Documente Academic
Documente Profesional
Documente Cultură
iii
ABSTRACT
ix
RESUMEN
PREFACIO
Organizacin del trabajo
xi
xi
1. INTRODUCCIN
1.1 Clasificacin de acuerdo con la profundidad relativa
1.2 Clasificacin de las ondas ocenicas
1.3 Clasificacin del oleaje
1.3.1 Oleaje local o sea
1.3.2 Oleaje distante o swell
1.4 Fuentes de datos de oleaje
1
2
3
4
5
5
6
7
7
7
10
11
13
15
16
17
17
19
24
24
27
28
28
29
36
36
39
45
47
48
50
55
56
59
61
66
66
67
68
69
70
71
71
75
77
79
79
80
84
84
85
88
89
92
93
93
93
95
96
99
100
101
103
104
105
105
105
105
105
107
107
108
109
109
110
112
114
114
115
115
117
117
118
119
121
123
125
7.1 Introduccin
125
126
126
128
129
131
132
132
134
134
134
136
139
140
140
140
141
142
vii
145
146
148
149
151
152
153
153
154
156
159
160
164
168
9. REFERENCIAS
171
10. RECONOCIMIENTO
179
viii
ABSTRACT
This book serves as a guide for those wishing to study and predict sea waves from
the perspective of probability and statistics. The first of the eight chapters gives an
up to date overview of wave studies and how waves are classified in terms of
relative water depth, frequency and evolution. From here the fundamental
hypotheses for modern wave studies are examined. Individual chapters cover
analysis from both the time domain, via discretised digital sampling, as well as the
frequency domain, via the concept of the energy spectrum. In addition, the
procedures most often used in engineering to determine the representative wave
parameters are described. In view of the fact that it is often not possible to have
reliable measurements, two chapters are given over to the analytical and the
empirical wave distributions in the domain of time and frequency. In the
penultimate chapter, two methodologies for wave prediction in geostrophic and
ciclostrophic wind conditions are reproduced. These tools are of great value in
estimating the appropriate wave parameters in such conditions and are therefore of
most use when considering cold fronts or tropical cyclones. They can be applied
directly and with relative ease. Finally, the last chapter revises the required bases
for long and short term analyses. The latter, being generally applied for operational
conditions.
This is an up to date reference book, invaluable for students of coastal engineering
as well as those involved in the planning and management of coastal structures.
ix
RESUMEN
Este libro sirve como gua para quienes desean estudiar y predecir el oleaje desde
la perspectiva de la probabilidad y la estadstica. El primero de los ocho captulos
que lo integran es una resea histrica sobre el estudio del oleaje y su clasificacin
en funcin de su profundidad relativa, frecuencia y evolucin. A continuacin, se
examinan las hiptesis fundamentales para el estudio del oleaje. Se explican las
bases que permiten analizar y caracterizar muestras de oleaje tanto en el dominio
del tiempo, a travs de la discretizacin de seales digitales, cuanto en el dominio
de la frecuencia, por medio del concepto de espectro de energa. Adicionalmente,
se describen los procedimientos ms utilizados para determinar los parmetros
representativos del oleaje. En virtud de que frecuentemente no se cuenta con
mediciones in situ confiables, se dedican dos captulos a distribuciones analticas y
empricas en los dominios del tiempo y la frecuencia. En el penltimo captulo se
reproducen dos metodologas que permiten estimar el oleaje bajo condiciones de
viento geostrfico y ciclostrfico. Estas herramientas, de aplicacin relativamente
fcil y directa, son de gran ayuda para caracterizar los parmetros que definen al
oleaje bajo el efecto de frentes fros y ciclones tropicales. Finalmente, el ltimo
captulo revisa los fundamentos para analizar los regmenes extremal y medio.
Este ltimo, normalmente aplicado para el estudio de condiciones de operatividad.
Es una obra de referencia actualizada, muy til para estudiantes de ingeniera de
costas, as como para todos aquellos relacionados con la planeacin y manejo de
estructuras costeras.
PREFACIO
Este trabajo est orientado a estudiantes tanto de licenciatura como de maestra de
las carreras de ingeniera civil, ingeniera ocenica, ingeniera oceanogrfica y
ciencias del mar, as como para aquellos profesionales encargados de realizar
estudios y diseos costeros, portuarios y martimos. Antes de que el lector se
adentre en el texto, es recomendable que haga un breve repaso sobre la mecnica
de ondas y estadstica bsica, ya que algunos conceptos fundamentales estn fuera
del alcance del presente trabajo.
Con estas notas, que pueden servir eventualmente para la actualizacin de
conocimientos o como libro de texto, simplemente se pretende presentar una serie
de herramientas que potencialmente pueden ser tiles para estudios posteriores,
como pueden ser el diseo de: estructuras martimas y portuarias, interaccin del
oleaje con estructuras, transporte de sedimentos, morfodinmica de playas y
evolucin de sistemas barrera en lagunas costeras, por citar algunos ejemplos.
Organizacin del trabajo
Este trabajo est integrado por ocho captulos, los siete primeros enfocados al
anlisis de estados de mar y, el ltimo, al estudio del anlisis del oleaje a largo
plazo. Los primeros dos captulos estn dedicados a la parte fundamental del
estudio estadstico y probabilstico del oleaje, el tercero y cuarto al anlisis de estados
de mar en el dominio del tiempo y la frecuencia, el quinto y sexto a las distribuciones
analticas o empricas ms utilizadas para caracterizar los estados de mar; el sptimo
captulo incorpora de forma integral dos modelos paramtricos de prediccin de
oleaje para condiciones de frentes fros y huracanes; por ltimo, el octavo captulo
aborda el estudio de regmenes de oleaje, tanto extremal como medio.
xi
El primer captulo presenta una resea histrica sobre el estudio del oleaje y su
clasificacin. Las clasificaciones del oleaje que se abordan corresponden a la
profundidad relativa de propagacin, las fuerzas generadoras del movimiento
oscilatorio y la zona de generacin.
En el segundo captulo se analizan las hiptesis fundamentales para el estudio
estadstico del oleaje: es decir las bases del tratamiento del oleaje como un proceso
estocstico, ergdico, estacionario y gaussianno, as como los elementos que
sustentan el anlisis del oleaje en el dominio de la frecuencia a travs de la
transformada de Fourier. Por ltimo, en este captulo se abordan dos definiciones
para el estado de mar: la de periodo corto y la variacin de estado.
El tercer captulo est dedicado al anlisis y caracterizacin de las seales o
muestras de oleaje en el dominio del tiempo. Normalmente las mediciones de
seales de oleaje incluyen informacin de ondas de mayor periodo, como mareas,
y de la profundidad en que fueron obtenidas, por tanto, primero se debe realizar
una correccin para eliminar estas tendencias. Las correcciones que se presentan
en este captulo son: media aritmtica, lineal y parablica. Por otro lado, es
habitual que las seales de oleaje se obtengan de forma discreta y no continua, por
esto es conveniente realizar una estimacin de los mximos positivos y negativos
de dichas seales, as como definir la forma de discretizar una seal, lo cual puede
hacerse por medio de los mtodos de pasos ascendentes y descendentes por cero y
distancia entre crestas y valles.
Una vez establecida la metodologa para la discretizacin de una seal, se aborda
el problema de la determinacin de los parmetros ms representativos del oleaje:
direccin de propagacin y forma de evaluar el agrupamiento del mismo.
El cuarto captulo incluye una descripcin de los pasos a seguir para el estudio de
una seal de oleaje en el dominio de la frecuencia, es decir la forma de obtener un
espectro de energa y la manera de representarlo grficamente. En este captulo
tambin se abordan alguno de los mtodos para estimar la direccin del oleaje, as
como los parmetros ms representativos que caracterizan un espectro de energa.
Los captulos quinto y sexto estn dedicados al estudio de las distribuciones
analticas y empricas en el dominio del tiempo y de la frecuencia. En particular, el
captulo cinco aborda las distribuciones de la superficie libre bajo los conceptos
xii
xiii
1. INTRODUCCIN
A travs de la historia de la humanidad se han registrado un sinnmero de esfuerzos por
entender la generacin y transformacin del oleaje; como ejemplo, los antiguos griegos
estaban conscientes de la interaccin entre el mar y la atmsfera, de hecho
Aristteles, en su libro Acerca del cielo; meteorolgicos (Gredos, 1996) seal la
importancia que juega el viento en el desarrollo del oleaje. As, desde la antigua
Grecia hasta la etapa de oro del Renacimiento, en el siglo XV, no hubo grandes
progresos documentados sobre el estudio de la generacin y transformacin del
oleaje. Durante el periodo definido entre los siglos XVI y XIX, las contribuciones
ms importantes se dieron en el plano terico, ya que en ese tiempo se desarrollaron
la mayor parte de las teoras que se emplean para estudiar el oleaje, como las de Airy
(1845) y Stokes (1847). El primer estudio de prediccin de oleaje fue desarrollado
por Sverdrup y Munk (1947) durante la Segunda Guerra Mundial, aunque sus
resultados no estuvieron disponibles hasta 1947.
Quiz la forma ms sencilla de poder entender un estado de mar es considerndolo
como ideal, es decir, con el oleaje definido por ondas sinusoidales perfectas, con crestas
y valles de idntica forma, un periodo nico y un movimiento orbital progresivo. Bajo
este supuesto, sobre una escala espacial, la longitud de onda, L, se determina como la
distancia horizontal entre dos crestas adyacentes, mientras que la distancia vertical
desde el mximo de la cresta hasta el fondo del valle definen la altura de ola, H. En la
escala temporal, el tiempo necesario para que dos crestas consecutivas pasen por el
mismo punto define al periodo de la onda, T, y su inverso que es la frecuencia, f.
Finalmente, la velocidad con la cual una cresta se mueve horizontalmente a travs de la
superficie del mar es definida como celeridad, c, o velocidad de fase. En general, la
ecuacin para la celeridad (c = L/T) es directamente proporcional a la longitud de
onda o periodo y a la profundidad, h.
Periodo
(T)
Longitud
(L)
Altura
(H)
Fuerza generadora
Fuerza restauradora
Capilares
0 a 0.1 s
2 a 7 cm
1 a 2 mm
Viento
Tensin superficial
Ultragravedad
0.1 a 1 s
Centmetros
Centmetros
Viento
Tensin superficial y
gravedad
Gravedad
1 a 30 s
De metros a
cientos de
metros
De
centmetros
a 15 m
Viento
Gravedad
Infragravedad
Pequea
Viento
Gravedad, fuerza de
Coriolis
Periodo largo
1a5m
Sismo, derrumbes,
atraccin de cuerpos
celestes
Gravedad, fuerza de
Coriolis
Transmarea
Ms de 24 h
0 a 12 m
Oscilaciones
climticas
Gravedad, fuerza de
Coriolis
Como se ve en la tabla 1.1 y la fig 1.1, las ondas en el ocano pueden ser clasificadas de
varias formas; una clasificacin usa las fuerzas que generan al oleaje, las cuales a su
vez estn asociadas con una longitud de onda caracterstica. As, por ejemplo:
Las fuerzas meteorolgicas (viento, presin del aire) generan el oleaje local y
distante
Los maremotos o terremotos generan grandes ondas conocidas como tsunamis, los
cuales normalmente son clasificados como ondas en aguas poco profundas, ya que su
longitud de onda es mucho mayor que la profundidad donde se propagan.
Las mareas (fuerzas astronmicas) siempre se propagan de acuerdo con su longitud
de onda en aguas poco profundas, por lo que son consideradas como ondas largas.
Infragravedad
De largo periodo
Sol y Luna
Gravedad
Ultragravedad
0.1 segundos
1 segundo
30 segundos
5 minutos
1 hora
12 horas
24 horas
Transmarea
Periodo
Tipo de
onda
Capilares
Fuerza
generadora
Viento
Sismos, tormentas
Gravedad
Fuerza
restauradora
Tensin
superficial
Energa
Fuerza de Coriolis
10
10
10
10
10
10
10
10
Frecuencia de la onda = 1 / T
donde
a amplitud
(2.1)
0.3
(t) [m]
0.2
0.1
0
-0.1
20
40
60
80
-0.2
100
Tiempo (s)
-0.3
Si se observa la superficie del mar en un instante determinado, ti, es claro que (ti) es
una variable aleatoria. Considerando ahora el conjunto de n instantes, t1, t2,..., tn, se
puede decir que (t1, t2,..., tn) es una variable enedimensional. De tal forma que el
proceso (t) puede considerarse definido si para cualquier n instantes t1, t2,..., tn, se
conoce la funcin de distribucin:
(2.2)
(2.3)
Ft1 ,t2 ,...,tm +1 ,...,tn ( x1 , x2 ,..., xm ,..., ) = Ft1 ,t2 ,...,tm ( x1 , x2 ,..., xm )
(2.4)
estos procesos, ya que sta toma en consideracin exclusivamente los dos primeros
momentos del proceso. De tal forma que:
1
k (t )dt
T T
(k ) = lim
(2.5)
1 T
k (t )k (t + )dt
T T 0
R (k ) = lim
(2.6)
(2.7)
(k ) =
(2.8)
R (k ) = R
(2.9)
1
( t ) dt = constante
T T
0
lim
(2.10)
Por tanto,
T
1
1
( t ) }{ ( t + ) } dt = lim ( t ) ( t + ) dt 2 = R ( ) 2
{
T T
T T
0
0
lim
(2.11)
R ( ) d ( )
11
(2.12)
R ( ) d
<
(2.13)
S ( )e
(2.14)
entonces,
( ) =
S ( )d
(2.15)
d ( )
d
(2.16)
S ( ) =
La funcin S() se conoce como funcin de densidad espectral del proceso (t), y
tiene la propiedad de ser positiva:
S ( ) 0
(2.17)
R ( )e
(2.18)
R ( ) = S ( ) cos d
(2.19)
S ( ) =
R ( )cos d
0
12
(2.20)
donde S() es la funcin de densidad espectral, la cual est definida solamente para
(2.21)
R (0) = S ( )d
(2.22)
es decir, el rea bajo la curva de S() es igual al valor medio de los desplazamientos
verticales, y admitiendo que = 0 resulta que dicha rea es igual a la varianza de los
desplazamientos verticales.
A partir de aqu, el momento de orden n del espectro estar considerado como
mn = n S ( )d
(2.23)
13
El desplazamiento de la superficie libre del agua viene dado como la suma de un gran
nmero de ondas sinusoidales, de la forma
(t ) = i (t ) = ai cos( i t i )
i
(2.24)
a22 j +1 = 2S ( 2 j +1 ) 2 j +1 2 j
(2.25)
lim S ( ) = 0
La fase i es una variable aleatoria con distribucin uniforme en el intervalo (0, 2),
es decir,
Prob ( 2 j +1 < + d ) =
d
2
para
0 + d 2 y cero en el resto.
Como fue demostrado originalmente por Rice (1944 y 1945), y Pierson y Manks
(1952), bajo estas hiptesis el modelo propuesto representa un proceso, (t),
estacionario gaussiano, es decir, que la superficie libre (t) est normalmente
distribuida:
(t ) = cos( t ) 2S ( )d
0
14
(2.27)
1
(t ) (t + )dt
T T
0
R ( ) = lim
(2.28)
1
ai2 cos i
2 i
(2.29)
R ( ) = S ( ) cos d
(2.30)
Si se comparan las ecs 2.30 y 2.19, se puede deducir que la funcin S(), introducida
en la segunda hiptesis del modelo matemtico-estadstico del oleaje (ec 2.25), es la
funcin espectral del proceso.
El modelo introducido define a un proceso estocstico estacionario y gaussiano, de
media cero (lo que se comprueba sustituyendo la ec 2.24 en la 2.5 y operando), del
cual tambin se admite que es ergdico. Puede demostrarse (Doob, 1953) que un
proceso estacionario gaussiano es ergdico si y slo si la funcin de densidad
espectral S() es finita para cualquier frecuencia.
2.3 Definicin de estado de mar
Un estado de mar se define como aquella situacin o periodo de tiempo en que, y
debido a la inercia del fenmeno, se considera que existe un cierto equilibrio entre las
fuerzas generadoras y las fuerzas restauradoras que intervienen, lo cual produce que
su manifestacin permanezca aproximadamente en estado estacionario.
Otra definicin es la que establece que el estado de mar representa cada una de las
posiciones de la dinmica del oleaje, admitiendo que stas tienen una variacin lo
suficientemente lenta para considerar al proceso como estacionario.
