacin de estas variables. Luego, en cada iteracin se mide el valor actual
de las variables de scheduling y se aplica GS para escoger el modelo lineal ms
apropiado en ese instante de tiempo. Una vez que se ha elegido el modelo lineal ms
apropiado, los controladores MPC lineales descritos anteriormente pueden ser utilizados.
Este enfoque presenta una desventaja. Esta consiste en que para sistemas complejos o
de gran escala con muchas variables de estado y/o muchos puntos de operacin el
nmero de modelos lineales necesarios para aplicar la tcnica GS-MPC puede llegar a
ser demasiado alto, haciendo inviable el uso de esta tcnica. Para solucionar este
problema, se propone un segundo enfoque denominado Linear Paremeter-Varying MPC
(LPV-MPC). Est tcnica se basa en convertir un modelo no lineal de un sistema a un
modelo lineal de parmetro variables (LPV, por sus siglas en ingls). Un sistema LPV es
un sistema lineal cuyas dinmicas dependen de parmetros exgenos que varan en el
tiempo y cuyo comportamiento no se conoce a priori, pero que se puede medir o estimar
en lnea por el controlador (Scherer, 2001). A parir del modelo LPV del sistema no lineal,
la tcnica LPV-MPC consiste en realizar los siguientes tres pasos en cada iteracin del
controlador:
1. Medir (o estimar) los valores actuales de las variables de scheduling.
2. Generar un modelo lineal alrededor de los valores actuales de las variables de
scheduling.
CIACUA
183

3. A partir del modelo lineal generado, disear un controlador MPC lineal, calculando
y aplicando la ley de control ptima al sistema.
De esta forma, con cualquiera de estos dos enfoques se pueden controlar sistemas no
lineales respetando su naturaleza no lineal, y aprovechando a la vez las ventajas que
presenta la aplicacin del MPC a sistemas lineales.
6.2.2
Dinmicas de Replicador
Las dinmicas de replicador son dinmicas no lineales propuestas por Taylor & Jonker
(1978). Estas dinmicas describen la evolucin de una poblacin compuesta por agentes,
los cuales tienen una interaccin estratgica. Esta seccin presenta los conceptos
preliminares de las dinmicas de replicador y cmo pueden ser usadas para resolver un
problema de distribucin dinmica de recursos.
Considerese una poblacin con un nmero grande y finito de agentes. Cada agente
{
}. Existe una
escoge una de las
estrategias disponibles del conjunto
distribucin de los agentes jugando las estrategias dado por un estado de la poblacin
{
}, donde representa el total de masa en
definido en un simplex
la poblacin y el escalar es la masa de agentes jugando la estrategia
.
Se supone que los agentes son racionales y en consecuencia buscan su beneficio
descrito por una funcin de fitness , i.e., la funcin
toma un posible estado en la
poblacin y retorna un valor real de beneficio que recibe la masa de agentes .
Finalmente, se define la funcin de fitness promedio dada por F iS xi Fi .
Las dinmicas de replicador estn dadas por:
Ecuacin 6-10.
y el equilibrio de inters en estas dinmicas est dado por Fi F , i S , conocido como

equilibrio de Nash. En este equilibrio, ningn agente tiene incentivos para cambiar de
estrategia en la poblacin.
6.2.2.1 Configuraciones Posibles
En esta seccin se consideran dos configuraciones generales: la configuracin de
convergencia y la de divergencia. Por medio de estas configuraciones es posible disear
controladores basados en las ideas de distribucin dinmica de recursos con dinmicas
de replicador en el caso especfico de gestin en redes de aguas. Se presenta una
explicacin de cada uno de los casos y posteriormente se realizan pruebas en un caso
general. Las configuraciones presentadas son discutidas para aplicaciones de aguas en
las cuales cada estrategia est relacionada con un tanque del sistema. Adicionalmente, se
caracterizan los tanques en fuentes y sumideros, i.e., un tanque es fuente si suministra
flujo (recurso) a otros tanques, y es sumidero si recibe un flujo.
CIACUA
184

Convergencia
La configuracin de convergencia consiste en varios tanques fuente y un tanque

sumidero, es decir, que se tiene convergencia de flujo a un tanque como se presenta en la
Figura 6-4.
Figura 6-4. Configuracin para convergencia.
La Figura 6-4 presenta un caso con 5 tanques en los cuales los tanques 1, 2, 3 y 4 son
tanques fuente y el tanque 5 es sumidero. Para este caso se quieren asignar los flujos de
salida de los tanques fuente de tal forma que todos los tanques fuente se mantengan a un
mismo nivel. Para ello, se asocia la funcin de fitness con el volumen en los tanques y los
estados de la poblacin al flujo de salida de los tanques fuente. La Figura 6-5 muestra la
evolucin de las alturas para esta configuracin.
Figura 6-5. Evolucin de alturas en los tanques.
Divergencia
En el caso de divergencia se tiene un tanque fuente y varios tanques sumidero, es decir,

que se tienen flujos del tanque fuente divergiendo a varios destinos como se muestra en
la Figura 6-6 en la cual se presenta un caso de 6 tanques donde el tanque 1 es la fuente y
los tanques 2, 3, 4, 5 y 6 son sumideros.
CIACUA
185

Figura 6-6. Configuracin para divergencia.
Para este caso, se quiere distribuir el flujo de salida del tanque fuente a los dems
tanques sumidero de tal modo que todos los niveles en los tanques sumidero
permanezcan iguales. Para ello, las fitness se asocian con el espacio disponible en los
tanques sumidero y los estados en la poblacin con los flujos de salida del tanque fuente.
La Figura 6-7 muestra la evolucin para esta configuracin.
Figura 6-7. Evolucin de alturas en los tanques.
A partir de las dos configuraciones presentadas (de convergencia y divergencia), se

realiza la segmentacin de la red en casos particulares de distribucin dinmica. As, se
realiza un control del sistema de aguas por medio de dinmicas de replicador sin requerir
un modelo del sistema.
Perturbaciones
En el caso de control de los Sistemas de Drenaje Urbano se presentan perturbaciones al

sistema dadas por las lluvias que generan flujos de entrada desconocidos a los tanques.
Para el diseo de estos controladores, se requiere de los estados (niveles en los
CIACUA
186

tanques), en consecuencia las perturbaciones no son medidas pero si son detectadas las
variaciones sobre los estados debidos a las perturbaciones.
La Figura 6-8 presenta el comportamiento de convergencia ante una perturbacin. Como
se observa, el controlador gestiona la red de tal modo que se consigue una redistribucin
de los flujos para alcanzar nuevamente el objetivo.
Figura 6-8. Comportamiento de convergencia ante una perturbacin.
Se observa que luego de la perturbacin, se realiza una reasignacin de recursos hasta

lograr nuevamente la convergencia al estado deseado de mantener los tanques al mismo
nivel.
6.2.3
Caso de Estudio
Las estrategias de control estudiadas y propuestas en el proyecto fueron probadas por

medio de un caso de estudio. Las tcnicas fueron probadas por medio de simulaciones en
una porcin del sistema de drenaje de Barcelona, Espaa. El sistema de prueba cuenta
con 1 tanque de almacenamiento, 12 pluvimetros ubicados en diferentes lugares que
proporcionan medidas de la intensidad de lluvia en la red y 5 compuertas capaces de
retener y/o re-direccionar el flujo de drenaje en algunos puntos de la red Figura 6-9.
Adicionalmente, se modelan 11 canales principales del sistema son modelados como
tanques virtuales, debido a su capacidad de retener grandes volmenes.
CIACUA
187

Figura 6-9. Sistemas de drenaje de Barcelona (Ocampo Martnez C. , 2010).
En este caso, el objetivo de control consiste en minimizar los flujos liberados a las calles
de la ciudad y al cuerpo de agua receptor, que corresponde al mar Mediterrneo. Las
acciones de control vienen dadas por el accionamiento de las 5 compuertas previamente
descritas y las perturbaciones del sistema son las precipitaciones a lo largo de la red
medidas por los pluvimetros. Las variables de estado a ser controladas son los
volmenes en cada tanque (virtual o real), expresados en
. Teniendo todo esto en
cuenta, el sistema de prueba cuenta con 5 seales de control, 12 variables de estado y 12
perturbaciones medibles.
Para validar las estrategias de control se gener un escenario de lluvias para el sistema.
La Figura 6-10 muestra las seales de los pluvimetros debido a los eventos de lluvia en
los tanques 1, 2, 4, 9 y 12 del caso de estudio.
CIACUA
188

Figura 6-10. Eventos de lluvia en el caso de estudio.
La Figura 6-11 muestra la evolucin de los volmenes arrojados a las calles y al mar
Mediterrneo. Los resultados muestran el caso sin control, con un control predictivo
basado en modelo y con las dinmicas de replicador. Como se observa, el
comportamiento mejora con los controladores y las diferencias entre los volmenes en el
caso del control predictivo son similares al caso de las dinmicas de replicador. En la
Figura 6-12 se muestra el volumen que va a las plantas de tratamiento. Se observa un
mejor comportamiento con el MPC ya que se tiene ms agua tratada que en el caso de
las dinmicas de replicador.
Figura 6-11. Volmenes arrojados por el sistema a la calle y el mar.
CIACUA
189

Figura 6-12. Volmenes que se dirige a la planta de tratamiento del sistema.
En la Tabla 6-3 se presentan los resultados de los controladores MPC y LPV-MPC, con
restricciones (C) y sin restricciones (U). En este caso se muestran tres escenarios
diferentes, en los cuales varan las condiciones iniciales del sistema de drenaje. Se evala
cuando el sistema empieza prcticamente vaco (5% de capacidad al inicio), y cuando
empieza en el 25% y 50% de su capacidad.
Tabla 6-3. Resultados de aplicacin de controladores MPC en caso de estudio.
Condiciones Iniciales: 5% de capacidad mxima
3
Controlador
Volumen Desbordes (m )
Reduccin (%)
Sin Control
7,60E+05
MPC-SR
4,54E+05
40,31%
MPC-CR
4,56E+05
40,06%
GSMPC-SR
4,52E+05
40,57%
GSMPC-CR
4,61E+05
39,33%
Condiciones iniciales: 25% de capacidad mxima

3
Controlador
Reduccin (%)
Sin Control
2,17E+06
MPC-SR
1,17E+06
46,08%
MPC-CR
1,22E+06
43,67%
GSMPC-SR
1,17E+06
46,03%
GSMPC-CR
1,18E+06
45,66%
Condiciones iniciales: 50% de capacidad mxima
CIACUA
Controlador
Reduccin (%)
Sin Control
1,01E+07
190

MPC-SR
2,94E+06
71,00%
MPC-CR
3,30E+06
67,40%
GSMPC-SR
2,89E+06
71,45%
GSMPC-CR
3,04E+06
69,96%
Ntese que en todos los casos, tanto en los diferentes controladores MPC como en el
controlador con dinmicas de replicador, se presentan mejoras significativas en el
desempeo del sistema de drenaje, en comparacin al caso en el que no hay control.
6.3 Aseguramiento de la Operacin en Sistemas de Control

El xito del CTR aplicado a una red de alcantarillado depende en alto grado del correcto
funcionamiento de sus elementos. Esta dependencia se debe a que las estrategias de
control son usualmente diseadas para sistemas que operan en perfectas condiciones. En
la prctica, los sistemas de alcantarillado estn expuestos a mltiples fallas. Estas
imperfecciones pueden ser causadas por varios factores tales como daos, desgaste o
sobrecarga de elementos; especialmente en la red de alcantarillado pueden incrementar
su probabilidad de ocurrencia durante extremas condiciones meteorolgicas. La mayora
de estas fallas pueden presentarse en sus componentes fsicos como actuadores,
sensores y controladores, o incluso en su infraestructura de comunicaciones produciendo
prdidas de informacin en el sistema de telemetra.
Para prevenir esta situacin, la estrategia de CTR debe incluir mecanismos cuyo
propsito sea asegurar los objetivos de control en presencia de fallos. En muchas
ocasiones no es posible mantener un desempeo ptimo del sistema, pero al incorporar
mecanismo de aseguramiento en la estrategia de control, se minimiza el efecto negativo
de las fallas, o se disminuye hasta un nivel aceptable de desempeo. Esto significa
realizar una gestin en la red de alcantarillado que prevenga inundaciones y descargas
contaminantes al medio (Ocampo Martnez C. , 2010).
En la revisin de literatura se encontraron diferentes enfoques para tratar con este
problema. Entre los ms destacados se encuentran control tolerante a fallos (FTC),
control adaptativo, control robusto y control en redes (NCS). Debido a la naturaleza y
caractersticas fsicas de una red de alcantarillado las tcnicas ms apropiadas para tratar
con este tipo de fallas son FTC y NCS.
El control tolerante a fallas ha sido usado en muchas aplicaciones de la industria, aunque
en redes de alcantarillado ha sido poco explorado. Su principal enfoque es tratar con la
ocurrencia de fallas en los dispositivos del sistema (Blanke, Kinnaert, Lunze, &
Staroswiecki, 2006). Para llevar a cabo esta labor, existen diferentes metodologas, e.g.,
se puede disear un mdulo que sea capaz de detectar y asilar la falla, y otro que a partir
de esta informacin sea capaz de ajustar o redisear la estrategia de control para mitigar
los efectos de la falla.
CIACUA
191

