Sunteți pe pagina 1din 40

UNIVERSIDAD PERUANA DEL CENTRO

CARRERA PROFESIONAL DE INGENIERIA CIVIL

DOCENTE: DR. MARIO HUATUCO GONZALES


MAYO, 2015-I
2
DR.MMHG 1
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau

c) Método del U.S. Weather Bureau


Este procedimiento ha sido verificado teóricamente como empíricamente y
considera que el dato faltante de una estación X por ejemplo, puede ser estimada
en base a los datos observados en las estaciones circundantes, el método puede ser
aplicado para estimar valores diarios, mensuales o anuales faltantes.
El método consiste en ponderar los valores observados en una cantidad W, igual al
reciproco del cuadrado de la distancia D entre cada estación vecina y la estación
X, y por lo tanto la precipitación buscada será:

Donde:
Pi = Precipitación observada para la fecha faltante en las estaciones auxiliares
circundantes (como mínimo 2), en milímetros.
Wi = 1/Di^2, siendo, Di = distancia entre cada estación circundante y la estación (Km)
Se recomienda utilizar cuatro estaciones circundantes (las más cercanas), y de
manera que cada una quede localizada en uno de los cuadrantes que definen
unos ejes coordenados que pasan por la estación incompleta.
DR.MMHG 2
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau
Ejemplo. En la siguiente tabla se muestra un registro de precipitación mensual que tiene registros incompletos. Se solicita
completar los registros mensuales faltantes por medio del método del U.S. National Weather Service.

DR.MMHG 3
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau

Solución:

En la Figura anterior, se muestran las estaciones pluviométricas circundantes a la estación


LargunMayu, las cuales cuentan con registros en el año 1999. Para la aplicación del método del
National Weather Service se utilizaron 3 estaciones (Laguna Taquiña, JanaMayu y Linkupata). Los
valores mensuales faltantes fueron deducidos por medio de la ecuación:

DR.MMHG 4
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau

Ejemplo . Completar
los registros de
precipitaciones
mensuales de la
estación AASANA
con los datos
registrados en tres
estaciones
circundantes, por el
método del U.S.
NATIONAL
WEATHER SERVICE

Precipitaciones
mensuales, Estación
AASANA

DR.MMHG 5
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau
Ejemplo . Completar los registros de precipitaciones mensuales de la estación AASANA con los datos
registrados en tres estaciones circundantes, por el método del U.S. NATIONAL WEATHER SERVICE

DR.MMHG 6
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau

Precipitaciones
mensuales
estación
TAMBORADA

DR.MMHG 7
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau

Precipitaciones
mensuales Estación
SARCO SENAMHI

DR.MMHG 8
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau

Precipitaciones
mensuales
estación
PAROTANI

DR.MMHG 9
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau

Solución
Con los datos de las tres estaciones circundantes se procede a calcular:

.
.
.
.
Y ASI SUCESIVAMENTE SE SIGUE CALCULANDO LOS DATOS QUE FALTAN.

Los resultados se muestran en la siguiente tabla.

DR.MMHG 10
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ c) Método del U.S. Weather Bureau

Resultados de
la aplicación
del método
U.S. National
Weather
Bureau Service
en la estación
pluviométrica
de AASANA-
CBBA.

DR.MMHG 11
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método racional deductivo

Método racional deductivo


Cuando no es posible disponer de estaciones cercanas y
circundantes a la estación incompleta, o bien las
existentes no cuentan con observaciones de los datos
faltantes (mensuales), se puede estimar el valor mensual
faltante por medio de un simple promedio aritmético de
los valores contenidos en el registro para ese mes, lo
anterior se considera válido únicamente si es un solo
año(o máximo dos) el faltante y tal promedio se realiza
con diez datos (años) como mínimo (o 20 años en el caso
de dos datos faltantes).
DR.MMHG 12
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método racional deductivo