As pues, el oleaje puede considerarse formado por dos tipos de variaciones:
15
16
17
Nmero de sucesos
Media
X =
1
N
X m2 =
Media cuadrtica
X
i =1
1
N
X
i =1
2
i
X 1/ n
Casos particulares
mx=1
H
NMM
mn=2
18
TABLA 3.1
C. Estimacin de cruces
D. Evaluacin de parmetros y velocidades
orbitales
E. Determinacin de la direccin del oleaje
i _ corregida = i _ original i
(3.1)
n =
1
N
19
n =1
(3.2)
n = A0 + A1n
n = 1, 2,...., N
(3.3)
donde
A0 =
N 2Y0 N1Y1
,
N 0 N 2 N12
A1 =
N 0Y1 N1Y0
,
N 0 N 2 N12
(3.4)
Nr = nr ,
Yr = n rn
n =1
n =1
(3.5)
Por ejemplo, este tipo de correccin ser adecuado si se tiene un registro de oleaje
superpuesto a una onda de marea semidiurna y dicho registro tiene una duracin
mucho menor que el periodo de la marea, y si se encuentra en la franja de ascenso,
zona 1 de la fig 3.2.
Correccin parablica. Utilizando la tcnica de mnimos cuadrados, la ecuacin para
realizar una correccin de tipo parablico es:
n = B0 + B1n + B2 n 2
n = 1, 2,..., N
(3.6)
donde
1
Y0 ( N 2 N 4 N 32 ) + Y1 ( N 2 N 3 N1 N 4 ) + Y2 ( N1 N 3 N 22 ) ,
1
B1 = Y0 ( N 2 N 3 N1 N 4 ) + Y1 ( N 0 N 4 N 22 ) + Y2 ( N1 N 2 N 0 N 3 )
1
B2 = Y0 ( N1 N 3 N 22 ) + Y1 ( N1 N 2 N 0 N 3 ) + Y2 ( N 0 N 2 N12 )
= N 0 N 2 N 4 + 2 N1 N 2 N 3 N 23 N 0 N 32 N12 N 4
B0 =
20
(3.7)
Zona 2
Zona 1
Zona 1
Este tipo de correccin se emplea en los casos en los que, adems de que la carrera de
marea es importante, la muestra de oleaje que se desea analizar tiene una influencia
que se puede ajustar a una parbola. Por ejemplo, si se tiene un registro de oleaje
ubicado en la zona 2 de la fig 3.2.
Si en un registro se observa la influencia de variaciones de periodo largo, del orden
de minutos, para la determinacin correcta del nivel medio se deber aplicar un filtro
espectral, que ser explicado ms adelante.
Ejemplo. Utilizando los datos de una seal de oleaje, tabla 3.2 o fig 3.3, corregir la
seal utilizando cada uno de los mtodos de correccin del nivel medio.
ti
ti
ti
0.0
0.4891
4.0
0.6317
17
8.0
0.4378
25
12.0 -0.0255
0.5
0.4723
10
4.5
0.5040
18
8.5
0.5057
26
12.5 -0.1303
1.0
0.5085
11
5.0
0.3854
19
9.0
0.5589
27
13.0 -0.1567
1.5
0.5899
12
5.5
0.3022
20
9.5
0.5790
28
13.5 -0.1072
2.0
0.6872
13
6.0
0.2653
21
10.0 0.5475
29
14.0 -0.0102
2.5
0.7617
14
6.5
0.2717
22
10.5 0.4545
30
14.5 0.0918
3.0
0.7813
15
7.0
0.3104
23
11.0 0.3075
31
15.0 0.1589
3.5
0.7340
16
7.5
0.3692
24
11.5 0.1339
32
15.5 0.1686
21
ti
0.8
(m)
0.6
0.4
0.2
0.0
-0.2 0
12
16
t(s)
Solucin
Correccin de la seal usando la media aritmtica, ec 3.2,
i =
1
N
i =1
11.5779 m
= 0.3618 m
32
Antes de realizar la correccin del nivel medio utilizando la ecuacin de una recta
(3.3), o una parbola (3.6), se deben de evaluar los siguientes parmetros:
N0 = 32
N1 = 528
N2 = 11 440
N3 = 278 784
N4 = 7 246 096
Y0 = 11.5779 m
Y1 = 133.1205 m
Y2 = 2 122.4531 m
Sustituyendo estos valores en las ecs 3.4 y 3.3, se obtiene, para el caso de la
correccin lineal:
22
A0 =
A1 =
n = 1, 2,....,16
Para la correccin parablica, se tienen que evaluar primero los parmetros B0, B1, B2
y , definidos en la ec 3.7:
= 16 193 757 184
1
Y0 ( N 2 N 4 N 32 ) + Y1 ( N 2 N 3 N1 N 4 ) + Y2 ( N1 N 3 N 22 ) ,
B0 =
=
16193757184
2121.4531( (528)(278784) (11440) 2 )
+
= 0.6058 m
16193757184
B1 =
=
1
Y0 ( N 2 N 3 N1 N 4 ) + Y1 ( N 0 N 4 N 22 ) + Y2 ( N1 N 2 N 0 N 3 )
B2 =
=
1
Y0 ( N1 N 3 N 22 ) + Y1 ( N1 N 2 N 0 N 3 ) + Y2 ( N 0 N 2 N12 )
n = 1, 2,...,16
0.4
(m)
0.2
0.0
-0.2 0
12
16
t(s)
-0.4
i i +1 < 0
i +1 > 0
(3.8)
24
i 1 < i
i > i +1
(3.9)
Con el fin de eliminar el problema de subestimacin del mximo real entre dos
puntos discretos, deben ser estimados el tiempo y la elevacin mxima despus de
ajustar la curva parablica en funcin de tres puntos i-1, i y i+1. La ecuacin para
el ajuste parablico se puede expresar como
mx = C
B2
,
4A
tmx = ti
t B
2A
(3.10)
donde
A=
1
(i 1 2i + i +1 ) ,
2
B=
1
(i +1 i 1 ) ,
2
C = i
(3.11)
Mximo
positivo
2.5
2.0
1.5
Segundo
cruce
( m)
1.0
0.5
0.0
-0.5
-1.0
-1.5
-2.0
-2.5
t (s)
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
5.5
6.0
6.5
7.0
Primer
cruce
Mximo
negativo
ta =
ti (s)
i (m)
ti (s)
i (m)
ti (s)
i (m)
0.0
-0.200
2.5
1.691
11
5.0
-1.935
2
3
4
5
0.5
0.097
3.0
1.052
-0.964
0.551
3.5
-0.242
6.0
0.283
1.5
2.0
1.399
1.872
4.0
4.5
-1.489
-2.069
12
13
14
5.5
1.0
7
8
9
10
6.5
1.397
tb =
A=
1
1
(i 1 2i + i +1 ) = (1.399 2 (1.872 ) + 1.691) = 0.327 m
2
2
B=
1
1
(i +1 i 1 ) = (1.691 1.399 ) = 0.146 m
2
2
26
C = i = 1.872 m
tmx = ti
( 0.146 ) = 1.8883m
B2
=C
= 1.872
4A
4 ( 0.327 )
2
mx
A=
1
1
(i 1 2i + i +1 ) = ( 1.489 2 ( 2.069 ) 1.935) = 0.357 m
2
2
B=
1
1
(i +1 i 1 ) = ( 1.935 + 1.489 ) = 0.223m
2
2
C = i = 2.069 m
tmn = ti
( 0.223) = 2.1038 m
B2
=C
= 2.069
4A
4 ( 0.357 )
2
mn
De tal forma que la altura de ola, H, es la diferencia entre los mximos positivo y
negativo,
H = mx mn = 1.8883 + 2.1038 = 3.9921m
3.1.2.2 Mtodo de pasos descendentes por cero
Este mtodo es anlogo al de pasos ascendentes por cero, la nica diferencia estriba
en que ahora las olas se definen en el cambio de signo de positivo a negativo, como
se puede ver en la fig 3.6.
27
0.3
0.2
0.1
0
-0.1
20
40
60
80
-0.2
-0.3
10
Nmero de ola
i i +1 < 0
i-1 > 0
(3.12)
28
0.3
10
12
11
13 Nmero de ola
0.2
0.1
t
0
-0.1
20
40
60
80
-0.2
-0.3
0.3
0.2
0.1
t
0
-0.1
20
40
60
80
-0.2
-0.3
10
11
12
Nmero de ola
(t ) =
1
N
i =1
donde
(3.13)
2
:
La variacin de la media cuadrtica (la varianza) de superficie del agua, rms
2
rms
1
=
N
2
i
i =1
(3.14)
1
N0
N0
H
i =1
(3.15)
N0
(3.16)
i =1
donde
N0 nmero de olas individuales de todo el registro
Hi altura de ola
Ti periodo de ola.
La altura cuadrtica media, Hrms, queda definida por:
H rms =
1
N0
N0
H
i =1
2
i
(3.17)
1
3
N 0rms
i =1
3
i
(3.18)
Para evaluar otros parmetros relevantes, como los estadsticos de orden, significante,
un dcimo, etc, primero se ordenan, en funcin de la altura de ola, de mayor a menor los
valores correspondientes de altura-periodo de ola (H,T), de manera que, por ejemplo:
30
H(m)
T(s)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
2.320
2.308
2.154
2.104
2.029
1.888
1.716
1.654
1.636
1.630
1.622
1.589
1.533
1.533
1.484
1.484
1.482
1.443
1.433
1.414
1.412
1.398
1.388
1.380
1.347
1.339
1.337
1.329
1.314
1.312
1.292
1.281
1.279
1.233
1.232
1.218
1.217
1.195
1.193
8.74
8.64
9.61
9.80
9.54
8.74
8.74
9.45
10.60
9.70
11.10
8.27
7.78
10.18
8.72
10.61
9.66
9.75
10.06
7.87
8.72
9.22
9.51
8.10
9.32
8.53
9.87
7.93
10.22
9.54
9.64
8.36
9.06
9.42
8.12
8.89
8.05
8.61
10.71
H(m)
T(s)
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
1.175
1.154
1.151
1.134
1.127
1.120
1.118
1.100
1.099
1.088
1.083
1.066
1.059
1.057
1.037
1.030
1.027
1.008
0.970
0.969
0.969
0.948
0.930
0.929
0.927
0.907
0.905
0.886
0.881
0.877
0.854
0.853
0.853
0.853
0.850
0.844
0.840
0.837
0.837
6.93
10.74
11.29
9.24
8.24
8.36
11.17
9.40
7.22
11.18
6.86
12.78
10.95
8.19
8.94
9.45
11.16
10.82
9.39
10.05
9.62
9.40
9.02
8.91
9.58
6.20
6.92
10.09
9.35
5.92
7.39
11.07
9.96
10.13
10.15
10.21
10.85
7.22
9.30
H(m)
T(s)
H(m)
T(s)
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
0.835
0.830
0.829
0.826
0.821
0.818
0.783
0.783
0.779
0.762
0.760
0.757
0.752
0.741
0.728
0.728
0.718
0.718
0.717
0.707
0.700
0.691
0.683
0.678
0.673
0.662
0.660
0.657
0.656
0.652
0.632
0.631
0.626
0.617
0.614
0.592
0.589
0.583
0.582
12.70
9.87
10.96
7.15
10.64
12.17
12.90
4.36
7.56
9.53
9.76
8.82
6.18
10.60
6.29
11.40
8.30
6.70
10.15
8.26
4.99
10.36
9.13
5.07
9.12
4.71
10.23
5.76
10.77
7.17
7.85
11.21
10.71
11.06
7.07
12.93
8.78
4.32
8.30
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
0.576
0.575
0.570
0.565
0.553
0.550
0.543
0.528
0.517
0.508
0.507
0.502
0.490
0.489
0.485
0.481
0.478
0.464
0.441
0.424
0.372
0.348
0.342
0.305
0.292
0.273
0.267
0.251
0.247
0.238
0.199
0.165
0.157
0.150
0.136
0.100
0.090
11.85
9.76
5.20
5.44
4.70
8.63
12.08
8.29
11.46
9.65
5.02
9.41
5.38
7.46
8.94
4.51
3.69
4.61
5.04
4.40
5.54
6.98
5.70
5.30
6.40
4.44
3.45
2.69
2.85
5.29
4.09
2.36
3.21
2.48
2.17
2.49
2.21
H=
1 154
H i = 0.904 m
154 i =1
32
H rms =
Altura de ola un medio,
H1/ 2 =
2 77
H i = 1.255 m
154 i =1
3 51
1
H i + H 52 = 1.421m
154 i =1
3
10 15
154 i =1
H1/100 =
100
( H1 + 0.54 H 2 ) = 2.316 m
154
Mientras que los valores de los periodos correspondientes a las alturas de ola son:
Periodo de ola mxima,
Tmx = T1 = T1:154 = 8.74 s
Periodo de ola media,
T =
1 154
Ti = 8.31s
154 i =1
T1/ 2
2 77
=
Ti = 9.27 s
154 i =1
33
3 51
1
Ti + T52 = 9.28s
154 i =1
3
10 15
Ti + 0.4T16 = 9.34s
154 i =1
T1/100 =
100
(T1 + 0.54T2 ) = 8.70s
154
Pn =
n
N0 + 1
(3.19)
34
20
18
16
14
12
10
8
Probabilidad (%)
Nmero de olas
30
28
26
24
22
20
18
16
14
12
10
8
6
4
2
0
6
4
2
0
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
1.8
2.0
2.2
2.4
H (m )
100
150
140
130
120
110
100
90
80
70
60
50
40
30
20
10
0
90
80
70
60
50
40
Probabilidad (%)
Nmero de olas
30
20
10
0
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
1.8
2.0
2.2
2.4
H (m )
35
1.0
0.9
0.9
0.8
0.8
1.0
Probabilidad
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4
0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4
H (m)
H (m)
1
Ux =
N
Uy =
1
N
Ux
i =1
(3.20)
Uy
i =1
(3.21)
asemejarse a la direccin del viento; sin embargo, para determinarla a travs de las mediciones
temporales, se utilizan los datos de velocidades orbitales asociadas al oleaje. La metodologa para lograr esto se basa principalmente en utilizar los registros de Ux y Uy, junto
con el dato de brjula para determinar la orientacin del sistema de referencia del equipo.
En la fig 3.12, se muestra un esquema tipo de la ubicacin de un aparato de medicin
cerca de la costa, y se puede observar que los ejes que conforman el sistema de referencia
del aparato estn rotados con respecto al norte, este ngulo es el dato que normalmente se
almacena en la brjula y se emplea para obtener la direccin del oleaje respecto al norte.
A continuacin se presenta la metodologa recomendada para determinar la direccin
del oleaje a partir de datos temporales de velocidad:
1. Obtener las velocidades orbitales, Ux y Uy
2. Estimar los valores medios por registro
3. Dibujar ambas velocidades en el sistema de referencia del aparato XY
4. Rotar el sistema de referencia XY los grados que indica la brjula en el aparato
5. Determinar el sentido del oleaje de acuerdo con la posicin de la costa.
37
N
Ux (cm/s )
Uy (cm/s )
Comps ()
Orientacin del sistema de referencia del
aparato con respecto al Norte
Direccin predominante
respecto al Norte 130
Este-Sur-Este
S
Fig 3.13 Determinacin de la direccin a partir de las velocidades orbitales
En la fig 3.13 se presenta un ejemplo con datos medidos en las costas de Cancn,
Quintana Roo. Se puede observar que si se dibuja la correlacin entre los dos
componentes de velocidad (Ux y Uy), tal como aparece en la fig 3.13, se obtiene una
lnea de tendencia muy clara; sin embargo, de acuerdo con el resultado existen dos
probables sentidos que se pueden asociar al oleaje a partir de sus velocidades
orbitales, stos son este-sur-este y oeste-norte-oeste. El sentido, y por tanto la
direccin correcta, se conoce a partir de la posicin de la costa, que se encuentra del
lado izquierdo del Norte con una deflexin de 12 con respecto a ste.
38
8.7
(m)
8.6
8.5
8.4
8.3
8.2
0
100
200
Tiempo (s)
300
400
500
39
1.2
0.8
0.4
0.0
1.6
j1
Hc
0
25
50
75
100
125
150
Nmero de ola
La fig 3.15 es un esquema que define grficamente un conjunto de olas, su longitud, j1, y
el valor umbral que los define. Como se observa, los paquetes se delimitan de forma muy
parecida a como se define el periodo por medio del mtodo de pasos ascendentes por cero.
Existe otro mtodo para describir el agrupamiento del oleaje, mediante la envolvente
de energa del oleaje, que fue originalmente desarrollado por Funke y Mansard (1979).