Por otro lado, los sistemas de control en red abordan el problema de incertidumbres
causadas por la red de comunicaciones, tanto en las seales de control, como en el
sistema de medicin. Esta incertidumbre se puede tratar usando estimadores de estado
que predigan un estado libre de incertidumbres tales como ruido, prdidas de paquetes,
etc., para que el control pueda realizar su accin con el mayor conocimiento real del
sistema. A continuacin se describe en detalle las metodologas usadas en cada caso.
6.3.1
Control Tolerante a Fallas
El control tolerante a fallas (FTC, por sus siglas en ingls) tiene como propsito asegurar
que los objetivos de control sean parcial o totalmente satisfechos cuando ocurra una falla
en los componentes del sistema. Generalmente, la manera para que un sistema sea
tolerante a fallas consiste de dos pasos: la existencia de un mdulo capaz de detectar y
aislar la falla, y un mdulo capaz de redisear la estrategia de control (Blanke, Kinnaert,
Lunze, & Staroswiecki, 2006).
En la revisin de literatura se encontraron dos grupos principales de FTC: tcnicas
pasivas y tcnicas activas. Las tcnicas pasivas son estrategias fijas que toleran cambios
en la planta, y ayudan a disear un control robusto a la expectativa de fallas. Este tipo de
estrategias de control se encuentran en el rea de control robusto donde con cierto
margen, la estrategia de control tiende a ser inmune a las fallas. Estas estrategias tienen
la desventaja de ser confiables nicamente en un rango restringido de fallas.
Adicionalmente, un controlador robusto puede trabajar en un modo no ptimo para cada
escenario de fallas debido a sus parmetros fijos.
Por otro lado, las tcnicas activas adaptan la ley de control basadas en la informacin en
tiempo real de un bloque de diagnstico y determina la ley de control para cumplir los
objetivos de control. Para llevar a cabo estas tareas se requiere de un monitoreo y
diagnstico que aseguren la eficiencia y seguridad del sistema. Un camino para
monitorear los estados del sistema es usar observadores que comparen la medicin real
con una medida estimada. El diagnstico se enfoca en inferir la ocurrencia y causa de la
falla a partir de un modelo de datos histricos.
En general, pueden usarse dos estrategias pueden ser usadas para la deteccin de fallas:
redundancia de hardware, es decir sensores y actuadores extras, o redundancia analtica
que usa un modelo matemtico de los dispositivos. En sistemas crticos como aeronaves
espaciales o aviones, se prefiere usar redundancia de hardware, y en sistemas de gran
escala como las redes de alcantarillado es conveniente usar redundancia analtica ya que
tiene mucho menor costo de implementacin y mantenimiento (Blesa & Puig, 2013).
Para estudiar el CTR se dise un mdulo para detectar fallas haciendo uso de un banco
de observadores de entradas desconocidas que genera un residual para indicar el
dispositivo que se encuentra con alguna imperfeccin.
CIACUA
192

6.3.1.1 Caso de Estudio

Para realizar el diseo de deteccin de fallas se considera un sistema de dos tanques
unidos por un tubo; cada tanque tiene un sensor de nivel, y el flujo que ingresa al primer
tanque es controlado por un controlador proporcional-integral (PI), el cual acciona una
bomba para mantener el nivel en los tanques. El sistema est representado en espacio de
estados por:
Ecuacin 6-11.
Ecuacin 6-12.
donde
es el vector de estado,
es el vector de entrada que
corresponde a la accin de control generada por el PI,
es el vector de salida
que en este caso son los niveles de los sensores, y v
es el vector de entradas
desconocidas, que en este caso son las fallas que pueden presentar los dispositivos del
sistema. Para la deteccin de fallas se dise un banco de observadores de entradas
desconocidas (UIO). Este tipo de observadores es bien definido si el error de su estado
estimado tiende a cero asintticamente considerando la presencia de las entradas
desconocidas, por ejemplo las fallas del sistema (Trinh & Fernando, 2012). En un sistema
lineal invariante en el tiempo, el UIO es descrito por el siguiente conjunto de ecuaciones:
Ecuacin 6-13.
Ecuacin 6-14.
donde
es el vector de estado y las matrices N, L, G y E son diseadas para que
converja a
.
El banco que se dise consta de tres UIO, una para cada sensor asociado con cada
tanque y otro que corresponde al actuador del sistema. Estos son colocados en paralelo
al sistema para realizar el desacople de la falla, es decir que si el error de estimacin
correspondiente a cualquier UIO supera un umbral de tolerancia, el banco de UIO estara
indicando en cual dispositivo se est presentando alguna falla.
El principal resultado de esta metodologa permiti saber con exactitud, cul y en qu
momento el sistema se encontraba trabajando con dispositivos fsicos que no estaban en
perfectas condiciones. El ajuste y rediseo de la estrategia de control sern tratados en la
CIACUA
193

segunda fase del proyecto, ya que no se saba con exactitud cules estrategias de CTR
presentaran mejor desempeo en los SDU.
6.3.2
Sistemas de Control en Red
Los sistemas de control en red (NCS, por sus siglas en ingls) han sido desarrollados
para aplicaciones que contienen un sistema de comunicaciones complejo. El principal
objetivo de estos es optimizar el desempeo global del sistema bajo restricciones de la
red de comunicaciones. Algunos ejemplos de NCS pueden encontrarse en redes de
sensores mviles, sistemas de transporte, plantas de manufactura y sistemas de potencia.
Particularmente, las redes de alcantarillado cumplen con todas las propiedades de los
NCS, lo que motiv a desarrollar esta tcnica.
Tradicionalmente, el diseo de las estrategias de control supone canales de
comunicaciones ideales. Por esta razn, el desempeo del sistema puede verse influido a
la hora de implementarse en canales reales de comunicacin, debido a que estos
presentan diferentes restricciones. Adicionar la red comunicaciones como un nuevo
elemento del sistema permite adems de tratar con las restricciones fsicas del canal, una
arquitectura flexible que reduce costos de instalacin y mantenimiento en la redes de
alcantarillado (Atsaklis & Baillieul, 2007).
Entre las limitaciones ms importantes que presentan las comunicaciones en las redes de
alcantarillado se pueden encontrar prdidas de paquetes, retardos, garantizar tiempo real
y ancho de banda limitada. Para tratar parcialmente con los problemas mencionados
anteriormente se puede implementar un control distribuido que reduzca la carga de datos
a comunicar, y asegure el tiempo real en la red de alcantarillado. Debido a que el control
centralizado presenta un mejor desempeo del sistema y que existen muy pocos casos
reales con control distribuido implementado, esta tcnica no se consider como la ms
apropiada para ser aplicar en las redes de alcantarillado. Por otro lado, el enfoque de
tratar las incertidumbres de comunicaciones con observadores de estados, ha sido bien
explorado para diferentes casos de aplicacin.
En particular, el problema de observacin que aborda los NCS, es estimar las medidas de
los sensores que se encuentra a cierta distancia del controlador y reconstruir las seales
de control en los actuadores que hayan sufrido prdidas de informacin por la red de
comunicaciones (Hespanha, Naghshtabrizi, & Xu, 2007). Para llevar a cabo estas tareas
se puede abordar las tareas desde un punto de vista determinstico, es decir minimizar un
conjunto de medidas anteriores sujeto a las restricciones del modelo, o desde lo
estocstico asignando probabilidades de xito en la transmisin de paquetes. Para
estudiar los NCS se dise un compensador predictivo para tratar con la prdida de
paquetes y los retardos producidos por la red de comunicaciones.
CIACUA
194

6.3.2.1 Caso de Estudio

Para el diseo del compensador predictivo se consider un sistema de cuatro tanques
que representan una porcin de alcantarillado, modelada por medio del enfoque de
tanques virtuales. El sistema consta de cuatro sensores de nivel en la salida de cada
tanque, tres compuertas de desviacin y una compuerta de retencin. El objetivo de
control es minimizar el volumen de agua almacenada en cada tanque. El diseo del
compensador predictivo se realiz a partir de un modelo de espacio de estados que
representan el anterior sistema descrito por las siguientes ecuaciones:
Ecuacin 6-15.
Ecuacin 6-16.
donde
es el vector de estado,
es el vector de entrada que
corresponde a la accin de control
es el vector de salida que en este caso son
los volmenes en cada tanque, y
son procesos de ruido blanco con media cero.
Se supone que los datos de medida y(k) del sensor, son enviados al controlador a travs
de una red de comunicaciones con retardos y prdida de paquetes. El esquema
propuesto para compensar los retardos y la prdida de paquetes est basado en el
siguiente filtro de Kalman (Xia, Fu, & Liu, 2011):
|
|
donde es la matriz de ganancia del filtro, y

controlador en el tiempo .
|
|
indica si la seal es recibida o no por el
Se supone que el controlador tiene la siguiente estructura:

|
Ecuacin 6-17.
donde
es la matriz de control realimentado determinada por un regulador cuadrtico
lineal (LQR). El enfoque descrito anteriormente tiene como principal resultado disminuir la
incertidumbre producida por la red de comunicaciones alcanzando un desempeo
CIACUA
195

aceptable cuando se tiene hasta 15% de prdida de informacin ya sea por retardos o por
prdida de paquetes.
6.4 Herramienta de Co-simulacin para Modelos de Sistemas de Drenaje

Urbano con Control en Tiempo Real.
La tendencia de modelacin de SDU ha venido cambiando en los ltimos aos.
Programas como SWMM, HEC-RAS/HMS, City Drain y DAMBRK, han demostrado que el
criterio de anlisis actual es integrar la mayor cantidad de herramientas computacionales
con el fin de determinar con precisin el comportamiento del sistema global (Butler &
Schtze, Integrating simulation models with a view to optimal control of urban wastewater
systems). Sin embargo, a pesar de la evolucin positiva que han tenido los programas de
simulacin, stos se han enfocado en atacar el problema de calidad del agua (Butler &
Schtze, Integrating simulation models with a view to optimal control of urban wastewater
systems), y no tanto el de CTR. Esto resulta ineficiente dado que se ha demostrado que la
simulacin integrada con CTR arroja mejores resultados, permite controlar sistemas de
forma global y aporta beneficios tras la implementacin del modelo, e.g., reduccin de
costos y de fallas (Achleitner, et al., 2007; Cembrano, et al.; Lin, et al., 2009).
Por este motivo, se ha desarrollado una herramienta de co-simulacin que permite
integrar la funcionalidad de EPA-SWMM, un software utilizado para el modelamiento de
propiedades fsicas de flujo en sistemas de drenaje, con plataformas que permiten
modelar tcnicas de CTR tales como Matlab y LabVIEW. Adicionalmente, se ha
desarrollado una librera de SWMM en Python con el fin de aprovechar las ventajas de
este lenguaje de programacin, como su versatilidad y fcil integracin con otras
plataformas. Asimismo, porque es un lenguaje de programacin til para el anlisis de
datos (Big Data) (McKinney, 2012).
Una de las ventajas principales de la herramienta de co-simulacin desarrollada es que
permite probar el funcionamiento de diversas estrategias de CTR con un modelo
fsicamente basado del sistema de drenaje incluyendo sus no linealidades, y as obtener
una mejor aproximacin al comportamiento real del problema global. Esto es posible dado
que SWMM se basa en las ecuaciones unidimensionales de Saint-Venant de
conservacin de la masa y de la energa para resolver el trnsito de crecientes.
Con el fin de comprobar la versatilidad de la herramienta, se presenta el algoritmo de cosimulacin, se explican algunos detalles tcnicos, relacionados con el lenguaje de
programacin, y se simula un caso de estudio basado en una red de drenaje urbano
tpica. La red de drenaje se somete a un evento de lluvia y se estudia el caso con y sin
control para evaluar la funcionalidad de la herramienta.
CIACUA
196

Figura 6-13. Algoritmo de simulacin de SWMM.
Como puede observarse en la Figura 6-13, el algoritmo de simulacin de SWMM resuelve

iterativamente las ecuaciones de Saint Venant para dar solucin al problema de flujo en
canales. Con base en esto, se lleva a cabo el proceso de co-simulacin: despus de
correr un paso, se extrae informacin del modelo, e.g. caudal, velocidad media, volumen,
profundidad de flujo, nmero de Froude. Dicha informacin es procesada por el programa
que implementa las estrategias de CTR y se generan acciones de control que se ven
representadas en SWMM como cambios en el porcentaje de apertura de compuertas.
Dado que slo es necesario modificar una instruccin del algoritmo, la herramienta de cosimulacin se ha diseado como un mdulo adicional del cdigo original de SWMM,
preservando la integridad del modelo de simulacin. Este mdulo ha sido compilado como
una librera de C, por lo que puede ser compatible con lenguajes de programacin
basados en C, como C++, Matlab, Python, LabVIEW, etc.
Hasta el momento, se han desarrollado cinco funciones en C que facilitan el proceso de
extraccin y escritura de informacin y son:
-
Funcin obtener (get): extrae informacin de un objeto especfico durante la

simulacin.
Funcin obtener de la entrada (get_from_input): extrae informacin del archivo de
entrada de SWMM. La informacin est relacionada con propiedades fsicas de un
objeto (e.g., geometra).
CIACUA
197

Funcin obtener todo (get_all): permite obtener una lista de todos los objetos de un
mismo tipo, i.e., nodos, sub-cuencas, conductos, tanques de almacenamiento.
Asimismo, permite extraer una lista con valores de cierto atributo del objeto.
Funcin modificar apertura (modify_setting): modifica el porcentaje de apertura de
una compuerta en SWMM.
Funcin modificar valor de entrada (modify_input_value): modifica el valor de cierta
propiedad inicial del modelo.
Adicionalmente, se han creado funciones que facilitan el procesamiento de la informacin

(no hacen parte de la librera dinmica de C) y se ha procurado que todos los algoritmos
sean O(n), es decir que la relacin entre el tiempo de simulacin y la cantidad de
parmetros de entrada sea lineal. De esta manera, se garantiza que los tiempos de
simulacin para modelos de gran escala sean eficientes y sea posible obtener errores y
corregir fallas del modelo orientado a simulacin con facilidad.
Con esto en mente, se presenta a continuacin un caso de estudio donde se utilizan las
funciones descritas anteriormente para extraer informacin y modificar la apertura de
compuertas en SWMM. El modelo utilizado como ejemplo se compone por cuatro subcuencas, afectadas por un evento de precipitacin crtico, la lluvia sobrecarga el sistema
y genera inundaciones en dos de sus tres divisiones. Al inicio de la bifurcacin hay tres
compuertas, modeladas como orificios, que controlan el paso de agua de lluvia con el fin
de distribuirla de manera eficiente en tres tanques de diferentes volmenes.
Figura 6-14. Topologa del caso de estudio.
CIACUA
198

Figura 6-15. Resultados del nivel en los tanques sin control. -- V1 -- V2 V3.
Figura 6-16. Resultados de nivel en los tanques con control. -- V1 -- V2 V3.
En principio, se extrae informacin del sistema y se registra el evento de precipitacin

