Análisis de datos hidrológicos UNALM

UNIVERSIDAD NACIONAL AGRARIA LA MOLINA – FACULTAD DE INGENIERIA AGRICOLA
DEPARTAMENTO DE RECURSOS DE AGUA Y TIERRA DRAT

CURSO: HIDROLOGIA
Prof. M. Sc. Ing. Lia Ramos Fernández
CLASE IV. ANALISIS DE DATOS HIDROLOGICOS
1. INTRODUCCIÓN
La no homogeneidad en series hidrológicas, representa uno de los temas de partida muy

importantes para los estudios hidrológicos especialmente en el control y diseño de las estructuras
hidráulicas, ya que cuando los datos son inconsistentes y la muestra no es homogénea, ocasionan
errores significativos en los resultados y que se infiere en los análisis que se efectúan a las series
hidrológicas. Esta inconsistencia y no homogeneidad se observa con la presencia de saltos y/o
tendencias en la serie hidrológica afectando sus características estadísticas como la media y
desviación estándar.
Además, los datos faltantes son bastante frecuentes y se deben a una gran variedad de causas,
por ejemplo, por desperfectos en el equipo de medición, enfermedad o sustitución del encargado
de la observación, por interrupciones debido a limitaciones presupuestales, etc. Es por eso, que
los datos faltantes son estimados en base a registros de estaciones cercanas, o en base al propio
registro. La extensión y completación de datos mediante estadísticas, es muy frecuente en el
diseño de obras hidráulicas con datos de corta duración.
Una aplicación es por ejemplo en el diseño de obras hidráulicas, en las que la longitud del registro
no puede establecerse con facilidad; solo es obvio que, cuanto más larga sea este, mejor será la
estimación de la variable hidrológica que intervienen en el diseño.
Por lo anterior, este capítulo desarrolla las técnicas que proporcionan una información aproximada
para completar y extender datos, las que se deben verificarse con el análisis de homogeneidad, ya
que nada sustituye el dato directo.
2. HOMOGENEIDAD
La pérdida de homogeneidad en los datos hidrológicos, se deben principalmente a:

- Cambio de la localización de la estación
- Cambio en la forma de exposiciones del equipo (ejemplo pluviómetro)
- Cambio en el proceso de observación o reemplazo del operador
- Construcción de embalses en las cercanías
- Deforestación y reforestación de la zona
- Apertura de nuevas áreas de cultivo en los alrededores
- Industrialización en las áreas circundantes.
Generalmente en los análisis climatológicos se utiliza el término homogeneidad de la serie y en los

análisis hidrológicos se emplea el término de consistencia, siendo ambos sinónimos.
El análisis de homogeneidad sigue la siguiente secuencia:

- Análisis gráfico
- Curva doble masa
- Análisis estadístico
- Corrección de datos
ANALISIS GRAFICO
En general los procesos hidrológicos como son la precipitación y la escorrentía se pueden registrar
en una escala de tiempo continuo, aunque pueden ser también discretos cuando se registran
respetando un intervalo de tiempo.
1
Clase IV. Análisis de Datos Hidrológicos
CURSO: HIDROLOGIA
Una gráfica de las descargas, o precipitaciones (Yt, o Xt) vs el tiempo (t), constituyen una serie
de tiempo y puede ser en escala de tiempo continuo o discreto. Las series de tiempo hidrológicas
pueden ser definidas en forma horaria, diaria, semanalmente, mensualmente, bimensualmente o
anualmente.
En el análisis de homogeneidad de los datos, primero se empieza por un análisis visual de la serie
hidrológica, esto a fin de detectar saltos.
El análisis gráfico consiste en analizar visualmente con la ayuda de un histograma los datos
originales, graficados en coordenadas aritméticas, donde en las ordenadas se toma el valor de la
serie (precipitación, temperatura, descarga u otros) y en las abscisas el tiempo (anuales,
mensuales, semanales o diarios).
Figura Nº 1. Serie de Tiempo Hidrológica: Histograma de Precipitación