Ellos proponen una funcin envolvente conocida como SIWEH (Smoothed instantaneous
wave energy history). Se seleccion este nombre para evitar confusiones con respecto a
otras energas del oleaje, pues cada palabra describe una caracterstica en particular, Historia
de energa de ondas instantnea suavizada; as, historia hace referencia a que se trata
de una funcin del tiempo, instantnea se refiere a que la energa est dada para un instante
determinado y suavizado implica una operacin de suavizado. Se define al SIWEH como
Tp
1
E (t ) =
2 ( t + ) Q1 ( )
T =Tp
para Tp t Tn Tp
(3.22)
2
2
E (t ) =
t (t + )Q1 ( )
Tp + t =
para 0 t Tp
(3.23)
para Tn Tp t Tn
(3.24)
T 1
E (t ) =
n
2
2 (t + )Q1 ( )
Tp + t =Tp
40
Q1 ( ) = 1
para Tp < Tp
Tp
Q1 = 0
(3.25)
GF =
GF =
1
Tn
m 0
m0
Tn
( E (t ) E )
(3.26)
(3.27)
1.50
1.00
0.50
0.00
-0.50
-1.00
-1.50
1.50
SI W E H (m 2 )
(m )
1.00
0.50
0.00
0
200
400
600
T iem p o (s)
800
1000
41
1200
(m)
SIWEH (m 2 )
1.50
1.00
0.50
0.00
-0.50
-1.00
-1.50
1.50
1.00
0.50
0.00
0
200
400
600
Tiemp o (s)
800
1000
1200
1.50
1.00
0.50
0.00
-0.50
-1.00
-1.50
1.50
SIW EH (m 2 )
(m)
1.00
0.50
0.00
0
200
400
600
Tiem p o (s)
800
1000
1200
Como puede observarse, a medida que el oleaje es ms regular, el factor de agrupamiento tiende a valores ms pequeos.
A manera de resumen, en la fig 3.19 se presenta un diagrama de flujo para llevar a
cabo la metodologa necesaria para realizar el anlisis temporal del oleaje.
42
Presin (m)
9.8
Seal de oleaje
9.6
9.4
9.2
200
400
600
Tiempo (s)
800
1000
Anlisis temporal
Discretizacin de la seal:
1. Pasos ascendentes
2. Pasos descendentes
3. Distancia entre crestas
4. Distancia entre valles
Evaluacin de parmetros y
velocidades orbitales
Ej. Hrms, Hs, Hmx, T, Tp, ux, uy
Determinacin de la
direccin del oleaje
Fig 3.19 Diagrama de flujo para el anlisis temporal de seales de oleaje sin
considerar la evaluacin del agrupamiento del oleaje
43
(4.1)
1
1
1
gH 2 = ga 2 = a 2
8
2
2
(4.2)
1
2S ( fi ) fi
2
(4.3)
con lo que la energa total del oleaje por unidad de superficie ser:
1
2 S ( f i ) f i
(4.4)
2 i
Si se representa la sumatoria como una integral, la energa total del oleaje por unidad
de superficie es expresada por:
Energa = S ( ) d
0
45
(4.5)
Se puede afirmar que el fenmeno queda perfectamente definido a travs del espectro
si se aceptan las hiptesis estadsticas que permiten estudiarlo. La precisin en el
clculo de la funcin de distribucin espectral es muy importante para la validacin
del estudio a travs de este tipo de anlisis. La eleccin del tratamiento al cual ser
sometida la serie es, en consecuencia, bastante subjetiva y en cada caso debe
estudiarse la resolucin espectral y el nivel de confianza que se desea tener para la
estimacin de los parmetros.
Para calcular los valores del espectro se utilizan las series de Fourier. A fin de
simplificar este procedimiento se utiliza la transformada rpida de Fourier (FFT)
(verbigracia, Bendat y Piersol, 1986), la cual reduce en gran medida el nmero de
operaciones necesarias para su obtencin; este algoritmo tiene como base la
propiedad de la transformada discreta de Fourier (DFT) que permite calcular la FFT
de una sucesin a travs de la DFT de subsucesiones ms cortas.
En la tabla 4.1 se presenta la metodologa para realizar un anlisis del oleaje bajo esta
perspectiva.
Para realizar un anlisis espectral adecuado es conveniente que los registros
contengan al menos 100 olas y que el intervalo de muestreo sea de una dcima a una
vigsima parte del periodo significante. Una vez seleccionado el intervalo de
muestreo, t, la frecuencia mxima, conocida como frecuencia de Nyquist, para la
cual el espectro es estimado se determina por la expresin:
fc =
1
2t
(4.6)
Espectro direccional
46
Media
Ec lineal
Ec parablica
Filtro espectral
De la misma forma que con el anlisis temporal, se debe llevar a cabo una correccin
del nivel medio, ya que si ste no es corregido se introducir en el espectro una
distorsin denominada efecto de solapamiento o aliasing. Si no existe influencia de
ondas largas, en principio la correccin se puede hacer con las mismas consideraciones
expuestas en la seccin 3.1.1.
Cuando se tiene un efecto de marea importante en el sitio, como es el caso de la
fig 4.1, es necesario implementar una correccin espectral del nivel medio, es decir
eliminar o filtrar la energa contenida en las frecuencias propias de la marea o en su
caso de ondas largas, normalmente menores de 0.02 Hz.
Para realizar el filtrado de ondas largas, se acepta que el oleaje est formado por una
suma de ondas sinusoidales, de manera que la superficie libre puede ser representada
por la ec 4.7:
N /2
( t ) = an cos ( 2 f nt ) + bn sin ( 2 f nt )
(4.7)
n =1
9.6
9.4
9.2
9
0
200
400
600
800
Tiem po (s)
47
1000
9.8
9.6
9.4
9.2
9
0
200
400
600
800
1000
Tiempo (s)
Cuando se realiza el anlisis armnico de Fourier a una seal, se asume implcitamente que la muestra es peridica, en otras palabras que dicha seal se repite desde hasta +. Para evitar las discontinuidades que se pudieran presentar al unir los
extremos de la seal, es comn que antes de hacer el anlisis armnico de un perfil de
ondas se realice una correccin a los datos que la conforman. Dicha operacin es
conocida como la aplicacin de una funcin ventana y se expresa como
(4.8)
donde b(t), se conoce como profundidad de peso, la cual se debe multiplicar por toda
la muestra a fin de reducir las oscilaciones en los extremos de la serie. Las ventanas
ms utilizadas son la trapezoidal y la cosenoidal, las cuales se expresan de la
siguiente forma:
a) Ventana tipo trapezoide
t*
l
b1 (t* ) = 1
N t
*
: 0 t* l
: l t* N l
: N l < t* N
48
(4.9)
1
t
2
l
b2 (t* ) =
1
: l t* N 1
1 1 cos ( N t* ) : N - 1 < t N
*
2
l
(4.10)
N 2
b ( t* ) dt*
1 0
(4.11)
b ( t ) dt
4
Si se aplica una ventana al registro, la energa total decrece y los valores espectrales
estimados son menores que los reales, por lo que deben multiplicarse por un factor de
correccin en el momento de evaluar la funcin de densidad espectral. Dicho factor
est dado por
N
N
b(t )
n =1
(4.12)
2
n =1
(t ) = a0 + an cos
2 nt
2 nt
+ bnsen
Tr
Tr
(4.13)
donde a0 expresa el valor del nivel medio, an y bn son los coeficientes de Fourier,
an bn, expresados como:
a0 =
1
Tr
2
an =
Tr
bn =
2
Tr
T /2
(t ) dt
T / 2
T /2
(t ) cos
2 nt
dt
Tr
(t )sen
2 nt
dt
Tr
T / 2
T /2
T / 2
n 1
n 1
(4.14)
n =
2 n
Tr
(4.15)
2
Tr
(4.16)
En la ec 4.16 se puede observar que entre mayor sea el periodo del registro, Tr, el
espacio se hace ms pequeo y los coeficientes de Fourier estarn menos separados.
50
1.5
Seal or iginal
1.0
(m)
0.5
0.0
-0.5
-1.0
-1.5
1.0
0.8
0.6
0.4
0.2
0.0
1.5
1.0
(m)
0.5
0.0
-0.5
-1.0
-1.5
40
80
t (s)
120
160 1120
1160
1200
t (s)
1240
1280
Fig 4.3 De arriba hacia abajo: seal original, funcin ventana tipo coseno y seal
despus de aplicarle la funcin ventana, respectivamente. De izquierda a
derecha, parte inicial y final, respectivamente, de las seales y funciones
51
2 nt
2 nt 2
(
t
)
cos
dt
cos
+
Tr
Tr
n =1 Tr
T / 2
T /2
T /2
(t ) sen
T / 2
2 nt
2 nt
dt sen
Tr
Tr
(4.17)
(t ) =
n =1
T /2
T / 2
n =1
T /2
(t ) cos n t dt cos nt +
T / 2
= 0 y = , por tanto,
d
d
(t ) =
(t ) cos t dt cos t +
(t ) sen tdt sen t
= 0
= 0
(4.19)
(t ) cos t dt;
1
B( ) =
2
(t ) sen t dt
(4.20)
(t ) = 2 A( ) cos t d + 2 B( ) sen t d
(4.21)
f (t ) dt <
(4.22)
la cual debe cumplirse para que la ec 4.21 sea cierta. Esta teora es vlida solamente
para funciones que tienden a cero cuando t , de forma que se satisfaga la
52
ec 4.22. Una integral de Fourier puede ser considerada como el lmite formal de una
serie de Fourier cuando el periodo tiende a infinito.
La manera ms frecuente de representar las ecs 4.20 y 4.21 es de forma compleja,
para lo cual es necesario hacer las siguientes consideraciones:
ei = cos + i sen
(4.23)
F ( ) = A( ) iB( )
(4.24)
(t )e
i t
dt
(4.25)
(t ) =
A( ) cos t d + B( ) sen t d
(4.26)
A( ) sen td = 0
(4.27)
B ( ) cos t d = 0
(4.28)
y de manera similar,
Si se suman las integrales 4.27 y 4.28 a la ec 4.26, sin que esto altere el valor (t),
despus de operar, se tendr:
(t ) =
F ( )ei t d = 2 F ( )ei t d
0
53
(4.29)
Las ecs 4.25 y 4.29 reciben el nombre de par transformado de Fourier, donde F() es
la transformada compleja de Fourier de (t). Es frecuente encontrar en la literatura
que la transformada de Fourier, ec 4.25, est expresada en funcin de la frecuencia, f,
en lugar de la frecuencia angular, (donde = 2 ), de la siguiente forma:
F( f ) =
(t )e
i t
dt
(4.30)
F ( j ) =
1 1
N 2
N 1
e
n =0
i j nt
j = 0,1, 2....N / 2
(4.31)
o considerando la ec 4.30,
F( f j ) =
1
N
N 1
e
n=0
i 2 f j nt
j = 0,1, 2....N / 2
(4.32)
j = 2 f j =
2 j 2 j
=
= 2 jf
T
N t
(4.33)
Una forma muy sencilla de calcular los coeficientes de Fourier, una vez corregido el
nivel medio, es como sigue:
Inicie con un valor de j = 0
Evale j =j
Calcule F( fj)
Incremente j en 1
Vuelva al paso 2 hasta que j = N/2
54
Dado que las componentes de Fourier son simtricas, F( fj) =F(-fj ), no es necesario
calcular las componentes para las frecuencias negativas.
Cuando se tiene un nmero de datos muy grande, este mtodo estndar de clculo
puede consumir mucho tiempo de cmputo, ya que el nmero de operaciones es del
orden de N 2. En la actualidad, este clculo se hace usando la tcnica de la
trasformada de rpida de Fourier (p ej, Newland, 1984, y Bendat y Piersol, 1986), sin
embargo, los algoritmos convencionales para su clculo presentan una limitacin en
cuanto a que la longitud del registro debe ser una potencia de 2, esto es, el nmero de
puntos N debe cumplir N = 2m. Por tanto, cuando se programan los aparatos de
medicin de oleaje se procura que los datos cumplan con esta restriccin, y en caso
contrario el nmero de datos es ajustado, ya sea eliminando el exceso de datos de la
parte inicial o final del registro o aadiendo los ceros necesarios al final del registro.
La adicin de ceros es normalmente realizada en la parte final del registro, despus de
la aplicacin de una ventana, en caso de que sta sea aplicada. El problema fundamental
de la adicin de ceros es que se reduce el nivel de la energa total. La correccin a
este problema se puede tratar de forma anloga al de la funcin ventana, b(t*) = 0,
para los valores que se encuentren ms all de la longitud original del registro.
S ( fn ) = 0
S ( fn ) =
2
1
2F ( fn )
2 f
para n = 0
para n = 1,...
(4.34)
N
2
(4.35)
f =
1
tmx
55
1
N t
(4.36)
= 2 f =
2
T
(4.37)
S ( ) d =
f1 + df
f1
S ( f ) df =
T1 + dT
T1
S (T ) dT
(4.38)
df =
dT =
d
2
(4.39)
(4.40)
se obtiene,
1 + d
S ( ) d =
f1 +
f1
d
2
S ( f ) df =
T1
T1
S ( 1 ) d = S f ( f1 )
2
d
2
S (T ) dT
d
2 d
= ST (T1 )
2
2
y por tanto, se pueden establecer las relaciones entre dichos espectros como:
56
(4.41)
(4.42)
S f ( f ) = 2 S ( 2 f )
(4.43)
2 2
S
T2 T
(4.44)
ST (T ) =
S ( ) =
Sf
2
2
2 2
= 2 ST
(4.45)
S ( ) d = S ( f ) df = S (T ) dT
(4.46)
0.50
(m )
0.25
0.00
1.0
2.0
3.0
-0.25
4.0
t (s )
-0.50
Fig 4.4 Seal discreta
Solucin: El intervalo de frecuencia f, se evala a travs de la ec 4.36,
f =
1
1
=
= 0.25 Hz
N t ( 8 )( 0.5 )
57
F ( f 0 = 0) =
1
N
8 1
e
n =0
i 2 f 0 nt
1
i 2 0Hz 0 0.5s
i 2 0Hz 1 0.5s
= ( 0.5 m ) e ( )( )( ) ( 0.5 m ) e ( )( )( )
8
8
n=0
= ( 0.1250 + 0.3018 i ) m
F ( f 2 = 0.50 Hz) = 0 m
F ( f 3 = 0.75 Hz) = ( 0.1250 + 0.0518 i ) m
F ( f 4 = 1.0 Hz) = 0 m
2
1
1
2F ( fn ) =
2 ( 0.1250 + 0.3018 i ) m
2 f
2 ( 0.25 Hz )
= 0.8536 m 2 / Hz
S ( f 2 = 0.5 Hz ) = 0 m 2 / Hz
S ( f 3 = 0.75 Hz ) = 0.1464 m 2 / Hz
S ( f 4 ) = 0 m 2 / Hz
1.00
S (m2/Hz)
0.75
0.50
0.25
0.00
0.00
0.25
0.50
0.75
58
1.00
f(Hz)
S ( f ) = S ( f* )W ( f* f )df*
(4.47)
W ( f )df
=1
(4.48)
)
S( f ) =
j =k + m
W( f
j =k m
f j )S ( f j )
(4.49)
)
1 ns
S ( f* ) = S n ( f j )
n n =1
(4.50)
W1 ( f j ) =
1
;
m
(m 1)
m
2
2
59
(4.51)
W2 ( f j ) =
1
W2
1
;
[ (m 1/ 2]
(m 1)
m
2
2
(4.52)
Filtro parablico
2
1
j
W3 ( f j ) =
;
1
W3 [ (m 1) / 2]
(m 1)
m
2
2
(4.53)
fB =
m
N t
(4.54)
Koopmans (1974) propone para los dems filtros, que los grados de libertad se
calculen a travs de la ec 4.55:
r=
2
n/2
j = ( m 1) / 2
(f )
(4.55)
Para los casos en que m sea grande, se aceptan las siguientes aproximaciones:
r 1.5m , para el filtro triangular
5
r m , para el filtro parablico
3
(4.56)
(4.57)
fB
3m
, para el filtro triangular
4 N t
(4.58)
fB
5n
, para el filtro parablico.
6 N t
(4.59)
mn = f n S ( f )df
(4.60)
m22
= 1
m0 m4
1/ 2
(4.61)
m m
= 0 2 2 1
m1
61
(4.62)
Otro parmetro que define la forma del espectro es el de agudeza de pico Qp,
propuesto por Goda (1970):
Qp =
2
2
m0
f ( S ( f ))
df
(4.63)
Goda (1985) seala que Qp es cercano a 2 para olas generadas por viento.