(Figura 6-15), no se controla la apertura de compuertas. Para el segundo caso (Figura
6-16) se implementa una estrategia de control basada en dinmicas poblacionales, libre
de modelo; las decisiones del controlador no se basan en un modelo del sistema. Se
evidencia cmo el control en tiempo real puede reducir los flujos de inundacin
significativamente; para el segundo caso no se sobrepasa el nivel mximo de los tanques
y el tiempo que tarda el sistema en alcanzar el estado estable es menor; el sistema alivia
la creciente eficientemente. Cabe anotar que a pesar de mostrar las ventajas del CTR a
CIACUA
199

partir del caso de estudio, el objetivo es mostrar la utilidad de la herramienta de cosimulacin y cmo puede verificarse la eficacia de diversas estrategias de control.
Con base en la experiencia de modelacin presentada anteriormente, en la Fase II de la
presente investigacin se implementar un modelo orientado a control del SDU del sector
Chic de Bogot (descrito en la pgina 7). ste ser un modelo simplificado del sistema y
ser utilizado para probar estrategias de control dependientes de modelo, como MPC,
GS, Lgica Difusa, entre otros. As mismo, aprovechando la funcionalidad de Matlab y la
versatilidad de la herramienta de co-simulacin, ser posible determinar una posicin
ptima para los sensores en el sistema. Se estimar la posicin del mnimo nmero de
sensores necesarios para garantizar controlabilidad y observabilidad del sistema, es decir
que la informacin de entrada garantice un solucin al problema de control y que se
pueda llevar el sistema a un estado deseado. Finalmente, se modelar el sistema de
comunicaciones que transmitir informacin entre sensores y actuadores. De esta
manera, se observar el efecto de prdida de informacin en el canal de comunicaciones
y problemas derivados de la desincronizacin del sistema. Se corregirn dichos
problemas modelando estrategias de control de redes.
6.5 Conclusiones
El CTR aplicado a SDU cubre principalmente el estudio de modelos y de estrategias de
control que pudieran ser aplicados en ciudades colombianas. Las redes de drenaje
urbano se pueden considerar sistemas de gran escala por la disposicin geogrfica de los
elementos en las ciudades, sumado a la gran cantidad de elementos que la componen,
como tuberas, tanques de almacenamiento, vlvulas, compuertas, sensores, entre otros.
En el diseo de estrategias de control, se requiere de un modelo del sistema de drenaje
que sintetice las caractersticas ms importantes de la red. Para el caso de los sistemas
de drenaje se estudiaron varios tipos de modelos unos principalmente orientados a la
simulacin que estn basados en las ecuaciones de Saint-Venant, pero que por su costo
computacional son de difcil aplicacin para control en tiempo real del sistema de drenaje.
Por otro lado, se estudiaron modelos orientados a control que son un poco ms simples y
con menor costo computacional, que pueden ser empleados por las estrategias de CTR.
Luego de determinar los modelos ms apropiados para modelar SDU de gran escala, se
disearon, implementaron y probaron varios tipos de controles que permitieron disminuir
el vertimiento de aguas residuales a las calles y a cuerpos de agua a parir de un caso de
estudio (el sistema de drenaje urbano de la ciudad de Barcelona). Se encontr que la
estrategia de MPC es una estrategia de control idnea que ser aplicada para en el CTR
de SDU. Sumado a que permite agregar a la funcin de costo requerimientos operativos,
econmicos, energticos, con esto se tienen ventajas superiores sobre otras estrategias
de control. Por ltimo, se estudi una temtica novedosa para puede ser implementada en
SDU como es el aseguramiento de la operacin que aborda problemticas de seguridad y
control tolerante a fallos.
CIACUA
200

7. Publicaciones Fase I
Uno de los productos ms importantes del desarrollo de la presente investigacin est
relacionado con la divulgacin de los resultados en eventos internacionales y en revistas
arbitradas. Adems de las diferentes metodologas planteadas (para determinar eventos
de precipitacin, localizar y dimensionar tanques de almacenamiento, y
aplicar
estrategias de CTR), de los resultados obtenidos en las diferentes reas y en particular
del desarrollo del Toolkit de EPASWMM, las siguientes publicaciones hacen parte de los
productos de la primera fase del proyecto. Al igual que los resultados, las publicaciones se
presentan por reas de conocimiento.
7.1 Cambio Climtico

El rea de Cambio Climtico contempla la publicacin de dos Artculos en revistas
indexadas y dos artculos enviados a eventos de divulgacin de resultados. En la Tabla
7-1 se presenta la informacin pertinente de estas publicaciones:
Tabla 7-1. Publicaciones Cambio Climtico.
TTULO
AUTORES
Metodologa para determinar eventos de

precipitacin en zonas urbanas considerando
escenarios de Cambio Climtico
Ins Camilloni, Jessica

Bohrquez, Juan
Saldarriaga y Nicols Pez
Eventos de precipitacin considerando

escenarios de Cambio Climtico para una
red de Drenaje Urbano de la ciudad de
Bogot, Colombia

Bohrquez, Juan
Saldarriaga y Nicols Pez
Determinacin de Eventos de Precipitacin

en Ciudades colombianas con escenarios de
Cambio Climtico
Cambio Climtico

Cambio Climtico

Bohrquez, Diego Pez,
Mara Jos Uribe y Juan
Saldarriaga
Saldarriaga
Saldarriaga
JOURNAL/EVENTO
Water Resources
Research o
Hydrology and Earth
System Sciences
Climate Change
Congreso
Latinoamericano de
Hidrulica e
Hidrologa
Seminario Nacional
de Hidrulica e
Hidrologa
(Colombia)
Simposio
Iberoamericano
sobre Sistemas de
Abastecimiento de
Agua y Drenaje
Urbano
ESTADO
Redaccin
Redaccin
Artculo
presentado y
publicado
Artculo
presentado y
publicado
Redaccin
7.2 Reduccin de Caudales Pico

Por su parte, el rea de Reduccin de Caudales Pico est comprometida con la
publicacin de dos artculos en revistas indexadas y dos artculos enviados a eventos a
nivel latinoamericano y colombiano. La Tabla 7-2 presenta la informacin de estas
publicaciones:
CIACUA
201

Tabla 7-2. Publicaciones Reduccin de Caudales Pico.
TTULO
Dimensionamiento y Localizacin ptima de
Tanques de Almacenamiento para la
Minimizacin de Inundaciones (Concentrado
en volmenes y con control hidrulico)
AUTORES
Maria Cunha, Nuno Simoes,
Joao Zeferino, Pedro
Iglesias, Javier Martnez,
Juan Saldarriaga y Camilo
Salcedo
Aplicacin de un modelo pseudogentico

para la ubicacin de potenciales tanques de
tormenta en redes de drenaje urbano de
aguas pluviales
Pedro Iglesias, Javier

Martnez, Daniel Vallejo y
Juan Saldarriaga
Dimensionamiento ptimo de Tanques de

Almacenamiento Bajo Escenarios de Cambio
Climtico

Joao Zeferino y Camilo
Salcedo
Dimensionamiento ptimo de Tanques de

Almacenamiento Bajo Escenarios de Cambio
Climtico

Joao Zeferino y Camilo
Salcedo
Localizacin y dimensionamiento ptimo de

estructuras de almacenamiento en sistemas
de drenaje urbano considerando efectos de
cambio climtico

Joao Zeferino, Juan
Saldarriaga, Diego Pez y
Camilo Salcedo
JOURNAL/EVENTO
ESTADO
Water Resources
Planning and
Management
Redaccin
Water Resources
Management o
Journal of
Hydroinformatics
Congreso
Latinoamericano de
Hidrulica e
Hidrologa
Seminario Nacional
de Hidrulica e
Hidrologa
(Colombia)
Simposio
Iberoamericano
sobre Sistemas de
Abastecimiento de
Agua y Drenaje
Urbano
Redaccin
Artculo
presentado y
publicado
Artculo
presentado y
publicado
Redaccin
7.3 Modelacin Computacional

En el rea de modelacin computacional, se incluye la modelacin del caso de estudio y
el desarrollo del Toolkit del software EPASWMM. Las publicaciones de sta rea se
resumen en la Tabla 7-3 donde se incluye un artculo en revistas indexadas y dos
artculos enviados a diferentes eventos.
Tabla 7-3. Publicaciones Modelacin Computacional.
TTULO
Ampliacin de las
capacidades del Toolkit de
EPASWMM para
optimizacin de redes de
drenaje urbano
Modelacin de Redes de
Drenaje Urbano bajo
escenarios de Cambio
Climtico
Modelacin de Redes de
Drenaje Urbano bajo
escenarios de Cambio
Climtico
CIACUA
AUTORES
JOURNAL/EVENTO
ESTADO
Pedro Iglesias, Javier Martnez, Daniel

Vallejo, Nuno Simoes, Joao Zeferino y Juan
Saldarriaga
Water Resources
Planning and
Management
Redaccin
Pedro Iglesias, Javier Martnez, Diego Pez

y Daniel Vallejo
Seminario Nacional
de Hidrulica e
Hidrologa
(Colombia)
Resumen
extendido
aceptado
para
conferencia
Pedro Iglesias, Javier Martnez, Diego Pez

y Daniel Vallejo
Simposio
Iberoamericano
sobre Sistemas de
Abastecimiento de
Agua y Drenaje
Urbano
Redaccin
202

TTULO
Drenaje Urbano y Cambio
Climtico: haca los sistemas
de alcantarillado del futuro
AUTORES
Juan Saldarriaga, Ins Camilloni, Mara
Cunha, Nuno Simoes, Joao Zeferino, Pedro
Iglesias, Javier Martnez, Nicanor Quijano,
Carlos Ocampo, Diego Pez, Jessica
Bohrquez, Camilo Salcedo y Daniel
Vallejo
JOURNAL/EVENTO
Simposio
Iberoamericano
sobre Sistemas de
Abastecimiento de
Agua y Drenaje
Urbano
ESTADO
Redaccin
7.4 Control en Tiempo Real

Por ltimo, en el rea de Control en Tiempo Real se publicarn 7 artculos en total: dos
artculos a publicar en revistas indexadas y cinco para eventos internacionales. El
resumen de la informacin correspondiente a estos artculos se presenta en la Tabla 7-4.
Tabla 7-4. Publicaciones Control en Tiempo Real.
TTULO
A survey on Modeling, Real-time
Control and Secure Operation of
Urban Drainage Systems
JOURNAL/EVENTO
ESTADO
Water Resources
Management
Enviado
Hydroinformatics
Conference
Artculo
aceptado para
presentacin
oral
E. Escobar, J. Salgado, N. Quijano, J.

Saldarriaga
Congreso
Latinoamericano de
Control Automtico
Enviado
J. Barreiro-Gmez, N. Quijano, C. OcampoMartinez
Journal of the
Franklin Institute
Enviado
IEEE Conference on
Decision and
Control
Sometido a
Revisin
Constrained Distributed Optimization

Based on Population Dynamics
IEEE Conference on
Decision and
Control
Sometido a
Revisin
Co-simulation for Urban Drainage

systems Control Design
G. Riao-Briceo, J. Barreiro-Gmez, N.
Quijano
Por Definir
Redaccin
On the Modeling and Real-time

Control of Urban Drainage Systems:
A Survey
Gain Scheduled - Model Predictive
Control Applied to Nonlinear
Systems
Constrained Distributed Optimization
based on Population Dynamics: An
Engineering
Application
Distributed Control of Drinking Water
Networks using Population
Dynamics: Barcelona
Case Study
CIACUA
AUTORES
L. Garca-Gutirrez, E. Escobar, J. BarreiroGmez, D. Tllez, N. Quijano and C.
Ocampo-Martnez
L. Garca-Gutirrez, E. Escobar, J. BarreiroGmez, N. Quijano and C. OcampoMartnez
and D. Tllez
203

8. Trabajo Futuro
Considerando los objetivos descritos en la Seccin 1.1, el alcance y el impacto del
proyecto, la presente investigacin contempla una Fase II con el objetivo de
complementar la generacin de conocimiento y la aplicacin de las metodologas producto
de la Fase I. Con el fin de cumplir con estos objetivos, Mexichem particip en la
Convocatoria 633 de Colciencias para obtener, a travs de la modalidad de Beneficios
Tributarios, la financiacin necesaria para desarrollar la Fase II de la presente
investigacin. El trabajo futuro est contemplado, al igual que el desarrollo de la Fase I en
las siguientes reas del conocimiento: Cambio Climtico, Reduccin de Caudales Pico,
Modelacin Computacional y Control en Tiempo Real.
En el rea de Cambio Climtico uno de los objetivos es aplicar las metodologas
planteadas en la Fase I al caso de estudio, utilizando los resultados de los MCGs
validados en la primera fase para el escenario RCP 4.5. Igualmente explorar otros MCGs
para determinar su funcionamiento en la zona de estudio considerando la metodologa de
validacin utilizada en la Fase I y otros mecanismos nuevos que puedan ayudar a validar
ms estrictamente los MCGs.
Una de las actividades realizadas para utilizar los MCGs en la metodologa planteada es
el desarrollo de metodologas de DownScaling de los resultados originales de los MCGs
para que estos sean aplicables a contextos urbanos. Uno de los objetivos para la Fase II
del proyecto es el avance en la determinacin de metodologas para disminuir la
resolucin de los resultados de los MCGs sin perder la precisin de sus estimaciones de
precipitacin en el futuro.
Por su parte, si se consideran las condiciones actuales de los SDU de aguas lluvias en la
ciudad de Bogot, la aplicacin prctica de las metodologas de dimensionamiento y
ubicacin de tanques de almacenamiento est supeditada a la presencia de basuras en
estos sistemas pues esto podra comprometer el funcionamiento hidrulico de las
estructuras instaladas. As, aunque la problemtica anterior no est directamente
relacionada con el CC ser abordada en la Fase II del proyecto dada su importancia.
En el rea de Reduccin de Caudales Pico se seguir conservando la divisin propuesta
entre optimizacin con control hidrulico y sin ste, para poder abordar el problema
relacionado con la localizacin y el dimensionamiento de estructuras de almacenamiento
en los sistemas de drenaje urbano de una forma ms amplia.
En primer lugar, en el rea de optimizacin con control hidrulico se analizar la evolucin
del Toolkit, adaptando as el modelo de decisin a los nuevos desarrollos de esta
herramienta. De igual manera, se desarrollarn funciones de costo que representen los
daos potenciales generados por las inundaciones con el fin de que el modelo de
optimizacin enfocado a costos pueda ser utilizado. Una vez esto sea hecho, se
CIACUA
204