200
180
160
140
Precipitación
120
100
80
60
40
20
0
Tiempo
CURVA DE DOBLE MASA
Los diagramas de doble masa junto con el análisis visual sirven para determinar el rango de los
periodos dudosos y confiables para cada estación en estudio, esto a través del punto de quiebre,
el que indicará el cambio en la serie, debido a errores producidos en su obtención.
Para efectos de analizar la curva doble masa, la información incompleta, se llena con el promedio
de los datos vecinos.
En el caso de las variables hidrológicas precipitación y caudal, se asume que en una cuenca
homogénea debe existir proporcionalidad entre las precipitaciones medidas en diferentes
estaciones y a su vez entre las precipitaciones y caudales entre sí,
Por lo que si comparamos la precipitación acumulada anual de la estación analizada con la

precipitación media anual acumulada de un grupo de estaciones cercanas (de preferencia 10 o
más estaciones); en un plano coordenado, en el eje de las ordenadas se lleva el valor acumulado
de la precipitación anual de la estación en estudio, y en el eje de las abscisas el valor acumulado
de la precipitación media anual de las estaciones vecinas.
Si el registro no ha sufrido ninguna alteración, se obtendrá una recta lo que indica que las
precipitaciones de la cuenca esta sujeta al mismo tipo de régimen. En cambio si se encuentra un
quiebre, se concluye que algún fenómeno cuya naturaleza hay que determinar, altero la
uniformidad de las medidas. Este quiebre puede deberse a causas naturales o artificiales, entre
las causas artificiales tenemos la deforestación de una zona, la construcción de embalses, la
2
CURSO: HIDROLOGIA
desecación de pantanos, etc. Sin embargo, diversos autores indican que estos cambios deben ser
muy violentos para que la curva se quiebre.
Estos efectos deberían ser normalmente graduales. Lo más probable es que los cambios bruscos
provengan de diferencias en las normas de observación, cambio de ubicación del pluviómetro o
errores de medida o el cambio del operador; pero nunca obedecerá a causas meteorológicas que
deberían afectar de igual forma a todas las estaciones de la zona.
Tabla Nº 1. Información de Precipitación para Graficar Curva Doble Masa

Promedio de 10 estaciones Estación X
Año Pp. Anual Pp.Anual Media Pp Anual Pp. Anual Media
Media Acumulada Media Acumulada
1996 1065.8 1065.8 1167.9 1167.9
1997 720.3 1786.1 754.6 1922.5
1998 935.0 2721.1 759.7 2682.2
1999 1010.3 3731.4 1088.2 3770.4
2000 978.3 4709.7 1272.3 5042.7
2001 791.5 5501.2 650.7 5693.4
2002 1181.1 6682.3 359.8 6053.2
2003 1061.5 7743.8 1151.0 7204.2
2004 900.6 8644.4 714.9 7919.1
2005 691.6 9336.0 508.9 8428.0
2006 1053.4 10389.4 603.1 9031.1
2007 1189.6 11579.0 370.0 9401.1
Figura Nº 2. Curva Doble Masa
ANALISIS ESTADISTICO TIPICO:
La prueba estadística de homogeneidad, presenta una hipótesis nula y una regla para aceptarla o
rechazarla sobre la base de una probabilidad de ocurrencia. Si dicha probabilidad de ocurrencia de
la hipótesis nula es pequeña, se concluirá que la serie no es homogénea; si es grande lo contrario.
3
CURSO: HIDROLOGIA
Cuando es posible especificar la distribución que sigue la hipótesis nula y las alternativas, las
pruebas paramétricas pueden ser utilizadas, de lo contrario se emplea las pruebas no
paramétricas.
Prueba Estadística No Paramétrica
Prueba Estadística de Helmert
La prueba de Helmert consiste en analizar el signo de las desviaciones de cada evento de la serie
con respecto a su media. Si una desviación es seguida por otra del mismo signo, se crea una
secuencia (S), por el contrario si una desviación es seguida por una por otra de signo contrario, se
registra un cambio (C).
Si la serie es homogénea, la diferencia entre el numero de secuencias (S) y el numero de