El desarrollo del método se puede sintetizar en los siguientes


cuatro pasos.
Paso 1) Efectuar la suma de precipitaciones mensuales en todos los años
completos y obtener la precipitación mensual promedio.
Paso 2) Calcular para todos los años completos los porcentajes mensuales de
precipitación, los que serán igual a la lluvia mensual entre el promedio
mensual calculado en el paso anterior y por 100. Al sumar los
porcentajes calculados y obtener su promedio deberán de obtenerse
1200 y 100, respectivamente.
Paso 3) Todos los porcentajes mensuales correspondientes a cada uno de los
doce meses se suman y se divide tal suma entre el número de años
completos, es decir se calcula el porcentaje promedio Sj, con j variando
de 1 a 12, uno para enero y 12 para diciembre.
Paso 4) El método acepta la hipótesis que considera que los meses desconocidos
tendrán un porcentaje igual al porcentaje promedio (Sj).
DR.MMHG 13
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método racional deductivo

Se designan las siguientes variables:

Donde:

i = cada uno de los meses desconocidos, como máximo pueden ser once.
Pi = precipitación mensual desconocida en cada año incompleto, en mm.
ΣSi = suma de los porcentajes promedio de los meses cuya precipitación se
desconoce, en porcentaje.
Σp = suma de las precipitaciones mensuales conocidas en los años incompletos,
en mm.
Si = porcentaje promedio asignado a cada uno de los meses desconocidos o
faltantes.

DR.MMHG 14
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método racional deductivo

Ejemplo. La estación pluviométrica PAROTANI, tiene un


registro de precipitaciones mensuales de 25 años (1979-
2003), en los años 1981, 1983, 1985, 1986, 1996 y 2002
incompletos completar los registros, aplicando el Método
Racional Deductivo, correspondiente a los meses faltantes
en los años mencionados.
Solución.-
La solución se detalla en la siguiente tabla, en la que se
indican (resaltados de color celeste) los valores
mensuales calculados, así por ejemplo, para los meses de
enero (1981), marzo (1986), etc.
DR.MMHG 15
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método racional deductivo

Estimación de datos mensuales faltantes en la estación PAROTANI, por el método racional deductivo.

DR.MMHG 16
I. Estimación de datos faltantes/ I.A. Estimación de registros anuales
faltantes

Los registros anuales faltantes se determinan con los


siguientes métodos:

• Método de los promedios

• Método de la recta de regresión lineal

• Incremento del registro anual por regresión

DR.MMHG 17
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ a) Método de los promedios

Método de los promedios


Escoger una estación índice (PA) cuya precipitación media
anual es ; si la estación con dato faltante es PX, se halla su
correspondiente precipitación media anual con la
siguiente proporción:

DR.MMHG 18
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de los promedios

Ejemplo.
Con los datos de precipitación en la estación Laguna
Taquiña (Estación Índice) complementar los datos
faltantes en las estaciones faltantes Largunmayu,
Linkupata y Janamayu, por el método de los promedios.

DR.MMHG 19
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de los promedios

DR.MMHG 20
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de los promedios

Planilla de ajuste de datos


Estaciones pluviométricas en la cuenca Taquiña

DR.MMHG 21
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

Método de la recta de regresión lineal

Para completar registros anuales en uno o más años,


seguidos o intercalados, el uso de regresión lineal entre la
estación incompleta y otra u otras cercanas es de enorme
ayuda para estimar valores faltantes.
Se debe efectuar la regresión y obtener la correlación
(coeficiente de determinación) para evaluar la bondad del
ajuste lineal. Es preciso notar que para efectuar el análisis
de regresión se debe cumplir que las series sean
independientes e idénticamente distribuidas.
DR.MMHG 22
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

Incremento de la información hidrológica por regresión:

DR.MMHG 23
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

DR.MMHG 24
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

Ejemplo.

Debido a su proximidad con un proyecto de riego, la estación


pluviométrica PAROTANI, se utilizara para estimar el valor de la
precipitación media anual en la zona.
La estación PAROTANI únicamente cuenta con un registro de 22
años en el periodo 1973 -2001, pero la estación ANZALDO que es la
PAROTANI más cercana (distante de 24.08 Km.) tiene un registro de
36 años en el periodo de 1964-2001.

Se requiere probar si conviene ampliar el registro de la estación


PAROTANI a partir de los datos de la estación ANZALDO y realizar la
inferencia en caso sea afirmativo.
DR.MMHG 25
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal
Solución: Como primer paso construir un diagrama de dispersión con las parejas de datos comunes de las dos estaciones.

