5.5 resultados mallqui

UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERIA CIVIL
DEPARTAMENTO DE INGENIERIA GEOTECNIA
INSTALACIONES
ELECTRICAS Y SANITARIAS
SISTEMA DE
ROSIADORES
AUTOMATICOS
GRUPO: No 2
INTEGRANTES:
SECCION:
PROFESORES:
FECHA:
“AÑO DEL DIÁLOGO Y LA
RECONCILIACIÓN
NACIONAL”
UNIVERSIDAD
NACIONAL DE
INGENIERÍA
FACULTAD DE
INGENIERÍA CIVIL

departamento de construcción
GESTION INTEGRADA DE LA CONSTRUCCION CO721-h
1
INDICE GENERAL
1. INTRODUCCION............................................................................................................ 1
2. CAPITULO I: GENERALIDADES Y OBEJTIVOS.............Error! Bookmark not defined.
2.1. OBJETIVOS...............................................................Error! Bookmark not defined.
3. CAPITULO III: MARCO TEORICO...................................Error! Bookmark not defined.
3.1. MARCO TEORICO....................................................Error! Bookmark not defined.
3.2. CAPITULO III: ANALISIS DE PARETO....................Error! Bookmark not defined.
3.2.1. ¿Qué SON LOS DIAGRAMAS DE PARETO? .....Error! Bookmark not defined.
3.2.2. ¿COMO SE ELAVORAN DIAGRAMA DE PARETO?..... Error! Bookmark not
defined.
3.2.3. DIAGRAMA DE PARETO DE FENOMENOS Y DIAGRAMA DE PARETO DE
CAUSASError! Bookmark not defined.
3.2.4. NOTAS SOBRE DIAGRAMA DE PARETO........Error! Bookmark not defined.

2
1.1. RESULTADOS
Estamos principalmente, interesados en las regiones costeras del Ecuador, pues,
varios estudios preliminares han mostrado que El Niño no tiene significativa influencia en
los totales pluviométricos de los valles interandinos o de la cuenca amazónica Rossel y al
(1995); Sémiond, (1995). Nouvelot y Pourrut (1994), indicaron que es muy difícil
establecer una relación directa entre El Niño y la pluviometría de la zona interandina
registradas en el transcurso de El Niño de 1982-1983. Sin embargo, hemos estudiado
cuatro regiones de los valles interandinos y una de la cuenca oriental, a fin de confirmar
esta hipótesis de no influencia de El Niño en los totales pluviométricos de esas regiones
(ROSSEL, 1997).
1.1.1. HOMOGENEIZACIÓN DE DATOS
En el conjunto de las regiones costeras y de la cuenca occidental de la Cordillera
de los Andes, hemos compilado más de 2000 años-estaciones repartidos en 164 series
pluviométricas de duración superior a cinco años. Para las regiones de la Sierra y de la
cuenca amazónica, hemos escogido regiones donde la cantidad de pluviómetros es
suficiente para definir zonas homogéneas. Los índices de estas cinco zonas han sido
determinados con 950 años-estaciones repartidos en 44 series. Los resultados completos
de la homogeneización de las series pluviométricas anuales y mensuales de estos datos han
sido publicados en 1995 (Rossel y al, 1995). A continuación, presentamos un resumen.
(Fig. 5-6).
 13% de las series son de muy buena calidad.
 15% son de buena calidad.

3
 16% de duración inferior a 10 años, son de buena calidad corta.
 7% son de calidad mediana.
 9% son de mala calidad.
 19% de duración superior a 15 años están situadas en regiones donde la
densidad de pluviómetros es insuficiente para poder analizar las series con
el método del vector regional.
 16% de duración inferior a 15 años, están en el mismo tipo de condiciones.
 5% no pertenecen a ninguna región.

4
Fig. 5-6: Calidad de las series pluviométricas y delimitación de las zonas pluviométricas.
Fuente: (ROSSEL, 1997)
Diez y seis series (10%) han sido corregidas por un coeficiente multiplicador y
trece períodos comprendiendo datos erróneos han sido eliminados (Anexo 5-2). Hemos
reportado en anexo las características generales de las principales estaciones: duración de
Colombie
Pérou
Océan
Pacifique
de très bonne qualité
de bonne qualité
de qualité moyenne
de courte durée
de mauvaise qualité
n'appartenant à aucun groupe
de durée supérieure à 15 ans dans une zone
de transition ou une région mal définie
de durée inférieure à 15 ans dans une zone
de transition ou une région mal définie
Séries pluviométriques
5000 m
2000 m
600 m
0
Altitude
Ligne de crête
Colombia
Perú
Océano
Pacífico
de muy buena calidad
de buena calidad
de calidad media
de corta duración
de mala calidad
no pertenece a ningún grupo
de duración superior a 15 años en una
zona de transición o una región mal definida
de duración inferior a 15 años en una zona
de transición o una región mal definida
Series pluviométricas
5000 m
2000 m
600 m
0
Altitud
Línea de cresta
027
004
127
376
377
008
063
041
486
419
032
421
420
138
140
141
417
105
323
110
321
474
223
224
154
106
441
156
339
340
025
351
355
168
167
213
026
362
163
162
164
165 452
005
450
449
447
166
169
458 463
466
465
036
132
129
006
124
374
176
259
056
037
218 039
733
231
173
174
076
184
040
185
179
171459
464
296
473
034448
046
787
047
370
368
453
922
592
774
472
778
073
477
657
478
292
483
747
183
195
072
181
743
479
738
481 425
196
142
J02
422
428
666
J01
423
418
541
664
665
427
067
539
625
197
139
416
045
414
411
667
426
412
392
130
131
805
261
469
557
648551
647
227
475
589
476
257
178
582
386
123
644
616
788
029
379
126
028
555
785
619
782
975
798
044
159
451
247
S12462
611
461
074
446
456
161
160623
638
639
248
122
635
348
AOA
609
593
209
212
116
211
338
337
721
621
607
327
216
587
524
612
590
336
107
053
316
320319
322
328
329
001
153
444
550
058
269
225
442
692
586
301
440
489
484
491
262
0°
80°W 78°W
2°S
4°S
0°

