Artículos técnicos

 

FLODRO 4.0: un paquete de cómputo personal para análisis de frecuencias de caudales máximos anuales

 

FLODRO 4.0: A personal computer model for flood frequency analysis

 

José A. Raynal

 

Universidad de Las Américas, Puebla, México.

 

Dirección institucional del autor

Dr. José A. Raynal
Departamento de Ingeniería Civil y Ambiental
Universidad de las Américas, Puebla
72820 Cholula, Puebla, México
Teléfono:+52 (222) 2292 647
Fax: +52 (222) 2292 031
josea.raynal@udlap.mx

 

Resumen

Se presenta un paquete de cómputo para análisis de frecuencias de caudales máximos anuales basado en la aplicación de las hojas de cálculo de uso común provistas por Excel^® (Excel es una marca registrada de Microsoft Corporation, Inc.), el cual usa diversas funciones de distribución de probabilidad. El paquete de cómputo maneja la estimación de los parámetros, de los valores de diseño y de sus límites de confianza para varios periodos de retorno por diversos métodos de estimación de parámetros, valores de diseño y límites de confianza. El paquete de cómputo usa hasta tres medidas de bondad de ajuste y produce varias gráficas que ayudan a la comparación visual entre los modelos en competencia. Se incluye en el artículo un ejemplo de aplicación, utilizando la distribución de probabilidad general de valores extremos, y el método de estimación es el de momentos de probabilidad pesada, para demostrar la facilidad de uso del paquete de cómputo.

Palabras clave: análisis de frecuencias de caudales máximos anuales, hojas de cálculo, funciones de distribución de probabilidad, estimación de parámetros, estimación de valores de diseño, límites de confianza.

 

Abstract

A computer package is presented for flood frequency analysis based on the application of commonly used Excel® spreadsheets (Excel is a registered trademark of Microsoft Corporation, Inc.), using several probability distribution functions. The computer package handles the estimation of parameters, design values and confidence limits for several return periods using several methods to determine these estimations. The computer model uses up to three goodness of fit tests and is able to produce several graphic displays that aid visual comparisons among competing models. The paper includes an application example using the generalized extreme value probability distribution function and probability weighted moments for the method of estimation, to show the ease of using this computer package.

Keywords: flood frequency analysis, spreadsheets, probability distribution functions, estimation of parameters, estimation of design values, confidence limits.

 

Introducción

En la planeación y el diseño de sistemas hídricos, el análisis de frecuencias de caudales máximos anuales tiene una importancia central. Por las características de los valores de diseño, que están ligados a un periodo de retorno, es obligado el uso de modelos matemáticos, llamados en este caso funciones de distribución de probabilidad. Entre las funciones de distribución de probabilidad más usadas en el análisis de frecuencias de caudales máximos anuales están las siguientes (Kite, 1988; Rao y Hamed, 2000; Raynal-Villaseñor, 2010):

a) Normal (NOR).
b) Log-Normal de dos parámetros (LN2).
c) Log-Normal de tres parámetros (LN3).
d) Gamma (GAM).
e) Pearson Tipo III (PIII).
f) Log-Pearson Tipo III (LPIII).
g) Valores Extremos Tipo I (VEI).
h) General de Valores Extremos (GVE).

Hay disponibles varios paquetes de cómputo para realizar análisis de frecuencias de caudales máximos basados en casi todas la distribuciones de probabilidad mostradas previamente, como lo son el HEC-SSP del U.S. Corps of Engineers, US-CE (2010), el propuesto por Reiss y Thomas (2007), el propuesto por Rao y Hamed (2000), y el propuesto por Kite (1988), entre otros.

A la luz de las aplicaciones computacionales en la educación y entrenamiento en ingeniería y ciencia aplicada, se desarrolló un paquete de cómputo personal en el área de análisis de frecuencias de caudales máximos anuales, con énfasis particular en ingeniería hidrológica, pero que es fácilmente adaptable a cualquier área que use el análisis de frecuencias como herramienta estadística de análisis de muestras de datos. El paquete de cómputo provee diferentes modelos para ser aplicados y produce una gran cantidad de resultados que pueden ser utilizados por el usuario, ya sea en forma numérica o gráfica. La plataforma computacional escogida fue aquella provista por Excel^®, lo cual lo diferencia de los mencionados previamente y lo hace accesible a todos los usuarios de una computadora personal. Al programa de cómputo resultante se le ha llamado FLODRO 4.0, como será referido de aquí en adelante.