proceder a implementar en el modelo de decisin estructuras de almacenamiento

alternativas a las tradicionales, especficamente haciendo referencia a los Aquacells.
Bajo esta inclusin al modelo de optimizacin, se recalibrarn los parmetros del
algoritmo Simulated Annealing, y una vez esto sea hecho se proceder a la proposicin
de distintos escenarios para la construccin de modelos robustos. Finalmente, se aplicar
la metodologa desarrollada a los casos de estudio de Chic Norte y Chic Sur,
esperando al final hacer un proceso de retroalimentacin con el rea de Control en
Tiempo Real acerca de los resultados logrados en relacin con la implementacin de las
En el rea de Optimizacin Sin Control Hidrulico se continuar trabajando en la
herramienta computacional ya que sta todava presenta algunas deficiencias. Se le
incluirn las mejoras hechas sobre el Toolkit y se realizar un proceso para la calibracin
de los parmetros requeridos para el proceso de optimizacin.
Tambin se estudiarn otras metodologas de optimizacin que puedan complementar
positivamente este proceso y finalmente aplicarlas a las redes de Chic Sur y Norte.
En el rea de Modelacin Computacional se estar trabajando en algunas posibles
mejoras para el Toolkit. En primer lugar se mejorarn las funciones que permiten controlar
las dimensiones de los orificios, vertederos y pozos. Tambin se harn ms pruebas de
esta herramienta para comprobar su correcto funcionamiento bajo cualquier escenario de
modelacin.
Se trabajar con la creacin de un modelo computacional capaz de representar el
comportamiento de los Aquacells. Para esto se realizar un modelo fsico de estas
estructuras de tal forma que permita cuantificar sus propiedades y poder entender de
forma ms completa la hidrulica que all ocurre. Este modelo deber ser validado para
as poderle dar uso en el momento de la optimizacin de la redes. Tambin se realizar
una comparacin de los Aquacells con diferentes estructuras de almacenamiento en
cuanto a aspectos de costos, facilidad de operacin y mantenimiento de tal forma que se
pueda concluir cuales seras las estructuras ideales a implementar.
Finalmente se harn mayores simplificaciones sobre las redes estudiadas junto con un
proceso de calibracin. De esta forma se podr asegurar que la informacin encontrada s
es confiable y que las metodologas s presentan buenos resultados.
Por ltimo, en el rea de Control en Tiempo Real, se contemplan tres objetivos
principales: el desarrollo de un modelo experimental para realizar pruebas de las
metodologas de CTR desarrolladas en la Fase I del proyecto, modelo desarrollado en el
Laboratorio de Hidrulica de la Universidad de los Andes; realizacin de un modelo
orientado a control; y la aplicacin de las estrategias al caso de estudio planteado
CIACUA
205

incluyendo la continuacin del trabajo de co-simulacion adelantado en la Fase I del

proyecto de investigacin.
CIACUA
206

9. Bibliografa
Abadie, J., & Carpentier, J. (1969). Generalization of the Wolfe reduced gradient method
to the case of non-linear constrains. En R. Fletcher (Ed.), Optimization (pgs. 3747). New York: Academic Press.
Acevedo, L. (2009). Estimacin Hidrolgica bajo escenarios de Cambio Climtico. UNAL
Medelln.
Achleitner, S., Rauch, W., & Mderl, M. (2007). City-drain an open source approach for
simulation of integrated urban drainage systems.
Alperovits, E., & Shamir, U. (1977). Design of Optimal Water Distribution Systems (Vol. 13
No. 6). Haifa, Israel: Water Resourcs Research.
Andrs-Domnech, I., Montanari, A., & Marco, J. (2012). Efficiency of Storm Detention
Tanks for Urban Drainage Systems under Climate Variability. Journal of Water
Resources Planning and Managment, 36-46.
Artita, K., Kaini, P., & Nicklow, J. (2013). Examining the Possibilities: Generatong
Alternative Watershed-Scale BMP Designs with Evolutionary Algorithms. Water
resources management, 27(11), 3849-3863.
Atsaklis, P., & Baillieul, J. (2007). Control and Communication Challenges in Networked
Real-Time Systems. Proceedings of the IEEE, 95(1), 9-28.
Behera, P., Papa, F., & Adams, B. (1999). Optimization of regional storm-water
management systems. J. Water Resour. Piann. Manage, 125(2), 107-114.
Benavides, H. (2011). Evidencias del Cambio Climtico en Colombia - Anlisis de
tendencias de precipitacin y temperatura para diferentes pisos trmicos.
Bennett, M., & Mays, L. (1985). Optimal design of detention and drainage channel system
. J. Water Resource. Piann. Manage, 111(1), 99-112.
Bentley. (2014). Water GEMS.
Blanke, M., Kinnaert, M., Lunze, J., & Staroswiecki, M. (2006). Diagnosis and FaultTolerant Control.
Blesa, J., & Puig, V. (2013). Limnimeter and rain gauge FDI in sewer networks using an
interval parity equations based detection approach and an enhanced isolation
scheme. 21(2), 146-170.
Bordons Alba, C., & Camacho, E. (2007). Model Predictive Control.
CIACUA
207

Borsnyi , P., Benedetti, L., Dirckx, G., De Keyser, W., Muschalla, D., Solvi, A.-M., . . .
Vanrolleghem, P. (2008). Modelling real-time control options on virtual sewer
systems,. Journal of Environmental Engineering and Science, 7(4), pgs. 395-410.
Bosshard, T., & Kotlarski, S. (2011). Spectral representation of the annual cycle in the
climate change signal. Hydrology and Earth System Sciences, 2777-2788.
Brooke, A., Kendrick, D., & Meeraus, A. (1988). GAMS: A Users Guide. The Scientific
Press.
Burns, M., Fletcher, T., Walsh, C., Landson, A., & Hatt, B. (2012). Hydrologic
shortcomings of conventional urban stormwater management and opportunities for
reform. Landsc. Urban Pian., 105, 230-240.
Butler, D., & Davies, J. (2011). Urban Drainage (3 ed.). Londres: CRC Press.
Butler, D., & Schtze, M. (s.f.). Integrating simulation models with a view to optimal control
of urban wastewater systems. Environmental modelling & software.
Butler, D., & Schuzte, M. (2005). Integrating simulation models with a view to optimal
control of urban wastewater systems. Environmental Modelling & Software, 415426.
Cembrano, G., Quevedo, J., Salamero, M., Puig, V., Figueras, J., & Marti, J. (s.f.). Optimal
control of urban drainage systems: a case study. Control Engineering Practice.
Chan, C., Dickinson, R., & Burguess , E. (2005). Runtime Comparisons between SWMM4
and SWMM5 using various Continuous Simulation Model Networks. Effective
Modeling of Urban Water Systems, Monograph 13.
Chow, V., Maidment, D., & Mays, L. (1994). Hidrologa Aplicada. Santaf de Bogot:
McGraw-Hill.
CIACUA. (2013). Cambio Climtico y Variacin Futura en la intensidad de las
precipitaciones en las ciudades colombianas. Revisin Bibliogrfica. Bogot:
Uniandes.
CIACUA. (2013). Metodologas de reduccin de caudales pico y presentacin del caso de
estudio. Estado del Arte. Bogot: Uniandes.
Cruz, M. (1999). Determinacin de la tormenta de diseo. Ingeniera Hidrulica y
Ambiental, 27-30.
Cunha, M., Pinheiro, L., Zeferino, J., Antunes, A., & Alfonso, P. (2009). Optimization model
for integrated regional wastewater systems planning. (ASCE, Ed.) Journal of water
resources planning and management, 135(1), pgs. 23-33.
CIACUA
208

Curtis, C., & McCuen, R. (1977). Design Efficiencies of Stormwater Detention Basin.
Jornal of the Water Resources Planning and Management Division, 103(1), 125140.
De Martino, G., De Paola, F., Fontana, N., Marini, G., & Ranucci, A. (2011). Pollution
Reduction in Receivers: Storm-Water Tan. Journal of Urban Planning and
Development, 29-38.
Deb, K., Prapat, A., & Meyarivan, T. (2002). A fast and elitist multiobjective genetic
algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2), 182197.
Di Toro, D., & Small, M. (1979). Stormwater Interception and Storage. Journal of the
Enviromental Engineering Division, 105, 43-54.
Dowsland, K. (1993). Simulated annealing. Modern Heuristic Techniques for Combinatorial
Problems, 20-69. Nueva York, USA: John Wiley & Sons.
Doyle, J. (19-22 de Abril de 1976). Efficient Storage of Urban Storm Water Runoff..
Proceedings of the Conference on Environmental Modeling and Simulation, 139143. Cincinnati, Ohio, USA.
Duan, N., Mays , L., & Lansky, K. (1990). Optimal based design of pumping and
distribution systems. Journal of Hydraulics Engineering, 116(2), 249-286.
ESRI. (2012). ArcMap 10.1. Redlands, California.
Fletcher, T., Andrieu, H., & Hamel, P. (2013). Understanding, management and modelling
of urban hydrology and its consequences for receiving waters: A state of the art.
Adv. Water Resour, 51, 261-279.
Fu, G., Butler, D., & Khu, S.-T. (2008). Multiple objective optimal control of integrated
urban wastewater systems. Environmental Modelling & Software, 225-234.
Fu, G., Khu, S.-T., & Butler, D. (2010). Optimal Distribution and Control of Storage Tank to
Mitigate the Impact of New Developments on Receiving Water Quality. Journal of
Environmental Engineering, 136(3), 335-342.
Fujiwara, O., Jenchaimahakoon, B., & Edirisinghe, N. (1987). A modified linear
programming gradient method for optimal design of looped water distribution
networks. Water Resources Research, 23(6), 977-982.
Garca Gutierrez, L., Escobar, E., Barreiro Gomez, J., Quijano, N., Ocampo Martinez, C.,
& Tellez, D. (2014). ON THE MODELING AND REAL-TIME CONTROL OF URBAN
DRAINAGE SYSTEMS: A SURVEY HIC2014. New York City, USA.
CIACUA
209

Garca Gutierrez, L., Escobar, E., Barreiro Gomez, J., Tllez, D., Quijano, N., & Ocampo
Martinez, C. (17 de agosto de 2014). A SURVEY ON MODELING, RTC AND
SECURE OPERATION OF URBAN DRAINAGE SYSTEMS.
Granados, A. (1990). Redes colectivas de riego a presin. E.T.S.I.C.C.P y U. Politecnica
de Madrid.
Grimson, R., Montroull, N., Saurral, R., Vasquez, P., & Camilloni, I. (2013). Hydrologic
modelling of the Iber Wetlands in southeastern South America. Journal of
Hydrology, 47-54.
Guidolin, M., Burovskiy, P., Kapelan, Z., & Savic, D. (2011). An Object-Oriented Toolkit for
Water Distribution System Simulations. Water Distribution System Analysis, 1-13.
Gulizia , C., & Camilloni, I. (2014). Comparative analysis of the ability of a set of CMIP3
and CMIP5 global climate models to represent the precipitation in South America.
Int J. of Climatology (en prensa).
Gulizia, C., Moiria , D., & Camilloni, I. (2012). Identification of the principal patterns of
summer moisture in South America and their representation by WCRP/CMIP3
global climate models. Buenos Aires, Argentina: Springer.
Harris, I., Jones, P., Osborn , T., & Lister, D. (2014). Updated high-resolution grids of
monthly climatic observations. International Journal of Climatology.
Hespanha, J. P., Naghshtabrizi, P., & Xu, Y. (2007). A Survey of Recent Results in
Networked Control Systems. Proceedings of the IEEE, 95(1), 138-162.
Hirsch, C. (1990). Numerical Computation of Internal and External Flows Volume 2:
Computational Methods for Inviscid and Viscous Flows. Inglaterra: John Wiley &
Sons Ltd.
Howard, C. (Agosto de 1976). Theory of Storage and Treatment-Plant Overflows. Journal
of Environmental Engineering Division, 102(EE4), 709-722.
HR Wallingford Software. (2008). Conveyance Estimation System 2.0.0.3 - CES. Reino
Unido.
Huber, W., & Dickinson, R. (1988). Storm Water Management Model, Version 4: Users
Manueal. Athens, Georgia.
Iglesias Rey, P. L., & Martnez Solano, F. J. (Junio de 2013). Anlisis de Redes de
Alcantarillado mediante el programa SWMM 5. Curso de Verano. Bogot:
Universidad Politectinca de Valencia.
CIACUA
210

Iglesias, P., & Martnez, F. (2014). Gua de Manejo Rpido de la Librera de Conexin de
SWMM 5. Espaa: Universidad Politcnica de Valencia.
Kandiah, V. (2012). Population-based search enabled by high performance computing for
BWN-II design. WDSA 2012: 14th Water Distribution Systems Analysis Conference
(pg. 536). Adelaide: Engineers Australia.
Kirkpatrick, S., Gellat, C., & Vecchi, M. (1983). Optimization by Simulated Annealing.
Science, 220(4598), 671-680.
Kuo, J., Cheng, W., & Chen, L. (2003). Multiobjective water resources systems analysis
using genetic algorithms application to Chou-Shui River Basin Taiwan. Water
Science and Technology, 48(10), 71-77.
Lansey, K., & Mays, L. (1989). Optimization model for water distribution system design.
Journal of Hydraulic Engineering, 115(10), 1401-1418.
Lavado, W., Labat, D., Guyot, J., & Ardoin-Bardin, S. (2011). Assessment of climate
change impacts on the hydrology of the Peruvian AmazonAndes basin.
Hydrological Processes, 3721-3734.
Li, X., & Wei, X. (2008). An Improved Genetic Algorithm-Simulated Annealing Hybrid
Algorithm for the Optimization of Multiple Reservoirs. WATER RESOURCES
MANAGEMENT, 22(8), 1031-1049.
Li, Y., Kang, J.-H., Lau, S.-L., Kayhanian, M., & Stenstorm, M. (2008). Optimization of
Settling Tank Design to Remove Particles and Metals. Journal of Environmental
Engineering, 885-894.
Liebman, J., Ladson, L., Schrage, L., & Waren, A. (1986). Modeling and Optimization with
GINO. The Scientific Press.
Lin, J., Sedigh, S., & Miller, A. (2009). Towards integrated simulation of cyber-physical
systems: a case study on intelligent water distribution. In Dependable, Autonomic
and Secure Computing, 690-695.
Loganathan, V., Delleur, J. W., & Segarra, R. I. (1985). Planning Detention Storage for
Stormwater Management. Journal of Water Resource Planning and Management,
111, 382-398.
Mailhot, A., & Duchesne, S. (2010). Design Criteria of Urban Drainage Infraestructures
under Climate Change. Journal of Water Resources Planning and Management,
201 - 208.
CIACUA
211

