Técnicas regionales hidrológicas para la estimación de caudales máximos aplicadas a la Cuenca del Río Esmeraldas

En la planeación y diseño de obras hidráulicas existe mucha incertidumbre en lo que respecta a la predicción de eventos para períodos de retorno muy grandes, por lo que es necesario recurrir a todas las herramientas disponibles para reducir la incertidumbre, ya que una obra subdimensionada, podría t...

詳細記述

保存先:
書誌詳細
第一著者: Dorigo Bravo, Luciano (author)
フォーマット: bachelorThesis
言語:spa
出版事項: 2012
主題:
オンライン・アクセス:http://repositorio.ucsg.edu.ec/handle/3317/1194
タグ: タグ追加
タグなし, このレコードへの初めてのタグを付けませんか!
その他の書誌記述
要約:En la planeación y diseño de obras hidráulicas existe mucha incertidumbre en lo que respecta a la predicción de eventos para períodos de retorno muy grandes, por lo que es necesario recurrir a todas las herramientas disponibles para reducir la incertidumbre, ya que una obra subdimensionada, podría traer consecuencias funestas (pérdidas humanas, pérdidas económicas, etc.), y por el contrario, una obra sobredimensionada, podría llegar a ser tan costosa, que su ejecución sería inviable. Debido a su naturaleza aleatoria, los fenómenos hidrológicos pueden modelarse a través de un enfoque probabilístico. El procedimiento más usual para estimar eventos hidrológicos extremos es lo que se conoce como análisis de frecuencia puntual, que utiliza modelos poblacionales de distribución de probabilidad, tales como: Gumbel, Normal, Gamma, Exponencial, Log-Normal, General de Valores Extremos y muchos otros. Estos modelos son aplicados a una sola muestra. El tamaño de la muestra es un factor directamente proporcional a la calidad del modelo. Se considera que una muestra es adecuada si contiene más de treinta datos. Sin embargo, en Ecuador son comunes los registros con información nula o incompleta, en el mejor de los casos. La técnica empleada para completar o extender los registros es la llamada de correlación y regresión simple o múltiple, la cual consiste en asociar la muestra en estudio con las de una o varias estaciones vecinas y ajustarles un modelo de regresión lineal, potencial, logarítmica, exponencial, potencial o polinomial.