cambios (C) en el registro deberá ser cero, pero considerando los limites de un error probable y
además la longitud del registro (n) se tendrá que la diferencia máxima para ser homogénea será:
S  C   n  1  Homogénea
Tabla Nº 2. Secuencias y Cambios de la Prueba de Helmert
Prueba Estadística de las Secuencias
Esta prueba consiste en contar el número de secuencias (U) por encima o debajo de la mediana
de la serie. Usando el valor de la mediana, se marca con A si es mayor y con B si es menor, cada
dato de la serie, luego el número de valores de A o B son contabilizados. Para que la serie sea
homogénea, si el número de secuencias (U) está entre el rango que se da en la Tabla de
Secuencia U según número de años de registro (n).
U  A  B  Homogénea
4
CURSO: HIDROLOGIA
Tabla Nº 3. Rango de U en Función del Número de Años de Registro
Años Rango Años Rango
(n) U (n) U
12 5–8 32 13 – 20
14 5 – 10 34 14 – 21
16 6 – 11 36 15 – 22
18 7 – 12 38 16 – 23
20 8 – 13 40 16 – 25
22 9 – 14 50 22 – 30
24 9 – 16 60 26 – 36
26 10 – 17 70 31 - 41
28 11 – 18 80 35 –47
30 12 - 19 100 45 - 57
Si el número de la serie se encuentra entre dos valores de la tabla entonces es recomendable

tomar el menor. Por ejemplo para una serie de registros de 78 años, se ingresa a la tabla con 70
años.
Tabla Nº 4. Prueba de Secuencias
2.3.2 Prueba Estadística Paramétrica
Conociendo los periodos de posible corrección de los datos, se procede analizarlos

estadísticamente, en la media y la desviación estándar, para ver si sus valores están dentro del
rango permisible para un cierto nivel de significación, según la hipótesis que se plantea.
Combinando estos criterios se llega a tener una idea de la confiabilidad de la muestra, para
corregir, si fuese necesario, mejorando su bondad estadística y obteniendo finalmente una serie de
datos homogéneos y consistentes.
Prueba Estadística T de Student
5
CURSO: HIDROLOGIA
Cuando la causa de la pérdida de la homogeneidad de la serie se deba a un cambio en la media,
a prueba paramétrica de T de Student es útil, pero solo si el tamaño de los dos períodos
seleccionados son parecidos.
La prueba requiere identificar previamente en un histograma, dos períodos que se sospeche que
sean no homogéneos. Si denominamos la longitud de la primera serie con n 1 y la del segundo
periodo como n2 teniendo cada uno de ellos a x1 y x 2 como valores medios respectivamente,
tendremos:
El estadístico de la prueba T de Student esta definido por la siguiente ecuación:
tc 
 x1  x2  n1  n2
12
  n1  1 S12   n2  1 S 22  1 1 

 
 n  n 
 n1  n2  2  1 2 
El valor absoluto de t calculado (t c) se compara con el valor de t de tabla (t tabla) de la distribución

Student con (n1+n2-2) grados de libertad y con 5% de nivel de significancia.
Si y solo si, el valor absoluto de tc es mayor que el de ttabla , se concluye que la diferencia entre las
medias, es evidencia de inconsistencia o falta de homogeneidad.
t c  t tabla  Homogéneo
Los valores de t de tabla (ttabla) se proporcionan en la siguiente tabla.
Tabla Nº 5. Distribución T de Student

Grados de Grados de
Libertad
  5% Libertad
  5%
1 12.706 18 2.101
2 4.303 19 2.093
3 3.182 20 2.086
4 2.776 21 2.080
5 2.571 22 2.074
6 2.447 23 2.069
7 2.365 24 2.064
8 2.306 25 2.060
9 2.262 26 2.056
10 2.228 27 2.052
11 2.201 28 2.048
12 2.179 29 2.045
13 2.160 30 2.042
14 2.145 40 2.021
15 2.131 60 2.000
16 2.120 120 1.980
17 2.110  1.960
Prueba Estadística de Cramer
Cuando la causa de la pérdida de la homogeneidad de la serie se deba a un cambio en la media,

y el tamaño de los dos períodos seleccionados no son muy cercanos ó iguales; es conveniente
usar la prueba de Cramer.
6
CURSO: HIDROLOGIA
En la prueba Cramer, x y S son receptivamente la media y la desviación estándar típica del
registro total de n valores, Por otra parte x k es la media del subperíodo de n1 valores.
ik n
x i
xk  i  k 1
1
n
 xk  x 
k 
S
 n1  n  2  
12
tk   k
 n  n 1   k  
1 2 
El valor absoluto de t calculado de cramer (t k) se compara con el valor de t de tabla (t tabla) de la