Maksimovi, ., rodanovi, D., Boonya-Aroonnet, S., Leitao, J., Djordjevi, S., & Allitt, R.
(2009). Overland flow and pathway analysis for modelling of urban pluvial flooding.
Journal of Hydraulic Research, 47, 4, 512-523.
Masatsugu Takamatsu, M., Barret, M., & Charbeneau, R. (2010). Hydraulic Model for
Sedimentation in Storm-Water Detention Basins. Journal of Environmental
Engineering, 527-534.
Mays, L., & Bendiet, P. (s.f.). Model for optimal size and location of detention.. J. Water
Resour. Plann. Manage, 108(3), 270-285.
McKinney, W. (2012). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and
IPython.
Meredith, D., Middleton, A., & Smith, J. (1990). Design of Detention Basins for Industrial
Sites. Journal Water Resource Planning and Management, 586-591.
Michalewicz, Z., & Fogel, D. (2004). How to solve it: Modern heuristics . Berlin, Alemania:
Springer.
Ministerio de Vivienda, Ciudad y Territorio. (2012). Reglamento Tcnico del Sector de
Agua Potable y Saneamiento Bsico. Ttulo D: Sistemas de Recoleccin y
Evacuacin de Aguas Residuales Domsticas y Aguas Lluvias. Bogot D.C.,
Colombia.
Monbaliu, J., Jo, J., Fraisse, C., & Vadas, R. (1990). Computer aided design of pipe
networks. (S. Simonovic, I. Goulter, D. Burn, & B. Lence, Edits.) Winnipeg,
Canada: Friesen Printers.
Monem, M., & Namdarian, R. (s.f.). Application of simulated annealing techniques for
optimal water distribution in irrigation canals. Irrigation and Dranage, 54(4), 365-73.
Mora-Meli, D., Iglesias-Rey, P., Martnez-Solano, F., & Fuertes-Miquel, V. (Septiembre
de 2013). Design of Water Distribution Networks using a Pseudo-Genetic Algorithm
and Sensitivity of Genetic Operators. Water Resources Managment, 27, 4149-4162.
Mulvey, J., Vanderbei, R., & Zenios, S. (1995). Robust optimization of large-scale
systems. Operations Research, 43(2), 264-281.
Murtagh , B., & Saunders, M. (1987). MINOS 5.1 Users Guide.System Optimization
Laboratory. Departament of Operations Research, Stanford University.
Newell, A., Shaw, C., & Simon, H. (1962). The process of creative thinking. (W.
Wertheimer, & H. Grubert, Edits.) New York: Atherton Press.
CIACUA
212

Nix, S., & Heany, J. (1988). Optimization of storm water storage-release strategies. Water
Resources Research, 24(11), 1831-1838.
Ocampo Martnez, C. (2010). Model Predictive Control of Wastewater Systems. Springer.
Ocampo Martnez, C., Puig Cayuela, V., Cembrano Gennari, G., & Quevedo Casn, J.
(Febrero de 2013). Application of Predictive Control Strategies to the Management
of Complex Networks in the Urban Water Cycle. IEEE Control Systems Magazine,
15-41.
Ocampo Martnez, C., Toro Olmedo, R., Logist, F., Van Impe, J., & Puig Cayuela, V.
(2011). Tuning of predictive controllers for drinking water networked systems.
14507-14512. Miln, Italia.
Papa, F., & Adams, B. (1997). Application of derived probability and dynamic programming
techniques to planning regional stormwater management systems. Water Sci.
Technol, 36(5), 227-234.
Park, M., Chung, G., Yoo, C., & Kim, J. (2012). Optimal design of stormwater detention
basin using the genetic algorithm.. KSCE Journal of Civil Engineering, 16(4), 660666.
Prez Murillo, G. (2013). Implementacin de un modelo fsico para el anlisis de retencin
de agua lluvia en techos verdes modulares. Bogot: Uniandes.
Pimentel, H., & Formiga, K. (2001). PNL2000: Mtodo prtico de dimensionamento
econmico de gua. Revista Brasilera de Recursos Hrdicos, 6(4), 91-108.
Pulgarn Dvila, E. (2009). Frmulas regionales para la estimacin de curvas intensidadfrecuencia-duracin basadas en las propiedades de escala de la lluvia. Medelln:
Universidad Nacional de Colombia.
Qin, H., Li, Z., & fU, G. (2013). The effects of low impact development on urban flooding
under different rainfall characteristics. J. Environ. Manage, 129, 577-585.
Quindry, G., Brill, E., Liebman, J., & Robinson, A. (1979). Comment on "Design of optimal
water distribution systems by Alperovits E. and Shamir U". Water Resources
Research, 15(6), 1651-1654.
Ramirez, J. (2000). Prediction and modeling of flood hydrology and hydraulics. Inland
Flood Hazards. Colorado State University.: E. E. Wohl,.
Rathnam, E., ABdulla, S., & Jayakumar, K. (2002). Urban Runoff Estimation and
Optimization of Stormwater Detention SystemsA Case Study for Hyderabad City,
India. Bridges, 10(40644), 43.
CIACUA
213

Reed, G. (1967). Plant Location and Maintenance. Homewood.

Rockefellar, R., & Wets, J. (1991). Scenarios and policy aggregation in optimization under
uncertainty. Mathematics of Operations Research,, 16(1), 119-147.
Rossman, L. (2000). EPANET 2 Users Manual. (EPA/600/R-00/057). Cincinnati, OH.
Rossman, L. (2006). Storm Water Management Model Quality Assurance Report.
(EPA/600/R-06/097). Cincinnati, OH.
Rossman, L. (2010). Storm water management model users manual, version 5.0.
Cincinnati, OH: National Risk Managment Research Laboratory, Office of
Research and Development, U.S. EPA.
Rossman, L. (s.f.). Storm Water Management Model User's Manual Version 5.0.020.
(EPA/600/R-05/040). Cincinnati, OH.
Rossman, L. (s.f.). Storm Water Management Models Users Manual Version 5.0.
Cincinatti, US-EPA.
Rossman, L., Dickison, R., Schade, T., Chan, C., Burgess, E., Sullivan, D., & Lai, F. (s.f.).
SWMM5 - the Nexr Generation of EPA's Storm Water Management Model. Cap. 16
en Innavative Modeling of Urban Water Systems, Monograph 12. W. James.
Canad: GUelph.
Rothlauf, F. (2011). Design of modern heuristics: principles and application. Springer.
Ruzika, S., & Wiecek, M. (2005). Approximation methods in multiobjective programming.
Journal of Optimization Theory and Applications,, 126(3), 473-501.
Saldarriaga, J. (2012). Sistemas Integrados de Drenaje Urbano. Notas de Clase.
Saurral, R., Montroull, N., & Camilloni, I. (2013). Development of statistically unbiased 21st
century hydrology scenarios over La Plata basin. International Journey of River
Basin Managment, 329-343.
Schade, T. (s.f.). Quality Assurance Project Plan, SWMM Redevelopment. National Risk
Management REsearch Laboratory. U.S. Environmental Protection Agency.
Cincinnati, OH: (Disponible en: http://www.epa.gov/ednnrmrl/swmm).
Scherer, C. (2001). LPV control and full block multipliers. 37(3), 361-375.
Schilling, W., Andersson, B., Nyberg, U., Aspergren, H., Rauch, W., & Harremos, P.
(1996). Real time control of wastewater systems. 34, 6, 785-797.
Schtze, M., Campisano, A., Colas, H., Vanrolleghem, P., & Schilling, W. (2003). Realtime control of urban water systems.
CIACUA
214

Segarra, R. (1995). Optimal design of runoff storage/release systems. Water Sci Technol,
32(1), 193-199.
Shamma, J. (1988). Analysis and design of gain scheduled control systems.
Stouffer , R., Taylor, K., & Meehl, G. (2011). Long-term experimental Design. Clivar.
Taylor, K., Stouffer, R., & Meehl, G. (2012). An Overview of CMIP5 and the experiment
design. Bulletin of the American Meteorological Society, 485-498.
Taylor, P., & Jonker, L. (1978). Evolutionary stable strategies and game dynamics. 40,
145-156.
Tmez, J. (1987). Clculo hidrometeorolgico de caudames mximos en pequeas
cuencas naturales. MOPU.
Travis, Q., & Mays, L. (2008). Optimizing Retention Basin Networks. J. Water Resour.
Plann. Manage., 134, 5, 432-439.
Trinh, H., & Fernando, T. (2012). Functional Observers for Dynamical Systems. Berln .
USDA. (1986). Estimating Runoff: SCS Runoff Curve Number Method. Urban Hydrology
for Small Watersheds - TR55, 1-11.
Vanrollenghem, P., Benedetti, L., & Meirlaen, J. (2005). Modelling and real-time control of
the integrated urban wastewater system. Environmental Modelling & Software,
427-442.
Vera, C., Liebmann, B., Silvestri, G., & Gonzalez, P. (2006). Climate change scenarios for
seasonal precipitation in South America from IPCC-AR4 models. Geophys.
Vidal, J., & Wade, S. (2007). A framework for developing high-resolution multi-model
climate projections: 21st century scenarios for the UK. International Journey
CLimatol, 843-858.
Wong, T., Allen, R., Brown, R., Deletic, A., Gangadharan, L., Gernjak, W., . . . Walsh, C.
(2013). Blueprint2013. Stormwater Management in a Water Sensitive City,
Cooperative Research Centre for Water Sensitive.
Wood, A., Leung Lai , R., Sridhar, V., & Lettebnmaier, D. (2004). Hydrologic implications of
dynamical and statistical approaches to downscaling climate model outputs.
Washinton: Kluwer Academic Publishers.
Wood, A., Maurer, E., Kumar, A., & Lettenmaier, D. (2002). Long-range experimental
hydrologic forecasting for the eastern United States. Journey of Geophysical.
Xia, Y., Fu, M., & Liu, G.-P. (2011). Analysis and Synthesis of Networked Control Systems.
CIACUA
215

Yazdi, J., & Neyshabouri, S. (2012). Optimal design of flood-control multi-reservoir system
on a watershed scale. Natural hazards, 63(2), 629-646.
Yeh, C., & Labadie, J. (1997). Multiobjective watershed-level planning of storm water
detention systems. 123(6), pgs. 336-343.
Zeferino, J., Antunes, A. P., & Cunha, M. (2010). Multi-objective model for regional
wastewater systems planning. Civil Engineering and Environmental Systems,,
27(2), 95-106.
Zeferino, J., Antunes, A., & Cunha, M. (2009). An efficient simulated annealing algorithm
for regional wastewater system planning. Computer-Aided Civil and Infrastructure
Engineering, 24(5), 359-370.
Zeferino, J., Antunes, A., & Cunha, M. (2009). An efficient simulated annealing algorithm
for regional wastewater system planning. 24(5), 359-370.
Zhen, X.-Y., Yu, S., & Lin, J.-Y. (2004). Optimal location and sizing of stormwater basins at
watershed scale. ASCE, Journal of Water Resources Planning and Management,
130(4), 339-347.
Zoppou, C. (2001). Review of urban storm water models. Environmental modelling and
software, 16(3), 195-231.
CIACUA
216

10.
10.1
Anexos
Ecuaciones Curvas IDF ciudad de Bogot
PERIODO DE RETORNO
CHIC NORTE
ID SECTOR
C1
Xo
C2
6771,14 30,90 -1,10
6133,22 29,60 -1,08
6683,44 31,10 -1,09
6264,19 30,70 -1,08
5529,84 29,10 -1,06
4336,59 25,50 -1,02
5144,86 27,20 -1,05
5204,65 27,10 -1,05
PERIODO DE RETORNO
CHIC SUR
ID SECTOR
C1
Xo
C2
4473,98 24,80 -1,03
4834,81 26,20 -1,04
4035,83 23,60 -1,01
4132,30 23,60 -1,01
4073,74 23,50 -1,01
PERIODO DE RETORNO
MINI CHIC SUR
ID SECTOR
C1
Xo
C2
4132,30 23,60 -1,01
4073,74 23,50 -1,01
PERIODO DE RETORNO
CHIC NORTE
CIACUA
ID SECTOR
5492,14
35,92
1,07
5203,66
33,44
1,05
5501,48
35,79
1,06
217

5299,03
34,70
1,05
4915,10
31,81
1,04
4204,70
26,15
1,01
4669,60
29,33
1,03
4663,11
29,53
1,04
PERIODO DE RETORNO
CHIC SUR
ID SECTOR
4234,58
25,94
1,02
4485,32
27,83
1,03
3992,36
23,80
1,00
4035,63
24,07
1,01
4007,79
23,82
1,01
PERIODO DE RETORNO
MINI CHIC SUR
10.2
ID SECTOR
4035,63
24,07
1,01
4007,79
23,82
1,01
Ecuaciones de Clculo de parmetros para la distribucin GEV
Los momentos ponderados probabilsticamente (MPP) se definen por la siguiente

expresin:
[
Para
,
y
los cuatro primeros momentos
trminos de los MPP segn las siguientes expresiones:
El parmetro
CIACUA
se pueden expresar en
se calcula como:
218