Para la estimacin del periodo medio de las olas a partir del espectro hay dos ecuaciones:
T01 =
T02 =
m0
m1
m0
m2
(4.64)
(4.65)
En cuanto a parmetros asociados con la superficie libre, se tienen las siguientes relaciones:
Variacin cuadrtica media de la superficie libre
rms = m0
(4.66)
H rms = 8m0
(4.67)
(4.68)
S(m2/Hz)
f (Hz)
S(m2/Hz)
f (Hz)
S(m2/Hz)
f (Hz)
S(m2/Hz)
0.05625
0.06250
0.06875
0.07500
0.08125
0.08750
0.09375
0.10000
0.10625
0.11250
0.00004
0.00214
0.02032
0.07476
0.16182
0.29755
0.62772
0.98125
0.73726
0.41829
0.11875
0.12500
0.13125
0.13750
0.14375
0.15000
0.15625
0.16250
0.16875
0.17500
0.27027
0.21033
0.17649
0.14983
0.12698
0.10745
0.09093
0.07705
0.06542
0.05570
0.18125
0.18750
0.19375
0.20000
0.20625
0.21250
0.21875
0.22500
0.23125
0.23750
0.04756
0.04074
0.03501
0.03019
0.02612
0.02267
0.01974
0.01725
0.01512
0.01329
0.24375
0.25000
0.25625
0.26250
0.26875
0.27500
0.28125
0.28750
0.29375
0.30000
0.01172
0.01036
0.00918
0.00816
0.00727
0.00650
0.00582
0.00522
0.00470
0.00423
1.
0.
S (m2/Hz)
0.
0.
0.
0.
0.
0.
0.
0.
0.
f (Hz)
m2
m0 = f S ( f i ) = ( 0.00625 Hz ) 0.00004
+
Hz
i =1
m2
m2
2
+
+
0.00214
...
0.00423
= 0.03141m
Hz
Hz
m2
m1 = f fi S ( f i ) = ( 0.00625 Hz ) ( 0.05625Hz ) 0.00004
+
Hz
i =1
( 0.0625Hz ) 0.00214
m2
m2
2
+
+
...
0.03Hz
0.00423
(
)
= 0.00374m Hz
Hz
Hz
63
m2
2
f i S ( fi ) = ( 0.00625 Hz ) ( 0.05625Hz ) 0.00004
+
Hz
m2 = f
i =1
m2
m2
2
( 0.0625Hz ) 0.00214 + ... + ( 0.03Hz ) 0.00423 = 0.00049m 2 Hz 2
Hz
Hz
m2
3
fi S ( f i ) = ( 0.00625 Hz ) ( 0.05625Hz ) 0.00004
+
Hz
m3 = f
i =1
( 0.0625Hz )
m2
m2
3
2
3
0.00214
+ ... + ( 0.03Hz ) 0.00423
= 0.00008m Hz
Hz
Hz
m2
4
4
m4 = f f i S ( fi ) = ( 0.00625 Hz ) ( 0.05625Hz ) 0.00004
+
Hz
i =1
( 0.0625Hz )
2
2
1/ 2
= 1
mm
4
1/ 2
m m
= 0 2 2 1
m1
m2
m2
4
2
4
+
+
0.00214
...
0.03Hz
0.00423
(
)
= 0.00001m Hz
Hz
Hz
1/ 2
0.00049m 2 Hz 2 )
(
= 1
( 0.03141m 2 )( 0.00001m 2 Hz 4 )
1/ 2
( 0.03141m 2 )( 0.00049m 2 Hz 2 )
=
1
2
2
0.00374m
Hz
(
)
0.03141m 2 )
(
m0
T01 =
=
= 8.41 s
m1 ( 0.00374m 2 Hz )
( 0.03141m )
2
m0
T02 =
=
m2
( 0.00049m Hz )
rms = m0 =
( 0.03141m ) = 0.177 m
= 7.99s
= 0.6591
( 0.03141m ) = 0.717 m
2
64
= 0.3294
2
Qp = 2
m0
f ( S ( f ))
df =
( 0.03141m )
2 2
m2
( 0.05625Hz ) 0.00004
+
Hz
m2
m2
( 0.0625Hz ) 0.00214 + ... + ( 0.03Hz ) 0.00423
Hz
Hz
= 3.2
Seal de oleaje
Presin (m)
1.5
0.0
-1.5
200
400
600
Tiempo (s)
800
1000
1200
Funcin ventana:
1. Trapezoide
2. Coseno
Estimacin de las
componentes de Fourier
(TRF)
Clculo de parmetros
espectrales
Estimacin de la direccin
del oleaje:
Espectro direccional
65
(4.69)
n =1
n 2 = gkn tanh(kn h)
(4.70)
66
2
n
= S ( f , ) dfd
(4.71)
S ( f , ) = S ( f ) D ( f , )
(4.72)
S( f )=
S ( f , ) d
(4.73)
D ( f , ) 0
D ( f , ) d =1
(4.74)
(4.75)
S ( f , ) =
2
2 k
S ( k , ) =
S ( kx , k y )
Cg
Cg
67
(4.76)
Consiste en
Sistemas de
un solo
punto
Arreglos de
sensores de
presin
Sistemas de
percepcin
remota
Ejemplos
1. Boya
2. Olmetro con
corrientmetro en dos
componentes
1. Radares de microondas
2. Satlite
3. Tcnicas de estreofotografa
68
Gmn ( f ) =
Rmn ( ) e i 2 f d
(4.77)
donde
Rmn ( ) =
1
T
Pm (t ) Pn (t + )dt
(4.78)
Debido a que el espectro cruzado es una cantidad compleja, a las partes reales Cmn( f )
se les denomina funciones de coincidencia espectral y a las imaginarias Qmn( f ),
funciones de cuadratura espectral.
4.7.5 Relacin entre el espectro cruzado y el direccional
Dentro del marco de la teora lineal y asumiendo que las diferentes fases asociadas a
los componentes del oleaje estn distribuidas de forma aleatoria sobre (0,2), se
obtiene la siguiente ec para el espectro cruzado en funcin del espectro direccional:
2
Gmn ( f ) = H m ( f , ) H m* ( f , )e
ik ( xn xm )
S ( f , ) d
(4.79)
Gmn ( f ) = E ( f ) H m ( f , ) H n* ( f , )e ik ( xn xm ) D ( f , ) d
0
(4.80)
H m ( f , ) = hm ( f ) cos m sen m
(4.81)
Los valores de hm, m y m dependen del tipo de seal que se tiene. En la tabla 4.4
(Frigaard, 1997), se presentan los valores que corresponden para dichas expresiones,
dependiendo del tipo de seal medida Pm(t).
En la tabla 4.4, la funcin (x,y, z, t) representa el potencial de velocidades para
oleaje monocromtico lineal, definido por:
( x, y , z , t ) = i
g H cosh ( k (h + z ) )
exp ( i (kx t ) )
cosh(kh)
2
70
(4.82)
0
D1MFM ( f , ) = ( s) cos 2 s
(4.83)
Pm
hm
H
exp(i (kx t ))
2
= [ik cos ]
x
ik
= [iksen ]
y
ik
1
g t
=
z =0
71
Pm
hm
Velocidad
(eje x)
ux =
cosh ( k (h + z ) )
cos
=
senh ( kh )
x
cosh ( k (h + z ) )
senh ( kh )
Velocidad
(eje y)
uy =
cosh ( k (h + z ) )
sen
=
senh ( kh )
y
cosh ( k (h + z ) )
senh ( kh )
senh ( k (h + z ) )
= i
senh ( kh )
z
senh ( k (h + z ) )
senh ( kh )
cosh ( k (h + z ) )
cosh ( k (h + z ) )
u x
= i 2
cos i 2
1
senh ( kh )
senh(kh)
t
cosh ( k (h + z ) )
cosh ( k (h + z ) )
= i 2
sen i 2
0
senh ( kh )
senh(kh)
t
Velocidad
(eje z)
uz =
=
t
z
Velocidad
vertical de la
superficie
Aceleracin
(eje x)
ax =
Aceleracin
(eje y)
ay =
Aceleracin
(eje z)
Aceleracin
vertical de la
superficie
= i
-i
z =0
u y
az =
u z 2 senh ( k (h + z ) )
=
senh(kh)
t
senh ( k (h + z ) )
senh ( kh )
2
= 2
2
t
-2
cosh ( k (h + z ) )
cos
senh(kh)
cosh ( k (h + z ) )
senh ( kh )
cosh ( k (h + z ) )
sen
senh(kh)
cosh ( k (h + z ) )
senh ( kh )
senh ( k (h + z ) )
senh ( kh )
Desplazamiento
(eje x)
x = u x dt = i
Desplazamiento
(eje y)
y = u y dt = i
senh ( k (h + z ) )
senh(kh)
Desplazamiento
(eje z)
z = u z dt =
Presin dinmica
cosh ( k (h + z ) )
P = = g
cosh
kh
(
)
72
cosh (k (h + z ) )
cosh (kh )
( s) =
22 s 1 ( ( s + 1) )
(4.84)
( 2 s + 1)
0 = Arg ( a1 + ib1 )
s=
r1
1 r1
(4.85)
Segundo orden
0 =
1
Arg ( a2 + ib2 )
2
s=
(4.86)
donde
rn = a n2 + bn2
Los coeficientes de Fourier, para la funcin de dispersin direccional se definen por:
2
an = D ( f , ) cos(n )d
0
bn = D ( f , )sen (n )d
0
(4.87)
(4.88)
Para sistemas de un solo punto es necesario calcular los coeficientes a1, b1, a2, b2, ya
que en stos se concentra toda la informacin disponible de la transformada de
Fourier. Las expresiones que los definen se presentan en las tablas 4.5 y 4.6.
Como se mencion en secciones anteriores, las expresiones Cmn( f ), que aparecen en
ambas tablas, hacen referencia a las funciones de coincidencia espectral, es decir a la
parte real del espectro cruzado entre las seales m y n, y las expresiones Qmn( f ), a la
parte imaginaria del mismo espectro; a estas ltimas se les denomina funciones de
cuadratura espectral.
73
Otro modelo comnmente usado para direcciones que caen en el intervalo determinado
por ( 0 ; 0 + ) es el Gaussiano, definido por:
D1 ( f , ) =
( 0 )2
1
exp
(4.89)
0 = Arg ( a1 + ib1 )
= 2Ln(r1 )
(4.90)
Segundo orden
0 =
1
Arg ( a2 + ib2 )
2
2Ln(r2 )
2
(4.91)
E(f)
a1(f)
b1(f)
C11
Q12
C11 (C 22 + C 33 )
Q13
C11 (C 22 + C 33 )
C11
Q12
C11 (C 22 + C 33 )
Q13
C11 (C 22 + C 33 )
Q12
C11 (C 22 + C 33 )
Q13
C11 (C 22 + C 33 )
Q12
C11 (C 22 + C 33 )
Q13
C11 (C 22 + C 33 )
Boya
; x ; y
Superficie libre y
corrientes 2D
; u x ( z ); u y ( z )
Presin y corrientes 2D
1
cosh (kh )
C11
p ( z ); u x ( z ); u y ( z )
g cosh (k (h + z ))
Tres desplazamientos
; x (0); y (0)
C11
Tres velocidades
u z ( z ); u x ( z ); u y ( z )
1 sinh (kh )
C11
sinh (k (h + z ))
Q12
C11 (C 22 + C 33 )
Q13
C11 (C 22 + C 33 )
Tres aceleraciones
a z ( z ); a x ( z ); a y ( z )
1 sinh (kh )
C11
sinh (k (h + z ))
Q12
C11 (C 22 + C 33 )
Q13
C11 (C 22 + C 33 )
[
[
74
a2(f)
b2(f)
C 22 C 33
C 22 + C 33
2C 23
C 22 + C 33
Modelos bimodales
Estos modelos son resultado de la combinacin lineal de dos modelos unimodales,
como los que se presentaron en la seccin anterior; de igual forma existen diversas
expresiones que pueden ser utilizadas. Como ejemplo se presenta la estimacin
bimodal basada en el modelo de Gauss:
D 2 MFG ( f , ) =
( 1 )
exp
2
2 1
2 1
1
( 2 )2
exp
+
; [ 0,1] (4.92)
2
2
2
1
mn ( f , ) Gmn ( f )
E ( f ) m ,n
75
(4.93)
Esta estimacin se relaciona con la funcin de dispersin angular normal, por medio
de la siguiente expresin:
(4.94)
(4.95)
donde
m,n
0
con D IMLM
( f , ) = D MLM ( f , ) (4.96)
Primer esquema
+1
i 1
D IMLM
( f , ) =
( f , )
con
= 1
1
iMLM
( f , )
D
( f , )
(4.97)
MLM
Segundo esquema
+1
( f , ) =
1
= D MLM ( f , ) iMLM
( f , )
con
(4.98)
76
77
79
En general, la superficie libre del oleaje deja de presentar una distribucin normal por
efectos tales como rotura del oleaje tanto en aguas profundas como someras y
someramiento, ya que las crestas se hacen ms acusadas y los valles menos profundos
y ms largos, por citar dos de los fenmenos ms importantes.
5.1.1 Distribucin normal de desplazamientos de la superficie libre
Siguiendo con el mismo esquema planteado, considrese ahora que la superficie libre
puede ser tratada como la suma de contribuciones de un gran nmero de ondas con
frecuencia m y direccin n (- n ) superpuestas de manera aleatoria; por
ejemplo
(5.1)
m2 = gk m tanh k m h
(5.2)
(5.3)
p ( ) =
1
2
80
( )2
2
2
(5.4)
1 = = p ( ) d
(5.5)
2 = =
2
( ) p ( ) d
2
(5.6)
var [ ] = m0 = S ( f ) df
(5.7)
Ambas notaciones (ecs 5.6 y 5.7) son frecuentemente utilizadas; por ejemplo, en
Massel (1996).
Si se expresa la ec 5.4 en su forma generalizada:
p ( ) =
1
2
donde
1
e 2
2
(5.8)
(5.9)
Puede demostrarse (Massel, 1996, y Ochi, 1998) que todos los momentos de orden
non son iguales a cero, mientras que los momentos de orden par cumplen con la
siguiente relacin:
2 n = {1 3 5 ( 2n 1)} 2 n
(5.10)
donde
=
n
( ) p ( ) d
n
(5.11)
m n =
p ( ) d
n
(5.12)
y, por tanto,
y
m n =
n
n
(5.13)
(5.14)
3
= m 3
3
(5.15)
4
3 = m 4 3
4
(5.16)
1 =
2 =
d
d
(5.17)
p ( ) =
rms 2
1 2
2
2
rms
(5.18)
83
1.60
p (1/m)
1.20
0.80
0.40
0.00
-1.50
-1.00
0.00
-0.50
0.50
1.00
1.50
(m)
2
m 5 10m 3
1 2 m 3
m 4 3
e
1
H
H
H 5 ( ) +
+
+
+
(
)
(
)
3
4
3!
4!
5!
2
(5.19)
m 6 15m 4 + 30
H 6 ( ) + ...
6!
p ( ) =
H 4 ( ) = 4 6 2 + 3
H 5 ( ) = 5 10 3 + 15
H 6 ( ) = 6 15 4 + 45 215
etc.
(5.20)
m 10 1
1 2 1
p ( ) =
e
1 + H 3 ( ) + 2 H 4 ( ) + 5
H 5 ( ) +
4!
5!
2
3!
m 6 15m 4 + 30
H 6 ( ) + ...
6!
(5.21)
1
2
1
2
3
8
3
= a cos + a k cos + a 3 k 2 cos 3 + ...
8
2
1
R 3
(5.23)
donde
2 13
A = N k ( 2 1) + ( k ) 3 2
8
2 39
B = N 1 2 k + ( k ) 2 2
8
R = 1+
2
9
k ) 2
(
4
N = 1 + ( k )
(5.24)
(5.25)
(5.26)
(5.27)
Para dar solucin a las ecs 5.24 y 5.27, el nmero de onda k es evaluado utilizando la
frecuencia de pico espectral fp y la profundidad local h.
Continuando con el ejemplo presentado en la fig 5.1, en la fig 5.2 se presenta una
comparacin entre la funcin de densidad de probabilidad medida, normal y la
desarrollada hasta el tercer orden, ec 5.23, con una frecuencia de pico espectral
fp = 0.1 Hz y a una profundidad local h = 2 m.