El artículo muestra las principales componentes de FLODRO 4.0 e incluye un ejemplo de aplicación usando el paquete de cómputo personal citado, mostrando los principales resultados que dicho paquete de cómputo le provee al usuario.

Las aplicaciones mostradas previamente están debidamente documentadas a detalle en Raynal-Villaseñor (2010) y algunas de ellas pueden consultarse en Kite (1988), y Rao y Hamed (2000). En Raynal-Villaseñor (2010) se indica cómo se pueden obtener las hojas de cálculo de Excel^® que se han desarrollado dentro de FLODRO 4.0.

 

Estructura del paquete de cómputo FLODRO 4.0

El paquete de cómputo FLODRO 4.0 ha sido desarrollado dentro del ambiente de cómputo provisto por Excel^® (Excel es una marca registrada de Microsoft Corporation, Inc.). El modo interactivo en que se usa FLODRO 4.0 lo hace muy amigable con el usuario, como es típico en el ambiente de Windows^® (Windows es una marca registrada de Microsoft Corporation, Inc.).

En cualquier etapa, el usuario tiene todo el control sobre los procesos que está ejecutando, desde la entrada de datos hasta la impresión de resultados. El paquete de cómputo personal FLODRO 4.0 tiene la estructura mostrada en la figura 1. Todas las funciones de distribución de probabilidad citadas en la sección anterior están programadas en FLODRO 4.0.

El paquete de cómputo personal FLODRO 4.0 puede realizar los siguientes procesos, como se muestra en la figura 2:

a) Estimación de parámetros por los métodos de momentos, máxima verosimilitud y momentos de probabilidad pesada, cuando este método está disponible para todas las funciones de distribución citadas anteriormente. Se produce una gráfica que resume estos resultados.

b) Pruebas de bondad de ajuste, como el error estándar de ajuste (EEA) (Kite, 1988); desviación media absoluta relativa (DMAR) (Jain y Singh, 1987), y el Criterio de información de Akaike (CA), sólo en el caso del uso del método de máxima verosimilitud (Akaike, 1974).

c) Cálculo de los eventos de diseño para varios periodos de retorno, por los métodos de momentos, máxima verosimilitud y momentos de probabilidad pesada, cuando este método está disponible, para todas las funciones de distribución citadas anteriormente.

d) Estimación de los límites de confianza para los eventos de diseño, por los métodos de momentos, máxima verosimilitud y momentos de probabilidad pesada, cuando este método está disponible, para todas las funciones de distribución citadas anteriormente. Se produce una gráfica que resume estos resultados.

e) Una comparación gráfica entre la mejor opción de los modelos producidos por cada uno de los métodos de estimación de parámetros antes citados y el histograma de la muestra de datos.

El paquete de cómputo personal FLODRO 4.0 ha sido diseñado para tener requerimientos mínimos de memoria y de equipos periféricos ligados a la computadora personal.

Las gráficas que produce FLODRO 4.0 pueden ser impresas en cualquier impresora común. En el caso de las gráficas que muestran los modelos y los límites de confianza de los valores de diseño, se ha usado en el eje de las abscisas el valor reducido de Gumbel, para producir un papel de Gumbel electrónico, dadas las limitaciones que tiene Excel^® en cuanto a poder manejar un eje con escala probabilística o con periodos de retorno, como puede observarse en las figuras 7 y 8.

Estas particularidades hacen del paquete de cómputo personal FLODRO 4.0 muy apropiado para la educación, entrenamiento y educación continua en el área de la ingeniería hidrológica en particular, y de la ingeniería y la ciencia aplicada en general, principalmente en países en vías de desarrollo.

 

Ejemplo numérico de aplicación

La estación hidrométrica Huites está localizada en el río Fuerte, en el noroeste de México, y ha sido seleccionada para hacer el análisis de frecuencias de caudales máximos anuales, usando la distribución de general de valores extremos (GVE) y el método de momentos de probabilidad pesada (MPP), según Raynal-Villaseñor (1987), para estimar sus parámetros, valores de diseño y límites de confianza. La ubicación geográfica de la estación hidrométrica Huites, México, se muestra en la figura 3.

El primer paso es obtener los estadísticos más relevantes de la muestra de caudales máximos anuales y que algunos de ellos serán usados posteriormente, los cuales se muestran en la figura 4.

La función de distribución y de densidad de probabilidad para la distribución GVE es como sigue (Raynal-Villaseñor, 2010):

donde F(x) y ƒ(x) son las funciones de distribución y de densidad de probabilidad x, respectivamente; x₀, α y β son los parámetros de ubicación, escala y forma de la distribución GEV. El dominio de la variable aleatoria es x₀ + α/β ≤ x < ∞.