distribución Student con (N-2) grados de libertad y con 5% de nivel de significancia.
Si y solo si, el valor absoluto de tk es mayor que el de ttabla , se concluye que la diferencia entre las
medias, es evidencia de inconsistencia o falta de homogeneidad.
t k  ttabla  Homogéneo
Prueba Estadística F de Fisher
El análisis consiste en probar, mediante la prueba F de Fisher, si los valores de la desviación

estándar de las muestras son estadísticamente homogéneas con un 5% de nivel de significancia.
S12
Fc  2
cuando S12 es mayor S 22
S2
S 22
Fc  2 cuando S12 es menor S 22
S1
El valor encontrado se compara con el valor crítico de F obtenido en las tablas F de Fisher, para
un nivel de significancia de 5% y con los siguientes grados de libertad:
g.l. numerador = n1 – 1
g.l. denominador = n2 – 1 si S12 es mayor que S 22
g.l. numerador = n2 – 1
g.l. denominador = n1 – 1 si S12 es menor que S 22
CORRECCIÓN DE DATOS
Si la media y desviación estándar resultan estadísticamente iguales, la información original queda

intacta, por ser consistente al 95% de probabilidad, aun cuando en el doble masa se encuentre
pequeños quiebres. Pero si resulta la media y la desviación estándar estadísticamente diferentes,
se corrige mediante la siguiente ecuación:
7
CURSO: HIDROLOGIA
X j  X1
Si se corrige el primer período: X j  S2  X 2
|
S1
X j  X2
Si se corrige el segundo período: X j  S1  X 1
|
S2
X |j  Valor corregido de la información
X j  valor a ser corregido
X 1 , X 2 = media de la primera y segunda serie
S1 , S 2 = desviación estándar de la primera y segunda serie
8
CURSO: HIDROLOGIA
3. COMPLETACION Y EXTENSION DE DATOS
Nada puede sustituir el dato directo, por ello que las técnicas que se emplean para completar
datos deben verificarse con el análisis de homogeneidad.
3.1 En Base a Otras Estaciones
3.1.1 Método de U.S. National Weather Service
El método consiste en ponderar una cantidad W, igual al reciproco del cuadrado de la distancia D
entre cada estación, por lo menos cuatro estaciones. Se aplica para estimar valores diarios,
mensuales o anuales faltantes.
Px 
  PW  i i
W i
Donde:
Pi = precipitación observada para la fecha faltante en las estaciones auxiliares circundantes en
mm.
Wi = 1 D 2 , siendo D la distancia a cada estación circundante desde la estación incompleta
3.1.2 Método del Promedio Aritmético
El método consiste en calcular el promedio aritmético simple de los valores correspondientes al

mes faltante de todas las estaciones con registros completos para estimar el dato anual o mensual
faltante. Se aplica generalmente para estimar valores mensuales o anuales faltantes.
Se debe verificar que los valores medios anuales o mensuales de cada una de las estaciones
auxiliares no deben exceder en más del 10% de la registrada en la estación incompleta (respecto
al promedio encontrado).
Px 
P i
Donde:
Px = precipitación mensual faltante en mm.
Pi = precipitación mensual en la estación i en mm
n = numero de estaciones con registros completos
3.1.3 Método de la Relación Normalizada.
El método consiste en ponderar los valores observados mensuales en las tres estaciones
mediante el cociente entre el valor medio anual de la estación incompleta y el valor medio anual de
las tres estaciones. Se aplica generalmente para estimar valores mensuales faltantes a partir de
valores observados de tres estaciones cercanas, situadas uniformemente alrededor de la estación
incompleta.
1 N N N 
Px   x PA  x PB  x Pc 
3 NA NB Nc 
Donde:
Px = precipitación mensual estimada en mm.
Nx = precipitación media anual de la estación incompleta en mm
NA, NB, NC = precipitación mensual observada en las estaciones A, B, C en mm
9
CURSO: HIDROLOGIA
El método no debe ser restringido a tres estaciones sino que puede ser empleado a un número
mayor de estaciones, siempre y cuando estén uniformemente distribuidas alrededor de la estación
incompleta.
Tabla Nº 6. Método Relación Normalizada para Completar Datos de Estación D