Donde:
Los parmetros
se calculan como:
[
Donde:
La funcin de distribucin acumulada GEV se expresa como:
{ [
Al expresar
en forma inversa, el cuartil adimensional se determina como:

{
10.3
]}
Estacin Santa Ana
CIACUA
Estacin Salitre Casa de Bombas
219

Estacin San Luis
10.4
Validacin de Modelos Climticos Globales

CHIC NORTE
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
CIACUA
Sector 6
220

Sector 7
Sector 8
CHIC SUR
CIACUA
Sector 1
Sector 2
Sector 3
Sector 4
221

Sector 5
10.5
Eventos Pluviogrficos Registrados
27 de Abril del 2013 con D=50 minutos
17 de Mayo del 2013 con D=150 minutos
3 de Junio del 2013 con D=80 minutos
CIACUA
222

11 de Julio del 2013 con D=105 minutos
9 de Agosto del 2013 con D=35 minutos
13 de Agosto del 2013 con D=120 minutos
3 de Octubre del 2013 con D=35 minutos
3 de Octubre del 2013 con D=110 minutos
CIACUA
223

10.6 Resultados Aproximacin Eventos de Precipitacin con un Periodo de

Retorno Mayor
10.6.1 Chic Norte
10.6.1.1
CIACUA
Curvas IDF
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
Sector 6
224

Sector 7
10.6.1.2
CIACUA
Sector 8
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
Sector 6
225

Sector 7
Sector 8
10.6.2 Chic Sur

10.6.2.1
Curvas IDF
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
CIACUA
226

10.6.2.2
Sector 1
Sector 3
Sector 2
Sector 4
Sector 5
10.6.3 Mini Chic Sur

10.6.3.1
CIACUA
Curvas IDF
227

10.6.3.2
10.7
Resultados Aproximacin Proyeccin de Intensidad Diaria
10.7.1 Chic Norte

10.7.1.1
CIACUA
Curvas IDF
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
Sector 6
228

Sector 7
10.7.1.2
Sector 8
Sector 1
Sector 3
CIACUA
Sector 2
Sector 4
229

CIACUA
Sector 5
Sector 6
Sector 7
Sector 8
230

10.7.2 Chic Sur

10.7.2.1
Curvas IDF
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
CIACUA
231

10.7.2.2
Sector 1
Sector 3
Sector 2
Sector 4
Sector 5
CIACUA
232


10.7.3.1
Curvas IDF
10.7.3.2
CIACUA
233

10.8
Resultados Aproximacin Modelos Climticos Globales
10.8.1 Chic Norte

10.8.1.1
CIACUA
Curvas IDF
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
Sector 6
Sector 7
Sector 8
234

10.8.1.2
CIACUA
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
Sector 6
Sector 7
Sector 8
235

10.8.2 Chic Sur

10.8.2.1
Curvas IDF
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
CIACUA
236

10.8.2.2
Sector 1
Sector 3
Sector 2
Sector 4
Sector 5
CIACUA
237


10.8.3.1
Curvas IDF
10.8.3.2
10.9
Bitcora de cambios para la creacin de la red Chic Sur

CAMBIOS A MARZO 6 DE 2014
RED CHIC SUR
CIACUA
TIPO
NOMBRE
TUBERA
PLB86066
NODO
PMP93228
CAMBIO
CORTAR TUBERA EN 2 SEGN LA INTERSECCIN CON LA OTRA LNEA
TRONCAL
MOVER EL NODO HASTA LA INTERSECCIN DE LA TRONCAL CON LA
LOCAL
TUBERA
PLB86066
ELIMINAR TUBERA SOBRANTE
TUBERA
PLT81783
MOVER EXTREMO PARA QUE EMPATE CON EL NODO PMP93228
TUBERA
PLC94199
PARTIR LA TUBERA EN DOS SEGN EL NODO DEL PASO ANTERIOR
TUBERA
PLC94199
EL EXTREMO DE ABAJO SE VA A LLAMAR PLC94199-2
238

CIACUA
SE CRE EL NODO
CON PLC94199
SE CRE EL NODO
CON PLC94198
SE CRE EL NODO
CON PLC94508
SE CRE EL NODO
CON PLC94502
CRE01 QUE CONECTA LAS TUBERAS PLC94200
NODO
CRE01
NODO
CRE02
NODO
CRE03
NODO
CRE04
TUBERA
PLC94502
NODO
CRE05
TUBERA
PLB86066
NODO
CRE06
TUBERA
PLT85809
SE MOVIERON LOS VERTICES EN AMBOS EXTREMOS PARA QUE

EMPATARA CON LOS NODOS AGUAS ABAJO Y ARRIBA
SE CRE EL NODO CRE06 QUE CONECTA LA TUBERA PLT85880 CON
PLV86064
SE MOVI EL EXTREMO AGUAS ARRIBA PARA EMPATAR CON EL
NODO CRE06
NODO
PMI92816
SE ELIMIN EL NODO PORQUE NO SE CONECTABA A LA RED
NODO
PMP93208
TUBERA
PLT85995
SE ELIMIN LA TUBERA PORQUE NO SE CONECTABA A LA RED
TUBERA
PLT100663
NODO
PMP106089
NODO
PMP106088
TUBERA
PLT100691
NODO
PMI92814
NODO
PMP93201
NODO
PMP93202
NODO
PMP93200
NODO
PMP93203
NODO
PMP93204
TUBERA
PLT85996
TUBERA
PLT86002
TUBERA
PLT85997
TUBERA
PLT86001
TUBERA
PLT86000
TUBERA
PLT85998
TUBERA
PLT86006
SE ELIMIN LA TUBERA POR ILGICA
NODO
PMP93211
SE ELIMIN EL NODO POR ILGICO
TUBERA
PLT85739
SE GIR LA TUBERA PORQUE EL SENTIDO NO ERA LGICO
NODO
CRE07
SE CRE EL NODO CRE07 PARA CONECTAR LA RED TRONCAL
NODO
PMP93144
NODO
PMP93145
NODO
PMP93120
NODO
PMP93223
NODO
CRE08
SE CRE EL NODO CRE08 PORQUE NO EXISTA
NODO
DESC
SE CRE EL NODO DESC CORRESPONDIENTE A LA DESCARGA DE LA

SE MOVI LA TUBERA PARA QUE EMPATARA CON PLB86088

SE CRE EL NODO CRE05 QUE CONECTA LAS TUBERAS PLC94502
CON PLB86088
239

RED
TUBERA
PLB86092
NODO
CRE09
NODO
CRE01
NODO
CRE02
NODO
CRE03
NODO
CRE04
NODO
CRE05
NODO
CRE06
NODO
CRE07
NODO
PMI92782
SE ELIMIN LA TUBERA POR ESTAR INCOMPLETA

SE CRE EL NODO PARA CONECTAR DOS TUBERAS DE LA RED
TRONCAL
SE LE AGREGO,
COTARASAN=2549.96
SE LE AGREGO,
COTARASAN=2550.79
SE LE AGREGO,
COTARASAN=2551.12
SE LE AGREGO,
COTARASAN=2551.18
SE LE AGREGO,
COTARASAN=2551.68
COTAFONDO=2545.59-COTATERREN=2549.96COTAFONDO=2546.42-COTATERREN=2550.79COTAFONDO=2545.73-COTATERREN=2551.12COTAFONDO=2545.79-COTATERREN=2551.18COTAFONDO=2549.13-COTATERREN=2551.68-
SE LE AGREGO, COTAFONDO=NO SE ENCONTR PERO SE PUSO LA DE

AGAB=2571.243-COTATERREN=2573.118-COTARASAN=2573.118
SE LE AGREGO, COTAFONDO=2549.12-COTATERREN=2551.82COTARASAN=2551.82
TUBERA
SE SUBI COTARAS Y COTATERREN A 2555.41 & AGREG COTA

FONDO=2553.36
SE BAJO CORATASTE Y COTATERRENO A 2554.05 & AGREG
PMP92926
COTAFONDO=2551.56
SE BAJARON LAS 3 COTAS EN 30 METROS PARA QUE COINCIDIERA
PMP106384 CON LAS ALTURAS ALEDAAS
PMCI106387 CON LAS ALTURAS ALEDAAS
SE CAMBI EL TIPO DE SECCIN DE 11 A 12 PARA QUE COINCIDIERA
PLV86064
CON LOS ESTILOS DE LAS CERCANAS
TUBERA
PLV86064
NODO
CRE05
NODO
CRE04
NODO
NODO
NODO
NODO
NODO
NODO
LNEA
PLT86034
ESTA TUBERA NO TENIA INFORMACIN GEOMTRICA POR LO QUE

SE TOMO DE ESTILO CIRCULAR CON DIMETRO PROMEDIO DE 0.58
SE PASO LA COTA FONDO A 2549.13 QUE NO ES LA MS BAJA PERO
PARA QUE TENGA SENTIDO LA RED
SE PASO LA COTA DE FONDO A 2548.75 QUE NO ES LA MS BAJA
PERO PARA QUE TENGA SENTIDO LA RED
SE INTERCAMBIARON LOS NUDOS INICIALES Y FINALES YA QUE
ESTABAN AL CONTARIO
NODO
PMP93222
SE DEBE BORRA YA QUE NO ESTA CONECTADO A LA RED
NODO
PMI92798
SE DEBE BORRA YA QUE NO ESTA CONECTADO A LA RED

SE AGREGARON COTAS DE FONDO A LA MAYORA DE LOS NODOS
PORQUE EL ACUEDUCTO NO LOS TENIA
OBSERVACIONES:
PARA LOS NODOS SE TOMO LA COTABATEAFINAL DE LA TUBERA AGUAS ARRIBA COMO VALOR PARA LA
COTA DE FONDO. ES IMPORTANTE ACLARARA QUE EN EL CASO DE TENER MS DE UNA TUBERA DE
LLEGADA SE TOM EL MENOR VALOR DE LA COTA
CIACUA
240

PARA LOS CASO DE TENER NODOS INICIALES SE TOMO EL DATO DE LA SIGUIENTE TUBERA AGUAS
ABAJO. NUEVAMENTE EN CASO DE TENER MS DE UNA SE TOMO LA DE MENOR VALOR
EN LOS CASO DE TENER MATERIAL=0 SE TOM COMO CONCRETO CON N DE MANNING DE 0.013
LAS SECCIONE DE TIPO 6 TRAPEZOIDALES SE TOMARON COMO BOXCULVERT DEBIDO A LA FALTA DE
DATOS GEOMTRICOS PARA LA SECCIN
SE CAMBIARON LOS SIGUIENTES

DATOS
NODO
COTA FONDO
ALTURA CMARA
CRE05
2549.0801
2.599901135
CRE04
2548.7695
2.410500328
CRE03
2548.75553
2.364465489
CRE02
2547.92326
2.866740842
CRE01
2547.28356
2.676436549
A LOS SIGUIENTES NODOS FUE NECESARIO

HACERLES LEVES MODIFICACIONES EN LAS COTAS DE
FONDO DE TAL MANERA QUE SE CUMPLIERA CON
LAS PENDIENTES POSITIVAS EN LA TOTALIDAD DE LA
RED
NODO
CIACUA
ORIGINAL
NUEVA
PMP93122
2550.1
PMP93123
2549.98
PMP93194
2546.587
2549.587
PMP93161
2546.563
2549.563
PMP93159
2545.508
2549.508
PMP93146
2545.052
2549.052
PMP93174
2544.95
2548.95
PMP92885
2544.92
2548.92
PMP93090
2546.209
2548.609
PMP9313
2546.338
2548.538
PMP93171
2546.111
2548.42
PMP93170
2545.53
2548.33
2548.28
PMP93151
2546.96
PMP106082
2545.778
PMP93080
2552.744
2553.744
PMP93009
2552.399
2553.399
PMP92870
2553.253
2553.257
PMP93157
2549.855
2550.855
PMP92923
2555.745
2555.725
PMP92904
2572.426
2571.426
PMP92972
2552.368
2551.368
241

PMP93198
2566.588
2564.588
PMP92947
2555.219
2555.403
PMP92916
255.369
255.569
PMP93000
2564.077
2563.077
PMP93058
2549.44
2549.24
PMP92887
2552.535
2552.335
PMP92876
2556.538
2553.138
PLT86027
SE BORRA PORQUE SALEN 2

TUBERAS DE UN MISMO NODO
PMP92888
2553.526
2553.726
PMP93197
2581.113
2580.313
PMP92937
2557.097
2556.097
PMP92971
2550.233
2550.433
PMP93008
2550.654
2550.354
PMP93010
2550.569
2550.169
PMP93086
2556.886
2555.886
PMP106084
2548.22
2548.82
PMP92950
2554.278
2554.378
PMP92974
2549.566
2549.766
PMP93049
2549.542
2549.742
PMP106073
2547.55
2547.95
PMP93119
2551.173
2551.473
PMP93015
2550.702
2551.302
PMP92951
2548.33669
2548.36669
PMC98455
2554.26492
2554.36492
PMP92891
2548.39706
2548.49706
PMP92948
2552.106
2551.506
PMP93025
2548.43231
2548.44231
10.10 Descripcin de la librera de conexin con SWMM 5

10.10.1 Funcionamiento de las Distintas Funciones
Algunas de las funciones de la librera requieren un cdigo numrico para devolver o
establecer un cierto valor. Si bien introduciendo directamente el nmero correspondiente
la funcin devolver o establecer el valor deseado, es recomendable para facilitar la
legibilidad del cdigo utilizar constantes explicativas. En el archivo que se proporciona con
la declaracin de las funciones de la librera tambin se han incluido las definiciones de
estas constantes.
CIACUA
242