DR.MMHG 26
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

Solución: Con los 22 años de registro común de las estaciones se prepara se tiene la tabla
anterior, con los cuales se calcula el coeficiente de correlación lineal y la eficiencia
estadística.

DR.MMHG 27
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

Antes de proceder a calcular la eficiencia estadística, se


debe probar estadísticamente el coeficiente de
correlación calculado:

Esto implica que el coeficiente crítico de correlación lineal


Z es 1,645.

DR.MMHG 28
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

En la Tabla se
obtiene ro=0.423,
para =22-2=20
grados de libertad.
Como rxy=0.6934 es
mayor que ro,
entonces no existe
posibilidad de que
rxy sea igual a cero.

DR.MMHG 29
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

Calculo de la eficiencia estadística:

De acuerdo al resultado anterior, se concluye que si es


conveniente ampliar el registro de la estación PAROTANI
en base a la estación ANZALDO. De acuerdo a los cálculos
realizados anteriormente se evalúan los parámetros de la
recta de regresión, como se indica a continuación:

DR.MMHG 30
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

Aplicando las ecuaciones se calculan loas constantes para


la nueva recta ajustada de los datos obtenidos de las
estaciones.

DR.MMHG 31
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

La inferencia se realiza
sustituyendo cada uno de los
valores observados en la estación
ANZALDO, como variable
independiente (x) y se calcula el
correspondiente valor de y, para la
estación PAROTANI.
En esta tabla se muestran los 14
años estimados en la estación
PAROTANI, cuya precipitación
media anual del periodo 1964-
2001 (36 años) adopta un valor de
554.1mm.
DR.MMHG 32
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

Esta recta de regresión


es utilizada para
estimar el ajuste de las
dispersión de los
puntos a la línea de
tendencia mediante los
mínimos cuadrados.
Lo que hace es elevar
al cuadrado la distancia
de los puntos a la recta
de tendencia, para que
sea mas pequeña dicha
distancia.
DR.MMHG 33
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

Ejemplo.
Considerando que las estaciones pluviométricas de AASANA (estación patrón) y Sarco
Senamhi (con datos faltantes), tienen en común la altura en msnm, condiciones
topográficas y características fisiográficas, siendo la distancia corta que los separa (3.5
km.); se pide completar la información de precipitaciones totales faltantes aplicando el
método de regresión lineal.

DR.MMHG 34
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

Solución
Con los datos proporcionados en Tabla 3.15, graficamos en el eje x,
los datos de la estación AASANA y en la ordenada los datos de la
estación Sarco Senamhi y con el método de los mínimos cuadrados
se obtiene una ecuación lineal (Y=1.1677X- 57.518) que tiene una
correlación de 0.89, como se muestra en la figura siguiente.

DR.MMHG 35
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

Ajuste de una ecuación lineal por el método de los mínimos cuadrados

DR.MMHG 36
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

Una vez obtenida y graficado la recta, se procede a completar los


datos faltantes,
para ello se ingresa con los valores de la estación completa (eje de
las abscisas),
para obtener el valor correspondiente en el eje de las ordenadas,
por otro lado es
posible también reemplazar en la ecuación lineal de la recta
obtenida
anteriormente. Ver la figura de la siguiente recta por mínimos
cuadrados

DR.MMHG 37
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

DR.MMHG 38
I. Estimación de datos faltantes/ I.A. Estimación de registros diarios y
mensuales faltantes/ d) Método de la regresión lineal

Relleno de
datos de la
estación
SARCO
SENAMHI
con los datos
de la
estación
AASANA

DR.MMHG 39
TAREA ACADÉMICA
Presentar en forma resumida como comentario personal acerca de
los siguientes temas:
1. Secuencia metodológica del teorema del transporte de
Reynolds.
2. Ecuaciones de continuidad: ecuación de continuidad integral,
definición y método.
3. Continuidad en tiempo discreto, representación de la
información.
4. Ecuaciones del momentum
5. Flujo en medios porosos
6. Balance de energía.
7. Energía interna: Calor latente y calor sensible.
8. Procesos de transporte:
• Conducción y convección
• Perfil de velocidad
DR.MMHG 40