Mes A B C D
Ene 129.3 143.2 110.0 117.7
Feb 112.5 159.5 98.0 114.6
Mar 200.0 89.9 190.0 144.9
Abr 83.8 20.8 40.0 43.1
May 0.0 0.0 15.0 4.6
Jun 0.1 0.0 0.0 0.0
Jul 12.2 0.0 0.0 3.5
Ago 0.0 12.4 0.0 4.1
Sep 27.4 19.5 29.0 21.0
Oct 20.6 30.0 46.0 61.5
Nov 50.0 59.0 60.0 48.5
Dic 80.0 90.0 86.0 74.4
Suma 715.9 624.3 674.0 205.4
Promedio 59.7 52.0 56.2 51.4
3.1.4 Método de la Regresión
El método consiste en:

- Dibujar el diagrama de dispersión entre los valores anuales conocidos de la estación
índice.
- Ajustar en forma gráfica y estadística a una línea recta el diagrama de dispersión.
- Completar la información faltante con la línea de regresión.
Este método es aplicado mayormente para estimar valores mensuales y anuales faltantes, a partir
de una estación índice.
Se usa del coeficiente de correlación (r) para elegir la estación que tenga mayor correlación.
r
 X i  X Yi  Y 
 n  1 S x S y
Donde:
r = coeficiente de correlación
n = numero de pares de datos conocidos
X = media aritmética de los Xi
Y = media aritmética de los Yi
S X = Desviación estándar de los Xi
S Y = desviación estándar de los Yi
Los valores de “r” pueden variar desde -1 hasta +1, siendo:
r = 0 sin correlación o correlación nula
r = +1 correlación directa optima
r = -1 correlación inversa optima
10
CURSO: HIDROLOGIA
Figura Nº 2. Gráfica de Método de Regresión
Tabla Nº 7. Método de Regresión para Completar Datos de Estación D
Mes A B C D
Ene 129.3 143.2 110.0 95.3 D/A r = 0.346
Feb 112.5 159.5 98.0 85.6 D/B r = 0.557
Mar 200.0 89.9 190.0 159.4 D/C r = 0.717
Abr 83.8 20.8 40.0 39.1 pendiente 0.8
May 0.0 0.0 15.0 19.1 intersección 7.0
Jun 0.1 0.0 0.0 7.0
Jul 12.2 0.0 0.0 7.0 D = 7.0279 + 0.8022 C
Ago 0.0 12.4 0.0 7.0
Sep 27.4 19.5 29.0 21.0
Oct 20.6 30.0 46.0 61.5
Nov 50.0 59.0 60.0 48.5
Dic 80.0 90.0 86.0 74.4
Suma 715.9 624.3 674.0 205.4
Promedio 59.7 52.0 56.2 51.4
3.1.5 Autocorrelación
En la figura se muestra una serie de tiempo simple, (Xt). Si el valor de X al tiempo t depende
linealmente del valor de X en el tiempo (t-k), para k = 1,2,3.. entonces la serie de tiempo será
autocorrelativo, es decir se puede describir como una correlación de la serie con ella misma.
A partir de las series de tiempo simples Xt y Yt, cada serie pueden tener autocorrelacion y
correlación cruzada entre las dos series.
11
CURSO: HIDROLOGIA
Figura Nº 3. Gráfica de Autocorrelación
Correlación Cruzada: consiste en encontrar la función de correlación entre los valores

correspondientes al mes de enero de la estación X con los valores del mes de enero de la estación
Y. Si el coeficiente de correlación (r) es mayor a 0.55, entonces la estación X es útil para completar
y extender datos en la estación Y y viceversa.
Correlación Cruzada con Desface: consiste en encontrar el coeficiente de correlación entre los
valores del mes de enero de la estación X y el mes precedente o siguiente de la estación Y (mes
de diciembre o febrero). De existir una buena correlación se puede usar para la completación y
extensión de datos. El desfase puede ser inclusive mas de un mes, es decir k = 1, 2, 3...
Matriz de correlación: Consiste en encontrar la correlación entre estaciones disponibles para

completar la serie de la estación faltante, y tener todas las estaciones completas y con una misma
cantidad de años. La tabla nos muestra una matriz de correlación de manera que se pueda elegir
el par de estaciones de mayor correlación y completar la serie de menor tamaño.
Tabla Nº 8. Matriz de Correlación de Datos de Precipitación