86
1.60
p (1/m)
1.20
0.80
0.40
0.00
-1.50
-1.00
0.00
-0.50
0.50
1.00
1.50
(m)
} (5.28)
e {erf A ( , ) + + erf A ( , ) } d
(5.29)
( )
donde
para >
0
a ( ) =
1/ 2
2 1 + 2
para <
k m0
87
(5.30)
(5.31)
A ( , ) = 1 +
= 1 + k 2 m0
2
2
(5.32)
(5.33)
88
1
1
1 2
1 2 (1 2 ) 2 2 x2
2 12
e dx
exp + (1 ) exp
2
2
(5.34)
donde
mx
(5.35)
m0
P ( mx ) =
mx
m0
1 2 mx
2 m0
P ( mx ) = 0
para mx 0
para mx < 0
89
(5.36)
(5.37)
Las ecs 5.36 y 5.37 definen la distribucin de Rayleigh. Para la segunda condicin
lmite, cuando el parmetro de anchura tiende a uno, se tiene una condicin
completamente distinta:
P( mx ) =
2
1 mx
1
e 2 m0
2m0
(5.38)
N O+ = N C+ NV+
(5.39)
N O = NV N C
(5.40)
NV+ = N C = rN C
(5.41)
Por tanto,
N O+ = N C+ NV+ = (1 r ) N C rN C = N C (1 2r )
(5.42)
(5.43)
Es claro que el nmero de crestas ser siempre mayor o igual que el nmero de cruces
con pendiente positiva, por tanto los valores lmite para r sern:
NC
1
N O+
r0
( 0 )
(5.44)
NC
N O+
1
2
( 1)
(5.45)
donde
2 = 4r (1 r )
(5.46)
Las ecs 5.44 y 5.45 definen los valores lmite para la anchura de la base del espectro,
y la proporcin de las crestas en un registro dado. El caso r = 0 se presenta si
N O+ = N C = N C+ NV+
(5.47)
91
Lado (+)
2
1
0
-1 0
10
20
30
40
50
-2
60
70
Lado (-)
-3
H
H H rms
p
e
=2
H rms
H rms
(5.48)
H2
2
H H rms
H 8 m0
p( H ) = 2
e
e
=
2
4m0
H rms
(5.49)
p ( 1 , 2 ) = 1 2 e
93
2 + 22
1
(5.50)
y2 = 1 2
(5.51)
y + y2
2
2 =
y y2
2
(5.52)
1 =
p ( y , y2 ) =
1
y
1
y2
y 2 + y2 2
1
2
y 2 y2 e
2 4
y2
2
y
y 2 + y2 2
1
2
= y 2 y2 e
8
(5.53)
p ( y) =
y2 y
y1
y1
y2 2
1 4 1 2
2
p ( y, y2 ) dy2 = e
y
y
e
2
8
y1
dy2
(5.54)
4
4
1 4
+ ( y 2) e
p ( y) = e
dy2
2 ye
4
0
(5.55)
P ( y ) = p ( y ) dy = 1 e
y2
2
y2 y
y2 2
1 4 1
ye
0 e
2
(5.56)
dy2
Las ecs 5.55 y 5.56 se pueden expresar tambin en forma dimensional como:
H2
H2
4 m
4 m
H2
1
H
2 Erf
p(H ) =
e 0 2
e 0 +
4 m0
m0
m0
94
2 m0
(5.57)
H 2
2m
P ( H ) = 1 e 0 +
2
H2
H 4 m0
e
Erf
m0
2 m0
(5.58)
donde u(u = y2/2) es una constante de integracin y la funcin error, Erf, est definida
como:
Erf ( X ) =
u2
(5.59)
du
1 2
p ( 1 , 2 ) = 1 22 I 0
1
2
e
2
1
1
(5.60)
=
2
132 + 14 2
m0
(5.61)
2 4 6
+
+
16 4
16 64
(5.62)
1 2
1 y 2 y2 2 1 2
4
2
p ( y , y2 ) =
I
y
y
e
(
)
0
2
1 2 4
8 1 2
95
(5.63)
p ( y) =
p ( y, y2 ) dy2 = 2 p ( y, y2 ) dy2
0
1
e
4
1 y2 y
2 1
y y2
1 2
2
I0
y y2 e
2
2
1
1 4
1 y 2 y2 2
4 1 2
(5.64)
dy2
P ( y ) = p ( y ) dy
(5.65)
Las ecs 5.64 y 5.65 son anlogas a las derivadas por Tayfun (1981), mismas que se
pueden expresar tambin en forma dimensional como:
1 H2
H 2 u 2
H
H 2 u 2 1
1 2 m0 1 2 H 2 u 2 1
p(H ) =
e
I
0 4m0 1 2 0 4m0 1 2 e
m0
4 m0 1 2
du
(5.66)
P ( H ) = p ( H ) dH
(5.67)
96
D en sid a d d e p r ob a b ilid a d
0.5
0.4
0.3
0.2
=
=
=
=
=
=
0
0.2
0.4
0.6
0.8
1.0
0.1
0.01
0.001
0.1
0
0
6
1/2
H/m 0
0.0001
10
0
10
H/m 01/2
p(H ) =
b
H
H
H
1+ n
1 n
a H 1n
H
(5.68)
donde
a=
4 1 +
b=
2a
1 n
(5.69)
(5.70)
97
p ( ) = b 1e
(5.71)
donde
H
H rms
(5.72)
b 1+ 2
2
= a 1 +
(5.73)
2
1 n
(5.74)
3 4
p ( ) = a1 e
2.055 3e
( 0.514 )
4
(5.75)
donde
a1 =
( 2 )
3/ 2
4 1 + 2 2
0.654
(5.76)
Pr obabilidad de e xcedencia
Densidad de p r obabilidad
n=0
n = 0.1
n = 0.2
n = 0.3
n = 0.4
n = 0.5
4
3
0.1
0.01
1
0
0.001
0
H/Hrms
H/Hrms
N u
p ( , N ) = uJ o
12
0
N
J o ( u ) du
1/ 2
4
N u
1 N
p ( , N ) = 1 cos
uJ o 1/ 2 J o ( u ) du
N
0 N 1/ 2
N 1/ 2 (2 N )1/ 2
(5.77)
(5.78)
7 2 k 2m
0
0
(5.79)
donde
H
H rms
(5.80)
2h
g
= k0 h tanh ( k0 h )
99
(5.81)
Pr obabilidad de excedencia
Densidad de p r obabilidad
N=5
N=6
N=8
N = 10
N = 20
N = 100
0.8
0.6
0.1
0.4
0.01
0.2
0
0.001
0
H /H rm s
H /H rm s
100
3h 2
p ( h, ) =
e
4 2 (1 2 ) 4 5
h 2 ( )4 2 2 2 2
( ) + 2 4
8 2
(5.82)
donde
H
h=
TC =
m0
T
TC
101
(5.83)
(5.84)
m2
m4
(5.85)
TC
Si 0.95 = 1
1
1+ 1 2
2
(5.86)
(5.87)
2
=
1 2
2
(5.88)
En este punto es conveniente mencionar que esta ecuacin fue obtenida midiendo el
periodo de ola entre cresta y cresta, TC, por lo que no sera correcto aplicarla a olas
definidas por el mtodo de pasos ascendentes por cero; sin embargo, Goda (1978)
seala que aun para este caso la distribucin da buenos resultados.
Haciendo
TC = T
T
T
y h=
(5.89)
m0
p( H , T ) =
T
H
e
4
5
4 2 m (1 ) TZ
3
TZ4
2 4
8 m0
H 2 2 TZ2
2 + 4 2
4
4
TZ TZ
3/ 2
0
(5.90)
a)
b)
H (m)
H (m)
T (s)
12
T (s)
12
2
2
2 R R 1+ 2 1
p( R, ) = 1/ 2 2 e
L( )
(5.91)
=
R=
T
T
(5.92)
(5.93)
2 2m0
1
1
1
= 1 + (1 + 2 ) 2
L( ) 2
T =
(5.94)
m0
= T01
m1
(5.95)
H T
p ( H , T ) =
3/ 2 2
e
8 2 m0 T
2
103
2
H2 1 T
1+ 2 1
8 m0 T
L( )
(5.96)
a)
b)
H (m)
H (m)
T (s)
12
T (s)
12
p( H ) =
L( ) H
8m0 e
H2
8 m0
H
Erfc
2 2m0
(5.97)
2
H
2
Erfc
e
=1
2 2m
0
0
2 m0
H
dH
(5.98)
104
p (T ) = 2.7
T3
T
T
0.675
T
(5.99)
2T012
2 2T012 + (T T01 ) 2
3/ 2
(5.100)
3/ 2
(5.101)
p (T ) =
3 2 T
2 2
2 T
T 2 4 2
2
1
2
3 / 2
(5.102)
105
1.00
MEDICIN
BRETSCHNEIDER
LONGUETT-HIGGINS (1983)
CAVANIE
0.80
0.60
0.40
0.20
0.00
0.00
3.00
6.00
9.00
12.00
T (s)
106
107
El crecimiento del oleaje est limitado tambin por la formacin de olas capilares, las
cuales obtienen energa de las crestas de ondas primarias con gran curvatura (Phillips,
1977). Es conveniente mencionar que la capa superficial de la corriente producida por
el esfuerzo cortante del viento incrementa la rotura de las olas, produciendo una gran
reduccin de su amplitud.
La presencia de cualquiera de los mecanismos anteriormente descritos es un indicador
de que se ha llegado al estado de saturacin de los componentes del oleaje, donde se
produce un balance entre la energa suministrada por el viento y las prdidas debidas a
la disipacin; dicho estado se caracteriza porque existe un lmite superior para la
densidad de la energa espectral. Debido a esto, el estado de saturacin debe ser
exclusivamente descrito por los parmetros fsicos locales que gobiernan la
configuracin extrema de las olas; por ejemplo, la aceleracin de la gravedad ( g), la
velocidad del viento sobre la superficie libre (U ), de la dimensin del fetch (x) y de la
frecuencia local ( f ).
6.2 Modelo de Phillips
Phillips (1958), al estudiar la variacin de la energa del oleaje en funcin de la
velocidad del viento, observ dicho estado de saturacin y determin que el espectro
puede ser definido a partir de los siguientes parmetros: la frecuencia, la gravedad, la
velocidad del viento y el fetch. Sin embargo, para tomar en consideracin el efecto de
saturacin en el espectro de energa hizo depender su modelo de dos parmetros:
la velocidad al cortante del viento
el fetch
ste es expresado por:
S ( f ) = g 2 f 5 (2 ) 4
(6.1)
108
2
m0
f 2
exp 3
f6
f p
f p5
(6.2)
1 g
6 U 10
(6.3)
(6.4)
donde U19.5 es la velocidad del viento a 19.5 metros sobre la superficie del mar.
Si se emplea la frecuencia de pico espectral, puede ser representado por
5 fp
4 f
5
S ( f ) = 8.1 103 g 2 (2 ) 4 f e
(6.5)
fp =
0.0805 g
Hs
109
(6.6)
Dado que normalmente la velocidad del viento se reporta sobre una altura de 10 m
sobre el nivel del mar, la siguiente relacin puede ser de mucha utilidad:
UW = U10 ( y /10)1/ 7
(6.7)
donde y es la distancia vertical sobre el nivel medio del mar (snmm) y U10 es la
velocidad a una altura de 10 m snmm.
6.2.3 Espectro de Bretschneider
Bretschneider (1959), asumiendo que un espectro es de banda estrecha y que las
alturas y periodos de ola individuales siguen una distribucin tipo Rayleigh, obtuvo la
siguiente expresin para su modelo espectral:
4
fs
f s4
S ( f ) = 0.1687 H 5 exp 0.675
f
f
2
s
(6.8)
donde fs = 1/ Ts.
De dicho modelo es posible deducir que
Ts = 0.946Tp
(6.9)
donde Tp es el periodo pico espectral. Esta expresin iguala el modelo al propuesto por
Pierson y Moskowitz.
Este modelo ha sido derivado para un estado de mar totalmente desarrollado. Sin
embargo, parece razonable que tambin pueda ser utilizado para estados de mar
parcialmente desarrollados. Las relaciones entre la altura de ola, periodo de ola y
velocidad del viento fueron presentadas por Bretschneider (1959) empricamente. Para
un estado de mar desarrollado,
gH s
= 0.282
2
Uw
(6.10)
gTs
= 6.776
Uw
(6.11)
110
gH s
= 0.226 (80%)
2
Uw
gTs
= 4.764
Uw
(6.12)
(6.13)
Ts =
2
0.226* ( 25.722m/s )
0.226U w
Hs =
=
= 15.24 m
g
9.81m/s 2
2
Ts (80% y 90%) =
Segundo, si ahora se utiliza la ec 6.8, pueden obtenerse los espectros de energa que se
representan en la fig 1.2.
111
700
Totalmente desarrollado
Parcialmente desarrollado (90%)
Parcialmente desarrollado (80%)
600
S (m 2/Hz)
500
400
300
200
100
0
0
0.1
f (Hz)
0.2
0.3
g2
S ( f ) = 5 F ( f , x)
f
(6.14)
donde
fu*
g
gx
x= 2
u*
f =
112
(6.15)
u* = 0 / a
(6.16)
(6.17)
donde C10 es el coeficiente de superficie de arrastre evaluado con una velocidad del
viento a 10 m de altura (sus unidades estn dadas en m/s),
(6.18)
La evaluacin del viento a cualquier altura puede hacerse a travs de la siguiente relacin
z
U z = U10 + u* ln
10
(6.19)
113
U10 propuesto
C10
u*
U19.5 calculado
20
0.0021
0.916515139
20.61207573
21
0.002165
0.977121
21.65255
21.5
0.002198
1.007866
22.17308
21.546
0.0022
1.01071
22.22098
fs
f
S ( f ) = 0.1107 H 5 exp 0.4427
f
f
2
s
(6.20)
(6.21)
m0 f 4 f 0
S( f ) =
e
f0 f0
(6.22)
donde
f0 =
1
1
=
T02
m0 / m2
114
(6.23)
fz
exp 0.318
(6.24)
f
S J ( f ) = S P ( f ) PM J ( f , f P , , )
f
p
(6.25)
donde
SP (f) es la ecuacin de Phillips dada por la ec 6.1
PM
f 4 f P
=e
fP
(6.26)
J = e
( f f )2
p
2 2 f 2
P
(6.27)
donde
A
B
115
fP f
fP > f
(6.28)
S ( f ) = g 2 f 5 (2 ) 4 e
5 f
4 fP
( f f )2
p
2 2 f 2
(6.29)
Los valores medios de los parmetros que se utilizan para generar el espectro
JONSWAP son los siguientes:
, conocido como el factor de forma pico del espectro, cuyo valor normalmente es
= 3.3.
, que representa el ancho de la base del espectro antes (A) y despus ( B) de la
frecuencia pico. Los valores mas habituales son A = 0.07 y B = 0.09.
, que se conoce como el factor de escala y est asociado con la energa total del
espectro. El parmetro es funcin directa del fetch y de la velocidad del viento,
como se puede observar en las siguientes expresiones:
()
= 0.076 x
0.22
(6.30)
De igual forma se ha observado que la frecuencia pico del espectro est relacionada
tambin con el fetch y la velocidad del viento, tal que:
g 0.33
f P = 3.5
( x)
U10
(6.31)
donde
x=
gx
U102
(6.32)
x = Fetch
U10 = Velocidad del viento a 10 metros sobre la superficie.
Goda (1988) deriv una expresin aproximada del espectro JONSWAP en trminos de la
altura de ola significante Hs y de la frecuencia de pico espectral fp,
5 f
4 fP
5
S ( f ) = BJ H s 2 f P 4 f e
donde
Bj =
( f f )2
p
2 2
2 f P
(6.33)
116
(6.34)
Ts
1 0.132 ( + 0.2 )
(6.35)
0.559
6.5m0 f
S( f ) =
f p f p
6.5
f
1.18
fp
5.5
(6.36)
S ( f ) = H s f m f p
m 1
m f
4 f p
(6.37)
Ts
1 0.283(m 1.5) 0.684
(6.38)
m0
Lp
sl =
(6.39)
m=
log
2 sl
(6.40)
log 2
3
2
2
2
log 2 ( sl ) coth ( k p h ) 1 +
2senh 2 k h
m=
para 1 < k p h
log 2
(6.41)
Mientras que
( 2 sl ) m
2
m 5
4
m 1
4
(6.42)
m 1
0.0624 1 + 0.7458 ( m + 2 )
=
m 5
m 1
4 4
1.057
(6.43)
S( f ) =
2 j =1
( j )
4 j + 1 f 0 j 4
exp
(6.44)
4 +1
4 f
( 2 f ) j
H sj2
(6.45)
1 = 2.72
2 = 1.82e H
/ 121.5
(H ) = tanh 2 (kh) 1 +
2kh
senh 2kh
(6.46)
donde h, es la profundidad del agua y kh puede obtenerse para cada H dado, mediante
119
h 2
H = 2 f
g
(6.47)
( 2 f )
= gk tanh kh
(6.48)
TMA
= S J ( H )
(6.49)
Goda advierte que este tipo de espectro debe utilizarse con reservas, ya que est
formulado para oleaje en crecimiento en el rea de generacin.
