Análisis de frecuencias no estacionario mediante regresión lineal y distribuciones LN31, LP31 y GVE1

• Daniel Francisco Campos-Aranda ^[1]
  1. [1] Universidad Autónoma de San Luis Potosí

     Universidad Autónoma de San Luis Potosí

     México

     
• Localización: Tecnología y Ciencias del Agua, ISSN-e 2007-2422, Vol. 10, Nº. 6 (noviembre-diciembre de 2019), 2019, págs. 57-89
• Idioma: español
• Títulos paralelos:
  • Non-stationary frequency analysis by linear regression and LN31, LP31 y GVE1 distributions
• Enlaces
  • Texto completo
• Resumen
  • español

    Todas las obras hidráulicas que requiere la sociedad se planean y dimensionan con base en las crecientes de diseño. Su estimación más confiable se realiza a través del análisis de frecuencias (AF), que consiste en ajustar una función de distribución de probabilidades (FDP) a los datos disponibles de gastos máximos anuales, para obtener las predicciones buscadas. La FDP Log-Normal de tres parámetros de ajuste (LN3) fue la primera de aplicación extensa en los análisis hidrológicos; las otras dos utilizadas han sido establecidas bajo precepto para los AF de crecientes, la Log-Pearson tipo III (LP3) en EUA y la General de Valores Extremos (GVE) en Inglaterra. Por otra parte, los efectos del cambio climático y las alteraciones físicas de las cuencas por urbanización y deforestación originan en los registros crecientes tendencias ascendentes; en cambio, la construcción de embalses genera tendencias descendentes. Debido a lo anterior, los datos citados son no estacionarios y su AF requiere de FDP que vayan cambiando con el tiempo, como covariable. Cuando el parámetro de ubicación y la media varían con el tiempo, en la función de cuantiles de la distribución LN3, se obtiene su modelo no estacionario, denominado LN31. Si la media y la varianza cambian con el tiempo, en la función de cuantiles del modelo probabilístico LP3, se desarrolla su versión no estacionaria designada LP31. En cambio, cuando los parámetros de ajuste del modelo GVE cambian con el tiempo se obtiene su versión no estacionaria, denominada GVE1. En este estudio se procesan dos registros con tendencia ascendente: uno de 77 gastos máximos anuales y otro de 58 valores de precipitación máxima diaria anuales. Se analizan los resultados y la selección de predicciones se basa en el menor error estándar de ajuste. Las conclusiones destacan la sencillez del método expuesto en el AF de series de datos hidrológicos extremos con tendencia, a través de los modelos LN31, LP31 y GVE1.

  • English

    All hydraulic works required by society are planned and dimensioned based on Floods Design. The most reliable estimation is made through frequency analysis (FA), consisting of fitting a probability distribution function (PDF) to the available data of annual maximum flows, in order to obtain the predictions sought. The FDP Log-Normal of three parameters of fit (LN3) was the first one of extensive application in the hydrological analyzes; the other two used have been established under precept for the FA of floods; the Log-Pearson type III (LP3) in U.S.A. and the General of Extreme Values (GVE) in England. The effects of climate change and the physical alterations of the basins, due to urbanization and deforestation, originate ascending tendencies in the flood registers; on the other hand, the construction of reservoirs leads to descending tendencies. Because of the above, the aforementioned data is non-stationary and its FA requires PDF to change over time, as a covariate. When the location parameter and the mean vary with time, in the quantile function of the LN3 distribution, its non-stationary model called LN31 is obtained. If the mean and the variance change over time, in the quantile function of the probabilistic model LP3, its non-stationary version designated LP31 is developed. Instead, when the fit parameters of the GVE model change over time, its non-stationary version called GVE1 is obtained. In this study, two records with ascending tendencies are processed, one of 77 annual maximum flows and the other of 58 annual maximum daily precipitation values. The results are analyzed and a selection of predictions is based on the lowest standard error of fit. Conclusions regarding the FA of series of extreme hydrological data with tendency highlight the simplicity of the method exposed, through the LN31, LP31 and GVE1 models.