Estaciones Recreta Quiruncancha Huaraz Pachacoto Llanganuco Parón Schacaipampa Collota
Recreta 1,00 0,47 0,80 0,60 0,71 0,69 0,74 0,69
Huaraz 0,80 0,51 1,00 0,50 0,33 0,45 0,63 0,48
Pachacoto 0,60 0,18 0,50 1,00 0,44 0,49 0,59 0,44
Parón 0,69 0,60 0,45 0,49 0,64 1,00 0,64 0,76
Collota 0,69 0,46 0,48 0,44 0,67 0,76 0,63 1,00
3.1.5 Vector Regional
…..
12
CURSO: HIDROLOGIA
3.2 En Base a la Misma Estación
Método Racional Deductivo:
Este método permite estimar valores mensuales faltantes (como máximo once) en función de la
información de años completos, mediante la siguiente ecuación:

Pi    PI Sp
 1200   sp 

Donde:
i = cada uno de los mese desconocidos, máximo 11
Pi = precipitación mensual desconocida en cada año incompleto (mm)
 sp = suma de los porcentajes promedios de los meses cuya precipitación se desconoce (%)
P I = suma de las precipitaciones mensuales conocidas en los años incompletos (mm)
Sp = porcentaje promedio correspondiente a cada uno de los meses desconocidos (promedio

mensual de los años completos)
Tabla Nº 9. Método Racional Deductivo para Datos de Precipitación (P)

1969 1970 1971 1972 1973 1974 Años completos
Mes
P % P % P % P % P P promedio de %
Ene 47.4 88.3 163.1 330.0 89.3 170.9 129.3 201.4 153.4 197.6 = Sene
Feb 85.0 158.4 27.6 55.8 147.3 281.8 112.5 175.2 143.2 71.3
Mar 95.0 177.0 28.3 57.3 174.6 334.1 200.0 311.5 159.5 124.3
Abr 60.8 113.3 61.7 124.8 43.8 83.8 83.8 130.5 89.9 28.1
May 0.0 0.0 42.0 85.0 5.0 9.6 0.0 0.0 20.8 0.0
Jun 0.1 0.2 0.0 0.0 0.0 0.0 0.1 0.2 9.4 0.0
Jul 0.2 0.4 4.7 9.5 0.0 0.0 12.2 19.0 15.5 0.0
Ago 6.1 11.4 1.3 2.6 0.5 1.0 0.0 0.0 8.9 0.0
Sep 36.6 68.2 61.7 124.8 0.0 0.0 30.4 47.4 41.1 60.1 = Sset
Oct 33.1 61.7 33.0 66.8 5.3 10.1 67.2 104.7 31.4 60.8 = Soct
Nov 77.6 144.6 18.5 37.4 15.1 28.9 44.7 69.6 43.9 70.1 = Snov
Dic 202.0 376.5 151.2 305.9 146.3 279.9 90.2 140.5 116.0 42.5
Prom 53.7 49.4 52.3 64.2 716.6 382.6
Año Incompleto: 1973
13
CURSO: HIDROLOGIA
 Sp 1973  60.1  60.8  70.1  191.1
716.6
Pset  * 60.1  42.69mm
1200  191.1
716.6
Poct  * 60.8  43.18mm
1200  191.1
716.6
Pnov  * 70.1  49.79
1200  191.1
Año Incompleto: 1974
 Sp 1974  197.6
382.6
Pene  *197.6  75.42mm
1200  197.6
TRABAJO ENCARGADO
…
BIBLIOGRAFÍA
APARICIO M. F. (2004). Fundamentos de Hidrología de Superficie. Editorial Limusa S.A. Grupo

Noriega Editores. México. ISBN 968-18-3014-8
CAMPOS A. D. (1987). Procesos del Ciclo Hidrológico. Universidad Autónoma de San Luís de
Potosí. Editorial Universitaria Potosina. México.
GUEVARA P. E. (1998). Hidrología: Una Introducción a la Ciencia Hidrológica Aplicada.