Ejemplo. En la fig 6.2 se presentan los resultados de evaluar el espectro TMA, ec 6.49,
4
h=2m
h=5m
h = 10 m
h = 25 m
h = 100 m
S (m 2/Hz)
0
0
0.1
0.2
f (Hz)
0.3
0.4
0.5
Fig 6.2 Comportamiento del espectro tipo TMA en funcin de la profundidad para
( Hs = 1.4142 m y Tp = 10 s)
120
(6.50)
G(f ; ) d = 1
(6.51)
G ( f ; ) = cos 2 s ( / 2 )d
mn
(6.52)
s mx ( f / f p )5 : f f p
s=
s mx ( f / f p ) 2.5 : f f p
(6.53)
Por otro lado, Briggs et al (1995) sugieren utilizar la funcin envolvente normal para
representar el efecto direccional. La representacin en series de Fourier se expresa como:
D(f, ) =
1 1
+
2
(n m )2
2
cos n( - m )
(6.54)
n=1
m = 0 + 1 (f - f p )
(6.55)
m = 0 + 1 (f - f p )
(6.56)
espectros se resumen en la tabla 6.2. El espectro utilizado es del tipo TMA (apartado
6.2.12).
122
Fig 6.3 Ejemplo de espectros con diferente anchura espectral y direccional y misma
energa y periodo de pico espectral
Smx
a
b
c
d
10
75
10
75
1
1
10
10
123
basadas en un espectro dado, S(fn). La superficie libre, (t), como una funcin del tiempo,
es expresada por
N/2
(6.57)
n 1
con
C n = [ 2 S ( f n ) f ]
1/ 2
f =
1
N t
(6.58)
(6.59)
(6.60)
n 1
( )
b = C sen ( )
n
an = Cn cos
n
n
(6.61)
(6.62)
Para calcular las fases aleatorias, n, se puede utilizar cualquier tcnica de generacin de
nmeros aleatorios uniformemente distribuidos entre (0 y 2); por ejemplo, la de
Williams (1993).
124
meteorolgica. Sin embargo, casi todos los esfuerzos han llevado a la sofisticacin de
modelos, que en trminos de ingeniera no son abordables. Entre los pocos esfuerzos
que escapan de esta filosofa se encuentran los trabajos desarrollados por Leenknecht
et al (1992) y Silva et al (2002).
El trabajo desarrollado por Leenknecht et al (1992) es un compendio de herramientas
muy tiles para la estimacin del oleaje generado por vientos geostrficos, de escala
planetaria, como puede ser el caso de los frentes fros que viajan de las zonas polares
hacia el trpico durante la poca del invierno. Mientras que para el caso especfico de
la generacin de oleaje por la presencia de circulaciones meteorolgicas cerradas que
se propaga sobre aguas tropicales o ciclones tropicales, el modelo Silva et al (2002)
ha probado ser muy confiable. De hecho, el modelo de Silva es un refinamiento de
una serie de trabajos previos desarrollados, entre otros, por Snchez et al (1998),
Silva et al (2000), Holland (1980) y Bretchsneider (1990).
Estos modelos pueden ser utilizados en combinacin con modelos de prediccin y
caracterizacin de oleaje (caps 5 y 6), dado que los modelos de prediccin
paramtricos que se abordarn en este captulo slo permiten estimar los valores ms
representativos de un estado de mar.
7.2 Modelo de prediccin de oleaje con vientos geostrficos
Esta seccin est basada en el trabajo desarrollado por Leenknecht et al (1992), al
cual se le han realizado una serie de modificaciones, particularmente en una serie de
parmetros que se apegan ms a la prediccin de valores reales.
7.2.1 Ajuste del viento
Con el fin de utilizar las ecuaciones que describen el desarrollo del oleaje, la
metodologa para adecuar las observaciones de velocidad del viento est basada en un
modelo idealizado de capa lmite planetaria, como se ilustra en la fig 7.1. Para
condiciones tpicas de latitud media, esta capa lmite planetaria existe solamente en
los kilmetros ms bajos de la atmsfera y contiene alrededor del diez por ciento de
la masa atmosfrica (Holton, 1979).
126
Regin geostrfica
Regin de Ekman
Regin de tensin
constante
Fig 7.1 Capa lmite atmosfrica idealizada sobre la superficie libre del agua
(Leenknecht, 1992)
En esta teora, se considera que en los niveles ms bajos el viento acta directamente
sobre la superficie del agua, en la cual existe una regin que presenta una zona de
tensin relativamente constante entre la interfase aire-agua. Esta capa de la superficie es
designada regin de tensin constante, consideracin que se supondr como permanente
de aqu en adelante. En la parte superior de la zona de tensin constante se localiza la
regin de Ekman, donde actan fuerzas adicionales como la de Coriolis, gradiente de
presiones, tensin viscosa, etctera. Finalmente, sobre la regin de Ekman, los
vientos geostrficos son considerados como el resultado del balance entre las fuerzas
ejercidas por el gradiente de presiones y las fuerzas de Coriolis para un sistema
sinptico de escala.
Para hacer uso de las ecuaciones que describen el desarrollo del oleaje, los vientos
observados son clasificados en seis categoras, como se muestra en la tabla 7.1.
Aunque se consideren seis categoras para los diferentes tipos de observaciones de la
velocidad del viento, por conveniencia, en la metodologa que se desarrollar en lo
subsiguiente, se considerarn slo dos casos separados: observaciones en la capa de
tensin constante y observaciones en la regin geostrfica. Los ajustes necesarios a la
velocidad del viento reportados por observaciones de barcos se llevan a cabo antes de
proceder a cualquier tipo de clculo. Para los casos en que el viento sopla desde tierra
y que son medidos en la lnea costera en direccin hacia el mar, se toman como
equivalentes los vientos observados en estaciones tierra adentro. Las caractersticas
complejas del viento causadas por friccin local o topografa accidentada obviamente
no se analizan en este captulo.
127
Accin inicial
Dominio de solucin
Ajustar
(m/s)
(7.1)
donde
U velocidad ajustada de la velocidad del viento basada en registros de barcos
Uobs observaciones de la velocidad del viento basada en registros de barcos.
Para los casos en que las observaciones de velocidades de vientos sean predominantemente sobre superficies en tierra, algunas veces se utilizan modelos similares al
de capa lmite para otros propsitos de prediccin. En este captulo, las siguientes
estimaciones son realizadas para estimar los vientos geostrficos, Vg, (unidades en el
sistema centmetros-gramos-segundos):
Vg =
U*
CD _ tierra
128
(7.2)
U* =
U obs
(7.3)
z
ln obs
z0
0.1639
(7.4)
Uz=
U* z
z
ln
z0
L '
(7.5)
con
C1 = 0.1525;
C2 =
0.019
;
980
C3 = 0.00371
(7.7)
L ' = 1.79
U *2
T
z
z
ln
L '
z0
=0
=C
(7.8)
|
z
L'
1 + u
= 1 u 3ln u + 2 ln
2
1 + u2
1
+
2
tan
ln
|
u
z
>0
L'
z
0
L'
(7.9)
1
1 18Ri1/ 4
(7.10)
z
1/ 4
(1 18Ri )
L'
(7.11)
u =
Ri =
T = 0
Sherlock (1996) sugiere un valor para la constante C = - 1.5, cuando se resuelva sobre
la condicin de regin de tensin constante. Para dar solucin a las ecuaciones
anteriores se debe de utilizar un mtodo iterativo, que normalmente converge muy
rpidamente. El criterio de convergencia () para U* y L est dado por
U 0.1(cm/s)
*
L ' 1(cm)
(7.12)
Las ecuaciones que describen la evolucin del oleaje, las cuales se presentan en los
siguientes apartados, requieren la velocidad del viento equivalente a una elevacin de
10 m sobre condiciones de estabilidad neutra (T = 0). Una vez resueltas las
ecuaciones en la regin de tensin constante para U*, la velocidad del viento
equivalente, Ue, se puede calcular fcilmente por medio de la ec 7.5, usando (U*,
z = 10 m, T = 0):
U e1000 =
U * 1000
ln
0
z0
130
(7.13)
uur
Vg
sen =
uur
( ) V
2
U
ln
= A ln uur* +
fz0
Vg
2
*
B2
(7.14)
BU *
uur
Vg
(7.15)
uur
donde Vg es el viento geostrfico, f la aceleracin de Coriolis, A y B funciones
adimensionales de estabilidad, que se pueden evaluar a travs de:
A = A0 + ( 7 A0 ) 1 e(
0.015 )
0.03
B = B0 B1 1 e( )
A = A0 0.96 + ln( + 1)
B = B0 + 0.7
(7.16)
>0
(7.17)
U *
(7.18)
fL '
uur
mientras que es el ngulo entre Vg y la tensin superficial.
Las ecs de la 7.14 a la 7.18 se resuelven simultneamente con las ecs 7.5 a 7.11, hasta
que se tiene una convergencia adecuada para U*, L y A. En la ec 7.7 se da un valor
de C2 = 0.0144/980 y de C = -7.0 en la ec 7.9. El criterio de convergencia usado para el
sistema iterativo en las ecuaciones antes mencionadas es como se indica a continuacin:
U 0.1(cm/s)
*
L ' 1(cm)
131
y A 0.1
(7.19)
(7.20)
Finalmente, es necesario evaluar los efectos del viento con duracin variable, ti, sobre
el crecimiento del oleaje. Para ajustar la velocidad del viento a una duracin de
inters se emplean las siguientes ecuaciones:
45
Ui
= 1.277 + 0.296 tanh 0.9 ln
U 3600
ti
Ui
= 0.15ln ti + 1.5334
U 3600
(7.21)
(7.22)
En primer lugar, se determina la velocidad de viento en una hora, U3600, (usando ti = tobs).
Luego, se estima la velocidad del viento (Ui) con la duracin requerida, seleccionando
la duracin deseada (ti) y usando la ecuacin apropiada.
7.2.2 Desarrollo del oleaje
Una vez estimada la velocidad del viento sobre la superficie de agua para la duracin
de inters, el objetivo se centra en hacer una estimacin del desarrollo del oleaje
causado por la accin del viento. Las ecuaciones simplificadas que describen el
crecimiento del oleaje ayudan a evaluar rpida y eficientemente el oleaje, tanto en
aguas profundas como en aguas someras. Las expresiones para mar abierto
corresponden a las presentadas en el Shore Protection Manual (1984) y en Vincent
(1984). Las expresiones para longitudes de fetch restringido en aguas profundas, se
132
encuentran en Smith (1991). Se debe hacer notar que la ley de arrastre (Garratt, 1977)
aqu empleada difiere de la presentada en el Shore Protection Manual. Las suposiciones
ms importantes al realizar cualquier clculo de las caractersticas del oleaje, contemplan
lo siguiente:
La velocidad del viento se mide a diez metros sobre el nivel del mar (z = 10 m)
Las condiciones son de estabilidad neutra (T = 0)
Los valores del coeficiente de arrastre son fijos (CD = 0.001).
Vincent (1984) sugiri que la velocidad del viento debe ser ajustada de forma que se
consideren los efectos no lineales que ejerce el esfuerzo cortante del viento, que son
los que generan el oleaje, por lo que se aplica la ley de arrastre presentada por Garratt
(1977):
= a CDU 2
(7.23)
CD = 0.001(0.75 + 0.067U )
(7.24)
CD
0.001
(7.25)
Norte
Punto de inters
Fetches radiales
Viento
Norte
Punto de inters
Viento
Fetch1
Fetch2
Fetchi
Oleaje
Fetchn
135
(7.26)
F 2/3
g 1/ 3U a1/ 3
(7.27)
Fetch restringido
t fetch = 5.
F 0.72
g 0.28U 0.44
a
136
(7.28)
U 2 gt
H = 0.0000851 a i
g Ua
U gt
T = 0.0702 a i
g U a
5/ 7
(7.29)
0.411
(7.30)
Fetch restringido
U 2 gt
H = 0.000103 a i
g Ua
U gt
T = 0.082 a i
g U a
0.69
(7.31)
0.39
(7.32)
U a2 gF
H = 0.0016
2
g Ua
(7.33)
1/ 3
U gF
T = 0.2857 a 2
g Ua
(7.34)
Fetch restringido
1/ 2
U 2 gF
H = 0.0015 a 2
g Ua
U gF
T = 0.3704 a 2
g Ua
137
(7.35)
0.28
(7.36)
(7.37)
U
T fd = 8.134 e
g
(7.38)
Fetch restringido
H fd
U e2
= 0.2433
U
T fd = 8.134 e
g
(7.39)
(7.40)
H m0 = mn (H , H fd )
(7.41)
T p = mn (T , T fd )
(7.42)
donde
g aceleracin de la gravedad
ti duracin del viento en las expresiones de duracin limitada
a = Ua cos () componente del fetch paralelo a Ua para la aproximacin de fetch
restringido
e = Ue cos () componente del fetch paralelo a Ue para la aproximacin de fetch
restringido
H altura de ola determinada por medio de las expresiones de duracin
limitada o fetch limitado
T periodo de ola determinado por medio de las expresiones de
duracin limitada o fetch limitado
Hfd altura de ola significante limitada por el criterio de espectro
totalmente desarrollado
138
H m0
0.5
0.0016
gF
0.75
0.283 U a2
gd
U a2
0.283 tanh 0.530 2 tanh
(7.43)
=
0.75
g
U a
gd
tanh 0.530 U 2
0.333
0.2857 gF
0.375
2
2
7.54 U a
gd
U
gd
U a
tanh 0.833 2
U a
(7.44)
H m0
0.5
0.0016 gF
0.75
2
2
0.283 U a
gd
U
(7.45)
= a 0.283 tanh 0.530 2 tanh
0.75
U a
gd
tanh 0.530 2
U a
139
0.28
0.3704 gF
0.375
2
2
7.54
U
gd
Ua
Tp = a 7.54 tanh 0.833 2 tanh
0.375
gd
U a
tanh 0.833 2
U a
(7.46)
Pr = P0 + ( PN P0 ) e R / r
(7.47)
U R = 21.8 PN P0 0.5 fR
(7.48)
140
(7.49)
y = aX + bX 2 + cX 3 + dX 4
(7.50)
X 0
X >0
N c 0.005
N c > 0.005
2
V cos ( + )
6.69 N C
H s = 0.2887 FH 1
R ( PN P0 ) 1 + F
2
2U R FV
1 + 10.3 N C - 3.25 N C
141
(7.51)
(7.52)
N c > 0.06
a=
b=
c=
El periodo de ola asociado a la altura de ola significante puede ser estimado a travs
de la siguiente ecuacin:
Ts = 12.1 H s g
(7.53)
(7.54)
(7.55)
142
(7.56)
143
(8.1)
Cap
FSc
(8.2)
Mx (C op C ap ) 0
(8.3)
Mx (C op ) < Mn (C ap )
(8.4)
147
de que estos valores son los nicos que afectan directamente la falla de cualquier
sistema dado.
8.2 Excedencias
En muchas situaciones, se est interesado en los eventos asociados con las excedencias
de ciertos valores de la variable en estudio. Por ejemplo, si una ola destruye un
rompeolas, no importa si mide 10 o 20 m, ya que los daos causados no estn en
funcin de su magnitud sino del hecho de que excede el estado lmite de falla.
Generalmente se conoce cules son los valores crticos de una altura de ola y su nico
inters es conocer la frecuencia con la que ocurren las excedencias de dichos lmites.
Al concepto de excedencia va siempre asociado al de umbral, ya que la primera nunca
se presentar si el valor de la variable en estudio no rebasa el umbral definido, es
decir un lmite de falla.
Un problema prctico importante es el siguiente: Supngase que se han realizado n
observaciones independientes y que se est interesado en determinar la probabilidad
de que, en las prximas N observaciones, se produzcan r excedencias de la
observacin que ocupa el lugar emsimo ms grande de las n observaciones pasadas.