A continuacin se enumeran tanto las funciones como, en su caso, las constantes que se
requieren para su uso y se describe muy brevemente su significado. Las constantes se
han definido en ingls tal y como se definen en el cdigo fuente de SWMM5
proporcionado por la USEPA con el fin de facilitar la tarea de los programadores.
swmm_getVersion
Sintaxis.
int swmm_getVersion(void);
Descripcin.
Recupera el nmero de versin del mdulo de clculo de SWMM 5.
Argumentos.
Ninguno.
Valor devuelto.
Nmero de versin del mdulo de clculo.
swmm_run
Sintaxis.
int swmm_run(char* f1, char* f2, char* f3);
Descripcin.
Realiza una simulacin completa con SWMM 5.
Argumentos.
f1 nombre del archivo de datos (INP).
f2 nombre del archivo del informe (RPT).
f3 nombre del archivo de resultados (OUT).
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
Comentarios.
Si el argumento f3 es una cadena de texto vaca, los resultados se escribirn en el
archivo del informe siguiendo las instrucciones recogidas en la seccin [REPORT] del
archivo de datos.
CIACUA
243

swmm_open
Sintaxis.
int swmm_open(char* f1, char* f2, char* f3);
Descripcin.
Abre el mdulo de clculo para analizar un nuevo proyecto.
Argumentos.
f1 nombre del archivo de datos (INP).
f2 nombre del archivo del informe (RPT).
f3 nombre del archivo de resultados (OUT).
Valor devuelto.
Comentarios.
Si el argumento f3 es una cadena de texto vaca, entonces los resultados se
almacenarn en un archivo temporal hasta que se ejecute la funcin swmm_close.
swmm_start
Sintaxis.
int swmm_start(int saveFlag);
Descripcin.
Inicializa el mdulo de clculo antes de comenzar una nueva simulacin.
Argumentos.
saveFlag
un valor que debe fijarse en 1 si los resultados deben almacenarse en el

archivo binario y 0 si no es as.
Valor devuelto.
Comentarios.
CIACUA
244

La llamada a swmm_start debe producirse necesariamente despus de haber llamado a

swmm_open y antes de swmm_step para que la simulacin resulte con xito.
Si se va a utilizar la librera como herramienta de optimizacin, una forma de
incrementar la eficiencia del clculo es fijar el argumento saveFlag a 0, de forma que los
resultados no se almacenen en un archivo.
swmm_step
Sintaxis.
int swmm_step(double* elapsedTime);
Descripcin.
Avanza la simulacin en un intervalo de tiempo.
Argumentos.
elapsedTime
devuelve el tiempo transcurrido de la simulacin una vez finalizado
el clculo del instante actual. Este valor se mide en das decimales.
Valor devuelto.
Comentarios.
Cuando se alcanza el instante establecido para terminar la simulacin, el valor devuelto
por elapsedTime ser 0. Por ejemplo:
Int err;
Double elapsedTime;
err = swmm_start(1);
// Este bucle se ejecuta hasta que elapsedTime es 0
// o se produce un error
If (err == 0) do
{
err = swmm_step(&elapsedTime);
} while (elapsedTime > 0.0 && err == 0);
err = swmm_end();
CIACUA
245

swmm_end
Sintaxis.
int swmm_end(void);
Descripcin.
Finaliza la simulacin una vez se ha alcanzado el final de la misma.
Argumentos.
Ninguno.
Valor devuelto.
Comentarios.
Debe llamarse una vez el bucle que contiene las llamadas a swmm_step ha finalizado.
swmm_getMassBalErr
Sintaxis.
int swmm_getMassBalErr(float* runoff,
float* flow,
float* qual);
Descripcin.
Recupera los errores resultantes del balance de continuidad una vez ha finalizado la
simulacin con SWMM.
Argumentos.
runoff
error de continuidad producido durante el clculo de la escorrenta.
flow
error de continuidad producido durante el clculo hidrulico en la red.
qual
error de continuidad producido durante el clculo de la calidad del agua.
Valor devuelto.
CIACUA
246

Comentarios.
El error de continuidad viene definido por:
En la expresin anterior, el Caudal msico entrante incluye la masa almacenada

inicialmente y el Caudal msico saliente incluye la masa almacenada en el sistema al
final de la simulacin.
Esta funcin debe llamarse despus de haber terminado la simulacin con la funcin
swmm_end.
swmm_report
Sintaxis.
int swmm_report(void);
Descripcin.
Escribe las series temporales obtenidas como resultado de la simulacin con formato
de texto en el archivo del informe (RPT) una vez la simulacin se ha completado.
Argumentos.
Ninguno.
Valor devuelto.
Comentarios.
Esta funcin debe llamarse despus de haber terminado la simulacin con la funcin
swmm_end.
Las subcuencas, nudos y lneas cuyos resultados deben escribirse en el archivo del
informe deben haberse especificado previamente en la seccin [REPORT] del archivo
de datos.
swmm_close
Sintaxis.
int swmm_close(void);
Descripcin.
CIACUA
247

Ciera el mdulo de clculo de SWMM para el proyecto que se acaba de analizar.

Argumentos.
Ninguno.
Valor devuelto.
Comentarios.
La funcin swmm_close debe llamarse antes de analizar otro proyecto o antes de finalizar
la aplicacin.
swmm_getCount
Sintaxis.
int swmm_getCount(int code, int *count);
Descripcin.
Devuelve el nmero de elementos de un determinado tipo presentes en la red.
Argumentos.
code
(dato) cdigo que especifica el tipo de elemento (vase la Tabla 10-1).
*count
(resultado) nmero de elementos del tipo code en la red objeto de estudio.
Valor devuelto.
Tabla 10-1. Valores para el argumento code de la funcin swmm_getCount.
Constante
CIACUA
Valor
Descripcin
SWMM_GAGECOUNT
Pluvimetros
SWMM_SUBCATCHCOUNT
Subcuencas
SWMM_NODECOUNT
Nudos
SWMM_LINKCOUNT
Lneas
SWMM_POLLUTCOUNT
Contaminantes
248

SWMM_LANDUSECOUNT
SWMM_TIMEPATTERNCOUNT
SWMM_CURVECOUNT
Curvas
SWMM_TSERIESCOUNT
Series
temporales
SWMM_CONTROLCOUNT
SWMM_TRANSECTCOUNT
10
SWMM_AQUIFERCOUNT
11
Acuferos
SWMM_UNITHYDCOUNT
12
Hidrogramas
unitarios
SWMM_SNOWMELTCOUNT
13
Acumulaciones
de nieve
SWMM_JUNCTIONCOUNT
14
Conexiones
SWMM_OUTFALLCOUNT
15
Vertimientos
SWMM_STORAGECOUNT
16
Depsitos
SWMM_DIVIDERCOUNT
17
Divisores
SWMM_CONDUITCOUNT
18
Conductos
SWMM_PUMPCOUNT
19
Bombas
SWMM_ORIFICECOUNT
20
Orificios
SWMM_WEIRCOUNT
21
Vertederos
SWMM_OUTLETCOUNT
22
Usos del suelo

Patrones
temporales
Controles
Secciones
transversales
Salidas
(Descargas)
swmm_getNodeIndex
Sintaxis.
int swmm_getNodeIndex(char *id, int *index);
Descripcin.
CIACUA
249

Devuelve el ndice de la posicin que ocupa un nudo con identificativo conocido dentro
de la matriz de nudos del proyecto estudiado.
Argumentos.
*id
(dato) identificativo del nudo buscado.
*index
(resultado) posicin numrica del nudo con nombre id dentro de la matriz

de nudos.
Valor devuelto.
swmm_getNodeId
Sintaxis.
int swmm_getNodeId(int index, char *id);
Descripcin.
Devuelve el nombre identificativo del nudo que ocupa una determinada posicin en la
matriz de nudos del proyecto estudiado.
Argumentos.
index
(dato) posicin numrica del nudo con nombre id dentro de la matriz de

nudos.
*id
(resultado) identificativo del nudo buscado.
Valor devuelto.
Comentarios.
La variable *id pasada como argumento a la funcin debe ser una cadena de texto de
longitud fija de 32 caracteres blancos. La funcin devolver el identificativo y rellenar
el resto de la cadena con blancos que habr que eliminar posteriormente.
CIACUA
250

swmm_getLinkIndex
Sintaxis.
int swmm_getLinkIndex(char *id, int *index);
Descripcin.
Devuelve el ndice de la posicin que ocupa una lnea con identificativo conocido
dentro de la matriz de lneas del proyecto estudiado.
Argumentos.
*id
(dato) identificativo de la lnea buscada.
*index
(resultado) posicin numrica de la lnea con nombre id dentro de la matriz

de lneas.
Valor devuelto.
swmm_getLinkId
Sintaxis.
int swmm_getLinkId(int index, char *id);
Descripcin.
Devuelve el nombre identificativo de la lnea que ocupa una determinada posicin en la
matriz e nudos del proyecto estudiado.
Argumentos.
index
(dato) posicin numrica de la lnea con nombre id dentro de la matriz de

lneas.
*id
(resultado) identificativo de la lnea buscado.
Valor devuelto.
CIACUA
251

Comentarios.
La variable *id pasada como argumento a la funcin debe ser una cadena de texto de
longitud fija de 32 caracteres blancos. La funcin devolver el identificativo y rellenar
el resto de la cadena con blancos que habr que eliminar posteriormente.
swmm_getNodeType
Sintaxis.
int swmm_getNodeType(int index, int *value);
Descripcin.
Devuelve un cdigo que representa a qu tipo de nudo pertenece el nudo especificado.
Argumentos.
index
(dato) posicin numrica del nudo en la matriz de nudos.
*value
(resultado) cdigo que indica de qu tipo es el de nudo seleccionado

(vase la Tabla 10-2).
Valor devuelto.
Tabla 10-2. Valores para el argumento value de la funcin swmm_getNodeType.
Constante
Valor
Descripcin
SWMM_JUNCTION
Unin (Pozo de Registro)
SWMM_OUTFALL
Vertido
SWMM_STORAGE
Depsito
SWMM_DIVIDER
Divisor
swmm_getLinkType
Sintaxis.
int swmm_getLinkType(int index, int *value);
Descripcin.
Devuelve un cdigo que representa a qu tipo de lnea pertenece la lnea especificada.
CIACUA
252

Argumentos.
index
(dato) posicin numrica de la lnea en la matriz de lneas.
*value
(resultado) cdigo que indica de qu tipo es la lnea seleccionada (vase la

Tabla 10-3).
Tabla 10-3. Valores para el argumento value de la funcin swmm_getLinkType.
Constante
Valor
Descripcin
SWMM_CONDUIT
Conducto
SWMM_PUMP
Bomba / Estacin de bombeo
SWMM_ORIFICE
Orificio
SWMM_WEIR
Vertedero
SWMM_OUTLET
Salida
Valor devuelto.
swmm_getNodeValue
Sintaxis.
int swmm_getNodeValue(int index, int code, float *value);
Descripcin.
Devuelve el valor que toma un parmetro del nudo indicado. El parmetro se especifica
como argumento de la funcin.
Argumentos.
index
(dato) posicin numrica del nudo dentro de la matriz de nudos.
code
(dato) cdigo que indica el parmetro cuyo valor se desea recuperar (vese
la Tabla 10-4).
*value
(resultado) valor que toma el parmetro indicado por code para el nudo
cuya posicin indica index.
CIACUA
253

Tabla 10-4. Valores para el argumento code de las funciones swmm_getNodeValue y

swmm_setNodeValue.
Constante
SWMM_NODE_INVERTELEV
Valor
1
Descripcin
Get / Set
Cota de la base
Get / Set
Profundidad
mximo)
(nivel
Get / Set
SWMM_NODE_FULLDEPTH
SWMM_NODE_DEPTH
Nivel
Get
SWMM_NODE_HEAD
Altura piezomtrica
Get
SWMM_NODE_VOLUME
Volumen acumulado
Get
SWMM_NODE_LATFLOW
Aporte lateral
Get
SWMM_NODE_INFLOW
Aporte total
Get
SWMM_NODE_OVERFLOW
Caudal desbordado
Get
SWMM_NODE_INITIALDEPTH
10
Nivel inicial
Get / Set
SWMM_NODE_QUAL
50
Concentracin
contaminante
de
Get
Volumen en depsitos
Get / Set
11
Valor
de
A
rea=A(Nivel)^B+C
en
SWMM_STORAGE_A
Get / Set
12
Valor
de
B
rea=A(Nivel)^B+C
en
SWMM_STORAGE_B
en
Get / Set
13
Valor
de
C
rea=A(Nivel)^B+C
SWMM_STORAGE_C
Valor devuelto.
swmm_setNodeValue
Sintaxis.
int swmm_setNodeValue(int index, int code, float value);
CIACUA
254

Descripcin.
Establece el valor que debe tomar un parmetro del nudo indicado. El parmetro se
especifica como argumento de la funcin.
Argumentos.
index
(dato) posicin numrica del dentro de la matriz de nudos.
code
(dato) cdigo que indica el parmetro cuyo valor se desea fijar (vese la
Tabla 10-4).
value
(dato) valor que debe tomar el parmetro indicado por code para el nudo
Valor devuelto.
swmm_getLinkValue
Sintaxis.
int swmm_getLinkValue(int index, int code, float *value);
Descripcin.
Devuelve el valor que toma un parmetro de la lnea indicada. El parmetro se
Argumentos.
index
(dato) posicin numrica de la lnea dentro de la matriz de lneas.
code
(dato) cdigo que indica el parmetro cuyo valor se desea recuperar (vase
la Tabla 10-5).
*value
(resultado) valor que toma el parmetro indicado por code para la lnea
CIACUA
255

Tabla 10-5. Valores para el argumento code de las funciones swmm_getLinkValue y

swmm_setLinkValue.
Constante
Valor
Descripcin
Get / Set
SWMM_LINK_XSECT1
Altura
Get
SWMM_LINK_DIAMETER
Dimetro
Get
SWMM_LINK_FLOW
Caudal
Get
SWMM_LINK_DEPTH
Nivel
Get
SWMM_LINK_VELOCITY
Velocidad
Get
SWMM_LINK_FROUDE
N de Froude
Get
SWMM_LINK_CAPACITY
SWMM_LINK_QUAL
10
Capacidad (relacin de
llenado)
Get
50
Concentracin de
contaminante
Get
Estado de una bomba

SWMM_PUMP_STARTUPDEPTH
12
Nivel de arranque
Get / Set
SWMM_PUMP_SHUTOFFDEPTH
13
Nivel de parada
Get / Set
SWMM_PUMP_INISETTING
14
Estado inicial
Get / Set
SWMM_LINK_OFFSET1
15
Desnivel nudo inicial
Get / Set
SWMM_LINK_OFFSET2
16
Desnivel nudo final
Get / Set
Desniveles
Valor devuelto.
CIACUA
256

swmm_setLinkValue
Sintaxis.
int swmm_setLinkValue(int index, int code, float value);
Descripcin.
Establece el valor que debe tomar un parmetro de la lnea indicada. El parmetro se
Argumentos.
index
code
(dato) cdigo que indica el parmetro cuyo valor se desea establecer

(vase la Tabla 10-5).
value
(dato) valor que debe tomar el parmetro indicado por code para la lnea
Valor devuelto.
swmm_setLinkGeom
Sintaxis.
int swmm_setLinkGeom(int index, int type,
double g1, double g2, double g3, double g4);
Descripcin.
Establece las dimensiones geomtricas de un conducto en funcin de su forma
geomtrica.
Argumentos.
index
type
(dato) cdigo que indica la forma geomtrica del conducto (vase la Tabla
10-6).
g1,g4
(datos) vector con los valores necesarios para definir las dimensiones
geomtricas de la tubera (vase el Manual de Usuario de SWMM para ms
informacin sobre el significado de cada parmetro en funcin de la forma
geomtrica de la tubera).
CIACUA
257

Valor devuelto.
Comentarios.
Para el caso de orificios, estos solo pueden tener geometra circular o rectangular
cerrada. La posicin del orificio con respecto a la base del conducto se fija como
desnivel a la entrada (ver figura inferior).
Figura 10-1. Definicin de las dimensiones geomtricas de los orificios.