Universidad de Carabobo. Venezuela. ISBN 980-6259-13-0.
LINSLEY, R. K., KOHLER M. A.. (1975). Hidrología para Ingenieros. McGraw Hill, Latinoamericana
S. A. 2da. Edición. Colombia.
SEVILLA J. C. (1990). Notas del Curso de Hidrología, Universidad Nacional Agraria La Molina.
Lima.
14

Análisis de datos hidrológicos UNALM

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Análisis de datos hidrológicos UNALM

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDAD NACIONAL AGRARIA LA MOLINA – FACULTAD DE INGENIERIA AGRICOLA

DEPARTAMENTO DE RECURSOS DE AGUA Y TIERRA DRAT

CLASE IV. ANALISIS DE DATOS HIDROLOGICOS

La no homogeneidad en series hidrológicas, representa uno de los temas de partida muy

La pérdida de homogeneidad en los datos hidrológicos, se deben principalmente a:

Generalmente en los análisis climatológicos se utiliza el término homogeneidad de la serie y en los

El análisis de homogeneidad sigue la siguiente secuencia:

Figura Nº 1. Serie de Tiempo Hidrológica: Histograma de Precipitación

CURVA DE DOBLE MASA

Por lo que si comparamos la precipitación acumulada anual de la estación analizada con la

Tabla Nº 1. Información de Precipitación para Graficar Curva Doble Masa

Figura Nº 2. Curva Doble Masa

ANALISIS ESTADISTICO TIPICO:

Prueba Estadística No Paramétrica

Prueba Estadística de Helmert

Si la serie es homogénea, la diferencia entre el numero de secuencias (S) y el numero de

Tabla Nº 2. Secuencias y Cambios de la Prueba de Helmert

Prueba Estadística de las Secuencias

Si el número de la serie se encuentra entre dos valores de la tabla entonces es recomendable

Tabla Nº 4. Prueba de Secuencias

2.3.2 Prueba Estadística Paramétrica

Conociendo los periodos de posible corrección de los datos, se procede analizarlos

Prueba Estadística T de Student

El estadístico de la prueba T de Student esta definido por la siguiente ecuación:

El valor absoluto de t calculado (t c) se compara con el valor de t de tabla (t tabla) de la distribución

Los valores de t de tabla (ttabla) se proporcionan en la siguiente tabla.

Tabla Nº 5. Distribución T de Student

Prueba Estadística de Cramer

Cuando la causa de la pérdida de la homogeneidad de la serie se deba a un cambio en la media,

El valor absoluto de t calculado de cramer (t k) se compara con el valor de t de tabla (t tabla) de la

Prueba Estadística F de Fisher

El análisis consiste en probar, mediante la prueba F de Fisher, si los valores de la desviación

Si la media y desviación estándar resultan estadísticamente iguales, la información original queda

3. COMPLETACION Y EXTENSION DE DATOS

3.1 En Base a Otras Estaciones

3.1.1 Método de U.S. National Weather Service

3.1.2 Método del Promedio Aritmético

El método consiste en calcular el promedio aritmético simple de los valores correspondientes al

3.1.3 Método de la Relación Normalizada.

Tabla Nº 6. Método Relación Normalizada para Completar Datos de Estación D

3.1.4 Método de la Regresión

El método consiste en:

Tabla Nº 7. Método de Regresión para Completar Datos de Estación D

Figura Nº 3. Gráfica de Autocorrelación

Correlación Cruzada: consiste en encontrar la función de correlación entre los valores

Matriz de correlación: Consiste en encontrar la correlación entre estaciones disponibles para

Tabla Nº 8. Matriz de Correlación de Datos de Precipitación

Recreta 1,00 0,47 0,80 0,60 0,71 0,69 0,74 0,69

Huaraz 0,80 0,51 1,00 0,50 0,33 0,45 0,63 0,48

Pachacoto 0,60 0,18 0,50 1,00 0,44 0,49 0,59 0,44

Parón 0,69 0,60 0,45 0,49 0,64 1,00 0,64 0,76

Collota 0,69 0,46 0,48 0,44 0,67 0,76 0,63 1,00

3.1.5 Vector Regional

3.2 En Base a la Misma Estación

Método Racional Deductivo:

Sp = porcentaje promedio correspondiente a cada uno de los meses desconocidos (promedio

Tabla Nº 9. Método Racional Deductivo para Datos de Precipitación (P)

Año Incompleto: 1973

 Sp 1973  60.1  60.8  70.1  191.1

Año Incompleto: 1974

APARICIO M. F. (2004). Fundamentos de Hidrología de Superficie. Editorial Limusa S.A. Grupo

GUEVARA P. E. (1998). Hidrología: Una Introducción a la Ciencia Hidrológica Aplicada.