Se puede demostrar que el nmero de estas excedencias, r, es una variable aleatoria
con media:
1
Nm
n +1
(8.5)
y varianza
2 (n, m, N ) =
Nm(n m + 1)( N + n + 1)
(n + 1) 2 (n + 2)
(8.6)
2 (n = 50, m = 1, N = 25) =
( 25)(1) = 0.4902
50 + 1
Ejemplo. Las alturas de ola mximas registradas en una cierta localidad en los ltimos
50 aos estn dadas en la tabla 8.1. Elegir la altura de diseo para que se tenga una
media de dos excedencias en los prximos 25 aos.
TABLA 8.1 ALTURAS DE OLA MXIMAS ANUALES EN UNA
CIERTA LOCALIDAD
Alturas de ola, en metros
4.84
5.29
5.89
5.90
6.06
6.32
6.58
6.61
6.73
7.03
7.05
7.12
7.18
7.19
7.21
7.30
7.30
7.43
7.50
7.60
7.64
7.71
7.78
7.85
7.89
8.06
8.07
8.10
8.14
8.21
8.21
8.31
8.52
8.56
8.58
8.77
8.94
9.01
9.12
9.20
9.66
9.75
9.86
10.03
10.09
10.15
10.38
10.51
10.59
10.80
r (50, m, 25) =
25m
2m=4
51
lo que muestra que debe elegirse el valor que ocupa el cuarto lugar, empezando por el
extremo derecho, es decir, 10.38 m.
8.3 Periodos de retorno
Supngase ahora que un determinado suceso (fallo de una estructura, excedencia de
una altura de ola, etctera) es tal que su probabilidad de ocurrir en un periodo de
149
tiempo (normalmente un ao) es p y que las ocasiones de que dicho suceso ocurra en
periodos diferentes no superpuestos son independientes. Entonces, al paso del tiempo
se tiene una sucesin de experimentos Bernoulli idnticos (solo dos resultados: ocurre
o no ocurre el suceso). Por ello, el tiempo que transcurre hasta la primera vez que
ocurre es una variable geomtrica Ge( p), con media 1/p. Esto motiva la siguiente
definicin (Castillo, 1987): Sea A un suceso y T el tiempo aleatorio que transcurre
entre ocurrencias sucesivas de ese evento. Al valor medio, , de la variable T se
llama periodo de retorno A, es decir que es el tiempo medio que tarda en retornar ese
suceso. Ntese que una obra falla si y slo si ocurre el suceso A, entonces su vida
media coincide con el periodo de retorno A.
La importancia del periodo de retorno en ingeniera estriba en que muchos criterios
de diseo estn basados en este concepto, es decir, se debe disear una obra para
resistir una media de N aos (normalmente 50, 100 o 500 aos)
Si F(x) es una funcin de distribucin del mximo anual de una variable aleatoria X,
el periodo de retorno del suceso (X > x) es 1/(1-F(x)) aos. Similarmente, si F(x) es la
funcin de distribucin del mnimo anual de una variable aleatoria, X, el periodo de
retorno del suceso (X < <} es 1/F(x) aos. Adems, la probabilidad de que el suceso
ocurra antes del periodo de retorno es
F ( ) = 1 (1 p ) = 1 (1 p )1/ p
(8.7)
x 75
F ( x) = exp exp
20
50 =
1
= 1.03;
1 F (50)
100 =
1
= 4.01
1 F (100)
150
150 =
1
= 43.02
1 F (150)
Esto significa que los vientos mximos anuales de 50, 100 y 150 km/h ocurren en
media cada 1.03, 4.01 y 43.02 aos, respectivamente.
Ejemplo 2. Si un dique se disea para resistir una media de 50 aos y si se sabe por la
experiencia pasada que la altura de ola mxima anual (en metros) sigue una
distribucin del tipo:
H 7.5
F ( H ) = exp exp
3.5
F (H ) =
49
= 0.98
50
1
H = 7.5 3.5ln ln
= 21.16m
0.98
8.4 Valores caractersticos
Si el suceso A consiste en las excedencias del nivel x de la variable X, se puede
escribir A(x) en vez de A, y entonces p se transforma en p(x) = 1 - F(x) y
( x) =
1
1 F ( x)
(8.8)
En este caso, el valor esperado del nmero de sucesos A(x) en n periodos es (media de
la variable bimodal)
n[1 F ( x)]
(8.9)
Un inters especial tiene el nivel x que conduce a una media de valor unitario. Este
valor es el llamado valor caracterstico de ese periodo, que se define de la siguiente
forma: Se dice que un valor un es el valor caracterstico para mximos de un periodo
de duracin n si el valor medio del nmero de excedencias de ese valor en dicho
periodo es unitario. Ntese que este valor verifica la ecuacin
151
1
n
(8.10)
1
n
(8.11)
1
1 F (un ) = 1 1
n
(8.12)
H 7.5
F ( H ) = exp exp
3.5
Solucin: Por tanto, segn la ec 8.10, el valor caracterstico para mximos de la altura
de ola mxima anual en una dcada es la solucin de la ecuacin
F (u10 ) = 1
1
= 0.9
10
1
H = 7.5 3.5ln ln
= 15.38m
0.9
8.4.1 Estadsticos de orden
Las distribuciones de valores extremos no pueden ser totalmente entendidas si no se
establece una completa comprensin del concepto estadstico de orden, ya que este
concepto es la base sobre la cual se sustenta la teora de dichas funciones.
Para entender el concepto de estadstico de orden, considrese una muestra
procedente de una poblacin (X1, X2,...,Xn). Si los valores de la secuencia X1, X2,...,Xn
se ordenan de forma creciente de magnitud, X 1:n X 2:n ... X n:n , entonces el
miembro errsimo de esta nueva secuencia se denomina estadstico de orden r de la
muestra dada. Ntese que el tamao de la muestra, n, se incluye en la notacin X r:n ,
y que cualquier estadstico de orden debe tener asociado un tamao de muestra.
152
(8.13)
Ln ( x) = P [Wn x ] = 1 [1 F ( x) ]
153
(8.14)
(8.15)
0 si F ( x) = 0
n
lim Ln ( x) = lim1 [1 Fn ( x) ] =
n
n
1 si F ( x) 1
(8.16)
;
;
(8.17)
x
(8.18)
Encontrar condiciones bajo las cuales se verifican las ecs 8.17 y 8.18.
Dar reglas para construir las sucesiones an, bn, cn y dn.
Encontrar qu distribuciones pueden ocurrir como H(x) y L(x).
Los nicos tres tipos de distribuciones para mximos y mnimos no degeneradas, H(x)
y L(x), que satisfacen a las ecs 8.17 y 8.18, respectivamente, son Frechet, Weibull y
Gumbel.
154
Frechet
H ( x; , , ) = exp
x
L( x; , , ) = 1 exp
x
(8.19)
(8.20)
Weibull
x
H ( x; , , ) = exp
x
L( x; , , ) = 1 exp
(8.21)
(8.22)
Gumbel
x
H ( x; , ) = exp exp
x
L( x; , ) = 1 exp exp
(8.23)
(8.24)
Las tres distribuciones lmites (ecs 8.19, 8.21 y 8.23, y 5.28 a 5.30) pueden incluirse
simultneamente en la siguiente expresin analtica:
1/ c
x
H c ( x; , ) = exp 1 + c
x
1+ c
0
(8.25)
( x )
H 0 ( x; , ) = exp exp
155
< x <
(8.26)
Similarmente, las tres distribuciones lmites (ecs 8.20, 8.22 y 8.24) pueden ser
incluidas en la forma de Von-Mises:
1/ c
x
Lc ( x; , ) = 1 exp 1 + c
x
1+ c
0 (8.27)
donde para c > 0, c < 0 y c = 0 se obtienen las familias de Frechet, Weibull y Gumbel,
respectivamente. Para c = 0 se tiene:
( x )
L0 ( x; , ) = 1 exp exp
< x <
(8.28)
Castillo (1987) presenta de manera resumida los dominios de atraccin para mximos
y mnimos de las distribuciones ms comunes, en la tabla 8.2.
Dominio de atraccin
Mximos (M)
Gumbel
Gumbel
Gumbel
Gumbel
Gumbel
Gumbel
Gumbel
Weibull
Weibull
Gumbel
Frechet
Frechet
Mnimos (m)
Gumbel
Weibull
Gumbel
Weibull
Gumbel
Gumbel
Weibull
Weibull
Gumbel
Weibull
Frechet
Weibull
= g ( x)
= h( y )
(8.29)
F ( x; )
(8.30)
la cual, al ser transformada por la ec 8.29, se convierte en una familia de lneas rectas.
En particular, si F ( x; ) , se puede escribir como
y = F ( x; ) = h 1 ( ag ( x) + b ) h( y ) = ag ( x) + b
(8.31)
= a + b
(8.32)
157
ln 1 +
c( ) c
;
= ln ln exp 1 +
=
c ( )
1 +
0
(8.33)
donde y son la ordenada y la abscisa.
Derivando con respecto a dos veces, se obtiene
'=
'' =
1
c( )
1 +
(8.34)
c
c( )
1 +
(8.35)
Ntese que cuando c < 0, tiende a infinito, y si c > 0, a cero. Este hecho es muy
til en la identificacin de los dominios de atraccin de Weibull y Frechet, pues
muestran pendientes verticales y horizontales en el extremo de inters, respectivamente.
Ntese, tambin, que puede tender a cero o infinito para distribuciones tipo
Gumbel, si 0 o , respectivamente. Tambin se tiene
158
Autor
i
n +1
x( i ) ,
i 3/8
n + 1/ 4
Blom (1962)
x( i ) ,
i 1/ 2
n
Hazen (1930)
i 0.44
n + 0.12
Gringorten (1963)
x( i ) ,
x(i ) ,
159
x
y = H ( x; , ) = exp exp
(8.36)
Al tomar logaritmos dos veces de 1/y y en comparacin con las ecs 8.29 y 8.31, se
tiene
= g ( x) = x
1
= h ( y ) = ln ln = ln ln ( y )
y
(8.37)
tal que
= a + b =
(8.38)
donde
a=
b=
(8.39)
= 1, resulta que
0 = =
1=
= +
(8.40)
(8.41)
Cuando se trabaja con toda la muestra completa, una posibilidad para estimar los
parmetros de la distribucin de Gumbel es realizarla a partir de la media y la
desviacin estndar de la muestra, respectivamente:
= x + 0.5772
sx 6
160
(8.42)
(8.43)
Sin embargo, en ocasiones, cuando interesa trabajar slo con parte de los datos, otra
alternativa es encontrar los parmetros a y b a travs de un ajuste por mnimos
cuadrados, tal que
N
a=
N Datos xk k xk k
k =1
k =1
k =1
2
N Datos xk xk
k =1
k =1
N
b=
k =1
k =1
a xk + k
(8.44)
(8.45)
N Datos
donde NDatos son el nmero de datos con el cual se ajustan los valores de a y b.
En las ecs 8.44 y 8.45, los valores de xk corresponden a la funcin discreta que se
quiere ajustar y k es su probabilidad asociada calculada con cualquiera de las
ecuaciones que aparecen en la tabla 8.3.
Para el caso de la distribucin de Gumbel para mnimos, se puede hacer la siguiente
transformacin:
x
L( x; , ) = 1 exp exp
= g ( x) = x
= h ( y ) = ln ln (1 y )
(8.46)
(8.47)
tal que
= a + b =
a=
b=
(8.48)
(8.49)
= 1:
0 = =
1=
= +
161
(8.50)
(8.51)
Por tanto, las ecs 8.44 y 8.45 pueden tambin ser usadas para el caso de mnimos,
siempre y cuando se respete la transformacin realizada.
Ejemplo. Siguiendo el ejemplo de los datos presentados en la tabla 8.1, ajustar con la
distribucin de probabilidad para mximos de Gumbel.
Solucin: Utilizando la formula para punteo de Hazen, se calculan las probabilidades
asociadas a cada valor y se evala la variable reducida, k (tabla 8.4).
Ahora se calculan las diferentes sumatorias, tal que
N
xk = 467.07 ;
k =1
k = 31.46 ;
k =1
xkk = 407.97 ;
k =1
k =1
= 4181.49
Si se sustituyen estos valores en las ecs 8.44 y 8.45, se obtiene: a = 0.63 m-1, b = -4.79,
y en la ec 8.39, = 1.58 m y = 7.59 m. La fig 8.1 presenta grficamente el resultado.
Al emplear el mtodo de los momentos para estimar los parmetros de la distribucin,
se obtienen los siguientes valores: = 1.56 m y = 7.59 m.
xk
xk
xk
0.009
0.027
0.045
0.064
0.082
0.100
0.118
0.136
0.155
0.173
0.191
0.209
0.227
0.245
0.264
0.282
0.300
0.318
-1.55
-1.28
-1.13
-1.01
-0.92
-0.83
-0.76
-0.69
-0.62
-0.56
-0.50
-0.45
-0.39
-0.34
-0.29
-0.24
-0.19
-0.14
4.84
5.29
5.89
5.90
6.06
6.32
6.58
6.61
6.73
7.03
7.05
7.12
7.18
7.19
7.21
7.30
7.30
7.43
0.336
0.355
0.373
0.391
0.409
0.427
0.445
0.464
0.482
0.500
0.518
0.536
0.555
0.573
0.591
0.609
0.627
0.645
-0.09
-0.04
0.01
0.06
0.11
0.16
0.21
0.26
0.31
0.37
0.42
0.47
0.53
0.58
0.64
0.70
0.76
0.83
7.50
7.60
7.64
7.71
7.78
7.85
7.89
8.06
8.07
8.10
8.14
8.21
8.21
8.31
8.52
8.56
8.58
8.77
0.664
0.682
0.700
0.718
0.736
0.755
0.773
0.791
0.809
0.827
0.845
0.864
0.882
0.900
0.918
0.936
0.955
0.973
0.991
0.89
0.96
1.03
1.11
1.18
1.27
1.36
1.45
1.55
1.66
1.78
1.92
2.07
2.25
2.46
2.72
3.07
3.59
4.70
8.94
9.01
9.12
9.20
9.66
9.75
9.86
10.03
10.09
10.15
10.38
10.51
10.59
10.80
11.57
12.02
12.19
13.55
15.14
162
0.995
0.98
0.95
0.9
0.8
Pr obabilidad
0.99
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.05
0.02
0.01
0
-1
0.001
10
12
14
16
xk (presin mbs)
44
45
46
47
48
49
50
51
52
53
0.821
0.840
0.858
0.877
0.896
0.915
0.934
0.953
0.972
0.991
0.542
0.604
0.671
0.741
0.818
0.903
1.000
1.116
1.271
1.540
950.00
947.00
945.00
942.00
939.00
936.00
932.00
927.00
920.00
910.00
0.999
1.80
1.60
1.40
0.975
1.20
Pr obabilidad
0.99
0.95
1.00
0.9
0.80
0.88
0.86
0.84
0.82
0.8
0.60
900
920
940
960
k = 44
53
= 9348 ;
k = 44
= 9.206 ;
53
k = 44
= 8569.13 ;
53
k = 44
= 8739968
Si se sustituyen estos valores en las ecs 8.44 y 8.45, se obtiene: a = -0.0248 mbs-1,
b = 24.138, y en la ec 8.49, = 40.262 mbs y = 971.864 mbs. La fig 8.2 ilustra el
resultado obtenido.
x
y = F ( x; , , ) = exp
;
164
< x
(8.52)
x
log log ( y ) = log
= log ( x ) + log
(8.53)
= g ( x ) = log ( x )
= h ( y ) = log log ( y )
(8.54)
y
a=
b = log
(8.55)
= a + b = ( + log )
(8.56)
Para determinar a y b, se pueden utilizar las siguientes ecuaciones, las cuales han sido
deducidas mediante la tcnica de mnimos cuadrados:
N
a=
N Datos k k k k
k =1
k =1
k =1
N Datos k k
k =1
k =1
N
b=
(8.57)
a k + k
k =1
N Datos
k =1
(8.58)
Se debe notar que la escala () coincide con la del papel probabilstico de Gumbel;
sin embargo, la gradacin ( ) se encuentra en este caso en escala logartmica en lugar
de aritmtica. Se puede observar que la distribucin de Weibull depende de tres
parmetros, uno ms que la distribucin de Gumbel, ste es el parmetro umbral ,
que es desconocido y el cual normalmente no se puede inferir a travs de fenmenos
fsicos. Para la estimacin de , se recomienda representar grficamente los datos con
un parmetro umbral propuesto que satisfaga la condicin dada por la ec 8.52 y
165
1 = ( + log ) =
(8.59)
log
(8.60)
x
y = L( x; , , ) = 1 exp
(8.61)
= g ( x ) = log ( x )
= h ( y ) = log log (1 y )
(8.62)
b = 8.90,
= 3.47
y = 13.01 m
b = 48.81,
= 14.12
y = 31.74 m
b = 205.52,
= 45.50
y = 91.53 m.