En la distribución GVE se estiman sus parámetros por el método de momentos de probabilidad pesada, por medio del método propuesto por Raynal-Villaseñor (1987), de la siguiente manera (Raynal-Villaseñor, 2010):

a) Parámetro de ubicación:

b) Parámetro de escala:

c) Parámetro de forma:

donde:

Los momentos de probabilidad pesada requeridos por las ecuaciones (3)-(6) son como sigue:

Las pruebas de bondad de ajuste seleccionadas para la distribución GVE son:

a) Error estándar de ajuste (EEA) (Kite, 1988):

b) Desviación media absoluta relativa (DMAR) (Jain y Singh, 1987):

Los valores de diseño y sus límites de confianza son calculados de la siguiente manera:

y:

Las derivadas parciales anteriores tienen la siguiente estructura:

Los coeficientes w_i,j de la matriz varianza-covarianza de la distribución GVE, que aparecen en la ecuación (14), pueden ser evaluados a partir de los valores contenidos en el cuadro 1.

Al usar las fórmulas anteriores, los parámetros, las pruebas de bondad de ajuste, los valores de diseño y sus límites de confianza producidos por FLODRO 4.0 son mostrados en la figuras 5 y 6. La figura 7 muestra los modelos producidos por los métodos de momentos, máxima verosimilitud y momentos de probabilidad pesada en la estimación de parámetros de la distribución GVE, basados en la muestra de caudales máximos anuales de Huites, México. En la figura 8 se muestra la representación gráfica de los valores de diseño y sus límites de confianza para el modelo, que fue escogido de acuerdo con los indicadores de bondad de ajuste manejado en el paquete de cómputo. La comparación entre el histograma de la muestra de datos de caudales máximos anuales y la función de densidad teórica ajustada se muestra en la figura 9.

 

Conclusiones

Se ha presentado un paquete de cómputo personal para el análisis de frecuencias de caudales máximos anuales. Debido a los requerimientos mínimos de memoria y de accesorios periféricos, como ha sido demostrado en el artículo, este paquete de cómputo personal es muy útil en la educación y entrenamiento en ingeniería hidrológica, y donde el usuario tenga acceso a una computadora personal y una impresora. El uso de Excel^®, una herramienta computacional de uso común, como el ambiente computacional seleccionado por el paquete de cómputo, lo hace asequible a cualquier usuario con acceso a una computadora personal.

 

Agradecimientos

El autor agradece a la Universidad de las Américas, Puebla, por las facilidades que se otorgaron para hacer posible la publicación de este artículo.

 

Nomenclatura

 

Referencias

AKAIKE, H. A New Look at the Statistical Model Identification. IEEE Trans. Autom. Control. AC-19, No. 6, 1974, pp. 716-723.         [ Links ]

HOSKING, J.R.M., WALLIS, J.R., and WOOD, E.F. Estimation of the Generalized Extreme Value Distribution by the Method of Probability Weighted Moments. Technometrics. Vol. 27, 1985, pp. 251-261 ().         [ Links ]

JAIN, D. and SINGH, V.P. Estimating Parameters of EV1 Distribution for Flood Frequency Analysis. Water Resources Bulletin. Vol. 23, No. 1, 1987, pp. 59-71.         [ Links ]

KITE, G.W. Flood and Risk Analyses in Hydrology. Littleton, USA: Water Resources Publications, 1988, 187 pp.         [ Links ]

RAYNAL-VILLASEÑOR, J.A. Computation of Probability Weighted Moments for the General Extreme Value Distribution (Maxima and Minima). Hydrological Science and Technology Journal. Vol. 3, No. 1-2, 1987, pp. 47-52.         [ Links ]

RAYNAL-VILLASEÑOR, J.A. Frequency Analysis of Hydrologic Extremes. Mexico, D.F.; Lulu.Com, 2010.         [ Links ]

RAO, A.R. and HAMED, K.H. Flood Frequency Analysis. Boca Ratón, USA: CRC, 2000.         [ Links ]

REISS, R.D. and THOMAS, M. Statistical Analysis of Extreme Values: with Applications to Insurance, Finance, Hydrology and Other Fields. 3a. ed. Basel, Switzerland: Birkhäuser Verlag, 2007.         [ Links ]

U.S. CORPS OF ENGINEERS. Documentación sobre HEC-SSP [en línea]. Fecha de consulta: 14 de abril de 2010. Disponible en World Wide Web: http://www.hec.usace.army.mil/software/hec-ssp/documentation.         [ Links ]