Tabla 10-6. Valores para el argumento type de la funcin swmm_getLinkGeom.
Constante
DUMMY
CIACUA
Valor
0
Descripcin
Ficticio
CIRCULAR
Circular
FILLED_CIRCULAR
Circular relleno
RECT_CLOSED
Rectangular cerrado
RECT_OPEN
Rectangular abierto
TRAPECIAL
Trapecial
TRIANGULAR
Triangular
PARABOLIC
Parablico
POWERFUNC
Potencial
RECT_TRIANG
Rect. con base triangular
RECT_ROUND
10
Rect. con base semicircular
258

Rect. con cierre superior

semicircular
MOD_BASKET
11
HORIZ_ELLIPSE
12
Elipse horizontal
VERT_ELLIPSE
13
Elipse vertical
ARCH
14
Arco
EGGSHAPED
15
Ovoide
HORSESHOE
16
Herradura tipo "Boston"
GOTHIC
17
Gtico
CATENARY
18
Catenaria (Ovoide invertido)
SEMIELLIPTICAL
19
Semielptico
BASKETHANDLE
20
Cesto
SEMICIRCULAR
21
Semicircular
IRREGULAR
22
Irregular
CUSTOM
23
Personalizado
FORCE_MAIN
24
Tubera forzada
swmm_getLinkNodes
Sintaxis.
int swmm_setLinkNodes(int index, int *n1, int *n2);
Descripcin.
Devuelve los ndices numricos de los nudos extremos de una lnea a partir del ndice
de la misma.
Argumentos.
index
*n1
(resultado) posicin numrica del nudo inicial de la lnea de la matriz de

nudos.
*n2
(resultado) posicin numrica del nudo final de la lnea de la matriz de

nudos.
CIACUA
259

Valor devuelto.
10.10.2 Cmo realizar un clculo desde Visual .NET usando las funciones de la librera
de conexin de SWMM preparada por la UPV?
A continuacin se explica brevemente cmo utilizar la librera de funciones de conexin
con SWMM desde el entorno de programacin Visual Studio .NET. Estas funciones
pueden utilizarse igualmente en otros entornos como Visual Basic, C o Delphi.
Antes de empezar
Para poder utilizar las distintas funciones incluidas en la librera, cuando se crea un
proyecto nuevo deben incluirse las declaraciones a todas las funciones que se vayan a
emplear. Igualmente, es recomendable para facilitar la legibilidad del cdigo emplear
constantes autoexplicativas en lugar de los cdigos numricos que utilizan gran parte de
las funciones. Para ello, se ha preparado el archivo swmm5tk.vb, el cual recoge tanto la
definicin de las constantes como la declaracin de las funciones.
Por otra parte, cuando se procede a compilar la aplicacin, el programa ejecutable (EXE)
buscar la librera (DLL). Por ello, el archivo swmm5.dll que contiene la librera debe estar
situado en el mismo directorio que el ejecutable de la aplicacin. En general, este
directorio estar en
C:\...<Directorio de la aplicacin>\bin\Debug
durante la fase de desarrollo y depuracin y en

C:\...<Directorio de la aplicacin>\bin\Release
Cuando se prepare la solucin final.

Pasos generales para la ejecucin
A continuacin se describen los pasos que habr que seguir para realizar una simulacin
completa con las funciones de la librera de conexin:
a)
b)
c)
d)
Crear un nuevo proyecto que incluya el archivo swmm5tk.vb.

Crear un nuevo mdulo que contenga las funciones que se van a programar.
Crear una nueva funcin que realice la simulacin.
En esta funcin, llamar a la funcin swmm_open pasando como argumentos los
nombres de los archivos INP (datos), RPT (informe) y OUT (resultados) para abrir
el proyecto SWMM y leer los datos del proyecto. Ntese que al menos el archivo
INP debe existir y debe contener toda la informacin de la red.
e) Si se desean modificar los datos del proyecto, llamar aqu a las funciones
swmm_set para modificar los datos que se desee.
f) Llamar a la funcin swmm_start para inicializar los distintos procesos de clculo.
CIACUA
260

g) Realizar distintas llamadas a la funcin swmm_step hasta finalizar la simulacin.

Se debe tener en cuenta dos cuestiones. La primera es que al realizar llamadas
intervalo a intervalo se pueden modificar ciertos parmetros de la red en funcin
del instante de tiempo (algo as como un control temporal de la red). Por otra parte,
el argumento elapsedTime se puede utilizar, por ejemplo, para mostrar la
evolucin del clculo a travs de una barra de progreso.
h) Dentro del bucle de clculo que realiza las llamadas a swmm_step se pueden
incluir las llamadas a las funciones swmm_get para recuperar los resultados en
cada intervalo.
i) Una vez finalizado el clculo, se debe llamar a swmm_end para cerrar los mdulos
de clculo y evaluar los errores de continuidad.
j) Finalmente, una llamada a swmm_close cerrar el proyecto, dando por terminada
la simulacin. Una vez se ha llamado a esta funcin no ser posible acceder ni a
los datos ni a los resultados.
10.10.3 Ejemplo de aplicacin.

Dimensionar un conducto para no exceder una cierta capacidad
Como ejemplo se presenta una funcin que itera sobre el dimetro de una de las tuberas
hasta que la capacidad mxima de la tuberas no exceda un cierto valor fijado por el
usuario. De esta forma utilizamos las funciones swmmSet para fijar datos y barremos
todos los pasos expuestos en la Figura 5-1.
Public Sub Calcula()
' Nombres de los archivo
Dim m_finp, m_fout, m_frpt As String
' Recoge los errores de las funciones
Dim mErr As Integer
' Recoge el valor de elapsedTime
Dim mTime As Double
' Recoge los errores de continuidad de cada mdulo
Dim mErrEsc, mErrHyd, mErrCal As Single
' Recoge la capacidad mxima deseada
Dim cMaxd As Double
' Recoge la capacidad mxima calculada
Dim cMaxc As Double
' Recoge el ndice del conducto que se va a dimensionar
Dim nLinea As Integer
' Recoge los valores numricos de las funciones swmmSet y swmmGet
Dim valor As Single
' Recoge los valores de texto de las funciones swmmSet y swmmGet
CIACUA
261

Dim texto As String

' Contador en los bucles
Dim i As Integer
' Nombres de los archivos

' Al menos el archivo m_finp debe contener una red vlida
m_finp = "C:\temp\swmm_test_simple.inp"
m_frpt = "C:\temp\swmm_test_simple.rpt"
m_fout = "C:\temp\swmm_test_simple.out"
' Abrir SWMM
mErr = swmm_open(m_finp, m_frpt, m_fout)
' Solicita la capacidad deseada para el tubo
cMaxd = CDbl(InputBox("Capacidad Mxima del conducto T-4", _
"Test Dimensionamiento con SWMM Toolkit", "0.80").ToString)
' Inicializa
d = 0.0
' Empezamos con 0 cm
nLinea = 3
' Lnea 3 (la matriz empieza a contar en 0)
' Para recuperar textos, debemos utilizar una cadena de 32 caracteres

texto = S32CHAR
' Bucle de dimensionamiento, probando dimetros crecientes

Do
' Fija/actualiza dimetro (incremento de 5 en 5 cm)
d = d + 0.05
mErr = swmm_setLinkGeom(nLinea, CIRCULAR, d, 0, 0, 0)
'*** Nuevo clculo con SWMM

cMaxc = 0
' Arranca
CIACUA
262

mErr = swmm_start(0)
' Itera en cada intervalo

Do
mErr = swmm_step(mTime)
' Informar del instante en caso de error
If mErr <> 0 Then MsgBox("Error " & mErr & "at time: " & mTime)
' Recupera el valor de la capacidad en este intervalo
mErr = swmm_getLinkValue(nLinea, SWMM_LINK_CAPACITY, valor)
' Si la capacidad es mayor que la mxima, la guarda
If valor > cMaxc Then cMaxc = valor
Loop While (mTime > 0.0 And mErr = 0)
' Acaba
mErr = swmm_end()
'*** Fin clculo con SWMM
Loop While cMaxc > cMaxd
' Presentacin en pantalla

MsgBox("Para un dimetro de " + (d * 1000).ToString + _
"mm la capacidad del conducto ser de " + Format(cMaxc, "0.00")
' Cierra el proyecto

mErr = swmm_close()
End Sub
CIACUA
263

10.11 Delimitacin de Cuencas Rurales de Mini Chic Sur
Figura 10-2. Mapa de acumulacin de agua de acuerdo con la direccin de flujo para la Red Mini Chic
Sur.
Figura 10-3. Resultado de la delimitacin de cuencas rurales en la Red Mini Chic Sur.
CIACUA
264

10.12 Determinacin del Nmero de Curva del Mtodo de la SCS

Tabla 10-7. Nmeros de Curva para los distintos tipos de suelo en cuencas. Disponible en (USDA,
1986).
CIACUA
265

Informe Final Fase 1 - V05

Uploaded by

Document Information

Original Title

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

Informe Final Fase 1 - V05

Uploaded by

Copyright:

Available Formats

Universidad de los Andes

Centro de Investigaciones en Acueductos y

DRENAJE URBANO Y CAMBIO CLIMTICO: HACIA LOS

INFORME FINAL FASE I

Bogot, Octubre 2014

Universidad de los Andes

DESCRIPCIN DEL INFORME

Universidad de los Andes

Pedro L. Iglesias Rey (Universidad Politcnica de Valencia Espaa)

INFORME FINAL FASE I

Universidad de los Andes

Objetivo General del Proyecto ...................................................................... 3

Objetivos Especficos del Informe ................................................................. 3

Contenido del Informe ......................................................................................... 4

Presentacin de los Casos de Estudio ........................................................................ 7

Red Chic Sur ..................................................................................................... 7

Unidades de Gestin de Alcantarillado Red Chic Sur .............................. 9

Red Mini Chic Sur ............................................................................................ 10

Red Chic Norte ................................................................................................ 11

Unidades de Gestin de Alcantarillado Red Chic Norte ......................... 13

Estaciones Pluviomtricas ................................................................................. 13

Cambio Climtico en Bogot..................................................................................... 15

Aspectos hidrolgicos en el estudio de la Precipitacin ..................................... 15

Curvas IDF ................................................................................................. 15

Estimacin de Eventos Cortos de Precipitacin .......................................... 18

Hietogramas de Precipitacin ..................................................................... 21

Mtodo de Intensidad Instantnea .............................................................. 22

Modelos Climticos Globales ...................................................................... 24

INFORME FINAL FASE I

Universidad de los Andes

Eventos de Precipitacin con un Periodo de Retorno Mayor ...................... 28

Proyeccin de Intensidad Diaria ................................................................. 33

Modelos Climticos Globales ...................................................................... 37

Parmetros de los Eventos de Precipitacin ...................................................... 44

Coeficiente de Retardo ............................................................................... 47

Resultados Curvas IDF y Hietogramas de Precipitacin .................................... 48

Eventos de Precipitacin con un Periodo de Retorno Mayor ...................... 49

Proyeccin de Intensidad Diaria ................................................................. 50

Modelos Climticos Globales ...................................................................... 52

Anlisis Comparativo .................................................................................. 54

Metodologas de Determinacin de Hietogramas de Precipitacin .................... 27

Reduccin de Caudales Pico .................................................................................... 58

Estado del arte en Reduccin de Caudales Pico ............................................... 58

Tanques de Tormenta como elemento para el control de caudales pico..... 58

Mtodos de optimizacin ............................................................................ 69

Sistemas de Drenaje Urbano Sostenibles (SUDS)...................................... 76

Herramientas de Apoyo a la Decisin ......................................................... 76

Optimizacin sin Control Hidrulico ................................................................... 79

Formulacin del Problema de Optimizacin ................................................ 79

Manual de Usuario de la Herramienta de Optimizacin .............................. 82

Ejemplo de Estudio ..................................................................................... 88

Estudio del Espacio de Soluciones Posible................................................. 93

Conclusiones y Desarrollos Futuros ......................................................... 100

Optimizacin con Control Hidrulico ................................................................ 101

Algoritmo Simulated Annealing (SA) ......................................................... 109

Universidad de los Andes

Calibracin de los Parmetros del Algoritmo SA ....................................... 119

Aplicacin en Caso de Estudio: Combra, Portugal ................................... 125

Conclusiones ............................................................................................ 134

Modelacin Computacional ..................................................................................... 139

Justificacin .............................................................................................. 139

Funciones de la librera ............................................................................ 146

Validacin de las funciones del Toolkit ..................................................... 147