166
= 40 m
= 100 m
16
17
18
19
20
21
22
23
24
25
10.0
10.2
10.5
10.9
11.2
11.6
12.2
12.9
13.9
16.0
0.62
0.66
0.70
0.74
0.78
0.82
0.86
0.90
0.94
0.98
0.74
0.88
1.03
1.20
1.39
1.62
1.89
2.25
2.78
3.90
-2.30
-2.28
-2.25
-2.21
-2.17
-2.13
-2.05
-1.96
-1.81
-1.39
-1.70
-2.00
-2.32
-2.65
-3.03
-3.44
-3.89
-4.41
-5.03
-5.41
5.30
5.21
5.07
4.88
4.73
4.53
4.22
3.84
3.27
1.92
-3.40
-3.39
-3.38
-3.37
-3.36
-3.35
-3.33
-3.30
-3.26
-3.18
-2.51
-2.98
-3.49
-4.05
-4.68
-5.41
-6.29
-7.43
-9.08
-12.40
11.57
11.52
11.45
11.36
11.29
11.20
11.06
10.89
10.64
10.10
17.68
Probabilidad
0.990
0.985
4.5
4
3.5
3
2.5
2
1.5
1
= 20
0.975
0.950
0.900
0.800
0.700
0.600
9.3
10.3
11.6
-2.2
13.2
-2
H (m)
-1.8
14.5
15.5
-1.6
16.1
16.5
-1.4
Los resultados correspondientes se presentan en las figs 8.3, 8.4 y 8.5, respectivamente.
Para evaluar las distribuciones Frechet para mximos y mnimos, se sigue un proceso
anlogo al presentado aqu para la distribucin de Weibull.
167
Probabilidad
0.990
0.985
0.975
4.5
4
3.5
3
2.5
2
1.5
1
= 40
0.950
0.900
0.800
0.700
0.600
9.7 10.5
-3.40
11.5
12.9
-3.35
-3.30
14.3
15.5
16.4 17.1
-3.25
-3.20
-3.15
H (m)
Probabilidad
0.990
0.985
0.975
4.5
4
3.5
3
2.5
2
1.5
1
= 100
0.950
0.900
0.800
0.700
0.600
9.8 10.5
11.4
12.9
H (m)
14.3
15.6
16.5 17.3
Fig 8.5 Resultado del ajuste de Weibull para mximos = 100 m, a = 45.50,
b = 205.52, = 45.50 y = 91.53 m
8.9 Anlisis de rgimen medio
La funcionalidad de una obra o la caracterizacin de muchos procesos en la ingeniera
oceanogrfica suele definirse a partir del rgimen medio de oleaje expresando, para
un determinado umbral de altura de ola significante (Hs), el nmero medio de horas al
ao en que se supera dicha condicin.
168
10
8
Di+1
Hs (m)
6
4
Di
2
0
0
50
100
150
200
250
300
Tiempo (horas)
169
9. REFERENCIAS
Airy, G B (1845), Tides and waves, Encycl Metrop, Art 192, 241-396
Aristteles (1996), Acerca del cielo; Meteorolgicos, Gredos, Madrid, 430 pp
Battjes, J A (1971), Run-up distributions of waves breaking on slopes, Jour Wat, Port,
Coast and Oce Eng, 97, 91-114
Bendat, J S P, y Piersol, A G (1986), Random data, John Wiley & Sons, Nueva York, 556 pp
Benoit, M (1992), Practical comparative performance survey of methods used for
estimating directional wave spectra from heave-pitch-roll data, Proc 23rd Int Conf on
Coastal Eng, ASCE, Venecia, Italia
Bitner, E M (1980), Nonlinear effects of the statistical model of shallow-water wind
waves, Appl Ocean Res, 2(2), 63-73
Blom, G (1962), Nearly best linear estimates of locations and scale parameters, S G,
34-46
Bouws, E, Gnther, H, Rosenthal, W, y Vincent, C L (1985), Similarity of the wind wave
spectrum in finite depth water 1 spectral form, Jour Geoph Res, 90(C1), 975-986
Bretschneider, C L (1959), Wave variability and wave spectra for wind-generated gravity
waves, Beach Erosion Board, US Army Corps of Engineers, Washington, DC
Bretschneider, C L (1990), Tropical cyclones, Handbook of coastal and ocean
engineering, Gulf Publishing Co, 249-370
Bretschneider, C L R (1954), Modification of wave height due to bottom friction,
percolation and refraction, The Agricultural and Mechanical College of Texas, Texas
Brigg, M, Thompson, E, y Vincent, Ch (1995), Wave diffraction around breakwater,
J Wtrway, Port, Coast and Ocean Engng, 121(1), 23-35
Capon, J, Greenfield, R J, y Kolker R J (1967), Multidimensional maximum-likelihood
processing of a large aperture seismic array, Proc IEEE
171
Cardone, V J (1969), Specification of the wind distribution in the marine boundary layer
for wave forecasting, Geophysical Sciences Laboratory, Department of Meteorology
and Oceanography, School of Engineering and Science, New York University,
Nueva York
Carter, D J T, Challenor, P G, y Srokosz: M A (1986), Estimating wave parameters for
engineering applications, Dept of Energy, Londres, 92 pp
Cartwright, DE, y Longuet-Higgings, M S (1956), The statistical distribution of the
maxima of a random function, Proc of the Royal Society of London, Series A
(Mathematics and Physical Science), 237, 212-232
Castillo, E (1987), Extreme value theory in engineering, Statistical modeling and
decision science, Academic Press, San Diego, California, 389 pp
Cavani, A, Arhan, M, y Ezraty, R (1976), A statistical relationship between individual
height and periods of storm waves, Int Conf on Behavior of Offshore Structures,
Trondheim, BOSS'76
Davidian, I N, Lopatukhin, L I, y Rozhkov, W A (1985), Vetzovoye Volneniye kak
Veroyatnostnyy Gidrodinamicheskiy Process (Wind waves as Stochastical
Hydrodinamics Process, consultado en Massel (1996)) Gidrometeoizdat, Leningrado,
226 pp
Donelan, M A (1980), Similarity theory applied to the forecasting of wave heights,
periods and directions, Canadian Coastal Conference, Canada
Doob, J L (1953), Stochastic Processes, John Wiley & Sons, Nueva York
Frigaard, P, y Brorsen, M (1997), Notes for PhD course in experimental and numerical
wave generation and analysis, Hydraulics and Coastal Engineering Laboratory,
Department of Civil Engineering, Aalborg University, Aalborg
Funke, ERM, y Mansard, E P D (1979), Synthesis of realistic sea states in a laboratory
flume, National Research Council of Canada, Ottawa, 54 pp
Garratt, JR, Jr (1977), Review of drag coefficients over oceans and continents, Monthly
Weather Review, 115, 915-929
Glukhovskiy, BH, y Terray, E A (1966), Issledovaniye morskogo vetrovogo (Study of
sea waves) Gidrometeoizdat, Leningrado (consultado en Massel, 1996), 284 pp
Goda, Y (1970), Numerical experiments on wave statistics with spectral simulations,
Port and Harbour Res Inst, 3-57
Goda, Y (1978), The observed joint distribution of the periods and heights of sea waves,
16th Int Conference on Costal Engineering, Hamburgo
172
Goda, Y (1985), Random seas and design of maritime structures, University of Tokyo
Press, 323 pp
Goda, Y (1988), Statistical variability of sea state parameters as a function of a wave
spectrum, Coastal Engineering in Japan, 31(1), 39-52
Goda, Y (2000), Random seas and design of maritime structures, 2nd ed, Advances
Series on Ocean Engineering, Singapur, World Scientific, 15, 443 pp
Goda, Y, y Suzuki, Y (1975), Computation of refraction and difraction of sea waves with
Mitsuyasu's directional spectrum, Tech, Note of Port and Harbour Res Inst, 45 pp
Green, M O (1994), Wave-height distribution in storm sea effect of wave breaking,
J Wtrway, Port, Coast and Ocean Engng, 120(3), 283-301
Gringorten, I I (1963), A plotting rule for extreme probability paper, Jour Geoph Res,
815-826
Hasselmann, K, Barnett, T P, Bonws, E, Carlson, H, Cartwright, D C, Enke, K, Ewing,
J, Gienapp, H, Hasselmann, D E, Kruseman, P, Meerburg, A, Muller, P, Olbers, D J,
Richter, K, Sell, W, y Walden, H (1973), Measurements of wind-wave growth and
swell decay during the joint north sea wave project (JONSWAP), Deutches
Hydrographisches Institut, Hamburgo, 95 pp
Hasselmann, K, Ross, D B, Muller, P, y Sell, W (1976), A parametric prediction model,
Journal of Physical Oceanography, 6, 220-228
Hazen, A (1930), Flood flows, a study of frequencies and magnitudes, John Wiley &
Sons, Inc, Nueva York
Holland, G L (1980), An analytical model of wind and pressure profiles in hurricanes,
Monthly Weather Review, 108, 1212-1218
Holton, J R (1979), A introduction to dynamic meteorology, Academic Press, Inc,
Nueva York, 102-108
Huang, N E, Long, S R, Tung, G G, y Yuan, Y (1983), A non-Gaussian statistical model
for surface elevation of nonlinear random waves, J Geoph Res, 88(C12), 7597-7606
Huang, N E, Long, S R, Tung, G G, Yuen, Y, y Bliven, L F (1981), A unified two
parameter wave spectral model for a general sea state, J Fluid Mechanics, 112, 203224
IAHR, W G (1989), List of sea-state parameters, Jour Wat, Port, Coast and Oce Eng,
115(6), 793-808
Isobe, M K, y Kondo, K (1984), Estimation of directional spectrum expressed in
standard form, Proc 19th Int Conf on Coastal Eng
173
ISSC (1964), Proceeding of the Second International Ship Structures Congress, Delf,
Holanda
ITTC (1966), Recommendations of the 11th International Towing Tank Conference,
Proccedings 11th ITTC, Tokio
ITTC (1972), Technical decisions and recommendations of the sea keeping committee,
Proceedings 12th and 13th ITTC, Rome (1969) and Berlin (1972)
Johnson, R, Mansard, E y Ploeg, J (1978), Effects of wave grouping on breakwater
stability, Int Conference on Coastal Enginiering, ASCE, Hamburgo
Khintchine, A (1934), Korrelations theorie de stationaren stochastischen prozesse,
Math Ann, 109 pp
Kimball, B F (1960), On the choice of plotting positions on probability paper, J Amer
Statist Assc, 55, 546-560
Kinsman, B (1965), Wind waves, Printice-Hall, Englewood Cliffs, Nueva Jersey
Kitaigorodskii, S A (1961), Application of the theory of similarity to the analysis of
wind-generated wave motion as a stochastic process (traducido del ruso 73-80), Bull
Akad, Nauk SSSR, Ser, Geophys, 105-117
Koopmans, L H (1974), The spectral analysis of time series, Academic Press, Nueva York
Krogstad, H E (1988), Maximum likelihood estimation of ocean wave spectra from
maximum entropy principle, Identification and Control, 81-97
Krylov, Y M (1966), Spektralnyye Metody Issledovaniya i Razcheta Vetrovykh Voln
(Sepectral methods of studying and predicting of wind waves, Consultado en Massel,
1996), Leningrad, Gidrometeoizdat, 256 pp
Leenknecht, D A, Szuwalski, A, y Sherlock, A R (1992), Automated Coastal
Engineering System, Department of the Army, Waterways Experiment Station, Corps
of Engineers, Vicksburg
Longuet-Higgins, M S (1952), On the statistical distribution of the heights of sea waves,
J Marine Research, 11, 245-266
Longuet-Higgins, M S (1963), The effect of nonlinearities on statistical distributions in
the theory of sea waves, Jour of Fluid Mechanics, 17, 459-480
Longuet-Higgins, M S (1975), On the join distribution of the period and amplitudes of
sea waves, J Geophys Res, 80(18), 2088-2094
Longuet-Higgins, M S (1983), On the join distribution of wave periods and amplitudes
in a random wave field, Proc Roy Soc, 389, 241-258
174
175
Pierson, W J, y Marks, W (1952), The power spectrum analysis of ocean wave records,
Trans Amer Geophys, Union, 33, 834-44
Press, W H, Flannery, B P, Teukolsky, S A, y Vetterling, W T (1993), Numerical recipes:
the art of scientific computing, Cambridge University Press, Inglaterra
Rice, S O (1944), The mathematical analysis of random noise, Bell System Technical
Journal, 23, 282-332
Rice, S O (1945), The mathematical analysis of random noise, Bell System Technical
Journal, 24, 46-156
Sanchez, C, Silva, R, Govaere, G, y Contreras, A (1998), Comparison of 4 wave
prediction models, 5th International Workshop on Wave Hindcasting and
Forecasting, Merburne, Florida
Silva, R, Daz, G, Contreras, A, Bautista, G, y Snchez, C (2000), Determination of
oceanographic risks from hurricanes on the Mexican coast, 6th International
workshop on wave hindcasting and forecasting, Monterey, California
Silva, R, Govaere, G, Salles, P, Bautista, G, y Daz, G (2002), Oceanographic
vulnerability to hurricanes on the Mexican coast, International Conference on
Coastal Engineering, ASCE, Cardiff, Wales
Smith, J M (1991), Wind-wave generation on restricted fetches, US Army Engineer
Waterways Experiment Station, M S, Vicksburg
SPM (1984), Shore Protection Manual, US Army, Engineer Waterways Experiment
Station, Coastal Engineering Research Center, US Government Printing Office,
Washington, 24-66
Stokes, G G (1847), On the oscillatory waves, Transactions Cambridge Phil Soc,
8(441), 157-229
Sverdrup, H U, y Munk, W H (1947), Wind, sea and swell: theory of relation for forecasting,
U S, Navy Hydrographic Office Publication, 44 pp
Tayfun, M A (1980), Narrow-band nonlinear sea waves, J Geoph Res, 85(C3),
1548-1552
Tayfun, M A (1981), Breaking limited wave heights, J Wtrway, Port, Coast and Ocean
Engng, 107(WW2), 59-69
Tayfun, M A (1981), Distribution of crest-to-trough wave height, J Wat, Port, Coast
and Oce Eng, 107, 149-158
Toba, Y (1973), Local balance in the air-sea boundary process III; On the spectrum of
wind waves, J Oceanogr Soc, 29, 209-220
176
Vincent, C L (1984), Deepwater wind wave growth with fetch and duration, US Army
Engineer Waterways Experiment Station, MS, Vicksburg
Wu, J (1969), Wind stress and surface roughness at air-sea interface, J Geoph Res,
74(2), 444-455
Wu, J (1980), Wind-stress coefficients over sea surface near natural conditions - A
revisit, J Phys Oceanorg, 10(5), 727-740
Wu, J (1982), Wind stress coefficients over sea surface from breeze to hurricane, J
Geoph Res, 87(C12), 9704-9706.
177
10. RECONOCIMIENTO
La fuente de inspiracin de este trabajo fueron unas copias del documento titulado
Anlisis estadstico y espectral de regmenes, editado por Miguel ngel Losada y Luis
Alberto Gimnez-Curto (1978), que fue mi primer acercamiento al estudio estadstico y
probabilstico del oleaje al iniciar mis estudios de posgrado en la Universidad de
Cantabria.
Aprovecho estas lneas para expresar mi gratitud al Grupo de Ingeniera Oceanogrfica
y Costera de la Universidad de Cantabria por haberme brindado la oportunidad de
aprender una filosofa de trabajo y muy en particular a Miguel ngel Losada,
actualmente trabajando en la Universidad de Granada, quien me ha permitido extraer
algunos conceptos que se reproducen en este documento.
Tambin manifiesto mi agradecimiento a todos mis alumnos y muy singularmente a
Adrin Pedrozo Acua y Alberto vila Armella, quienes fueron mis caballos de batalla
a lo largo del presente documento y quienes muy generosamente me ayudaron a su
realizacin.
Externo, adems, mi sincera gratitud y reconocimiento a los rbitros que annimamente
y de forma desinteresada realizaron un trabajo de revisin y correccin muy profesional
del primer manuscrito, as como a Olivia Gmez Mora, Mximo Ren Olvera Salgado y
Gabriel Snchez Domnguez, de la Seccin Editorial del Instituto de Ingeniera, ya que
gracias a ellos este manuscrito sale a la luz en la forma en que est editado.
179