5
las series, media, coeficiente de variación, coeficiente de correlación con el vector, calidad
del gráfico de los RAN, clase de calidad de la estación, etc. (Anexo 5-3).
En el marco del proyecto INSEQ, las estaciones meteorológicas de todas las
instituciones de las cuencas de los ríos Paute y Guayas fueron inspeccionadas. Durante
estas inspecciones, un formulario o ficha de inspección fue establecida para cada estación.
Estas fichas llevan las coordenadas precisas de las estaciones, vías de acceso, exposición
del pluviómetro, características de los aparatos de medida, una fotografía del sitio, una
tentativa de reconstitución de datos históricos gracias a los observadores, etc. Un ejemplo
de formulario de inspección está dado en Anexo 5-1. La totalidad de estas fichas fueron
publicadas (Rossel y al, 1995b; Calvez y al 1996a).
La inspección de las estaciones ha permitido validar las correcciones sugeridas por
la utilización del método del vector regional. Para estas dos cuencas, el equipo del
proyecto INSEQ tomó el análisis de las series pluviométricas con la totalidad de las
estaciones, limitándose a las estaciones de larga duración (Mejía y al, 1996; Calvez y al,
1996b). Los datos de estas dos cuencas fueron analizados a nivel diario. (Molinaro, 1995;
Molinaro y al, 1996; Calvez y al, 1996c).
En el presente estudio, las series de las estaciones de media y mala calidad no
fueron utilizadas para el cálculo de los índices pluviométricos regionales y para el trazo de
los mapas de anomalías estacionales de lluvias (Capítulo 7). El análisis de la influencia de
El Niño en las lluvias diarias fue realizado con las series de las estaciones de muy buena
calidad cuyos datos fueron analizados en el intervalo de tiempo diario (Capítulo 12).

6
1.1.2. REGIONALIZACIÓN
Trece zonas pluviométricas han sido delimitadas en las regiones costeras del Ecuador (Fig. 5-7 y
Tabla 5-1). Ocho son homogéneas (zonas 1, 2, 3, 6, 7, 8, 11, y 13), para estas zonas la información
fue suficiente para poder determinar, con un mínimo de tres estaciones por año, un vector regional
representativo de las variaciones de los totales pluviométricos del período 1964-1993 (Anexo 5-4).
Los relieves costeros y las estribaciones de la cordillera de los Andes constituyen límites bien
definidos de estas zonas. Los índices de las tres zonas de la parte este de la planicie del río Guayas
(zonas 1, 2 y 3) están relativamente bien correlacionadas entre ellos (R medio=0,91). Esta gran
región donde las precipitaciones son fuertemente influenciadas por el bloque de la cordillera de los
Andes, es relativamente homogénea (ROSSEL,1997).
Fig. 5-7: Zonas pluviométricas
Fuente: (ROSSEL, 1997)
12 : San Lorenzo
7 : Chone
1 : Santo Domingo
13 : San Miguel
15 : Otavalo
2 : Los Ríos
3 : Guayaquil
10 : Península
17 : Cuenca
16 : Ambato
18 : Puyo
14 : Jubones
9 : Manta - Jipijapa
8 : Portoviejo
5 : El Oro
11 : Pajan
4 : Colimes
6 : Esmeraldas
Zona Homogénea
14
12
11
1
13
15
18
16
17
6
3
7
8
5
4
9
10
2
Zonas pluviométricas
?
?
?
? ?
?
?
?
? Información insuficiente
Colombia
Océano Pacífico
Ecuador
Perú

7
Las otras cinco zonas no son homogéneas según los criterios expuestos
anteriormente (zonas 4,5,9,10 y 12). En la zona 9 de Manta-Jipijapa que tiene una
variabilidad espacial extrema, ha sido imposible determinar una zona homogénea con seis
estaciones de larga duración en una región de menos de 30 Km por 20. Las zonas de la
Península (10) y del Oro (5) son también muy variables y el número de estaciones de
buena calidad es reducida. La falta de homogeneidad de las zonas de Colimes (4) y San
Lorenzo (12) es debido esencialmente a la falta de datos de buena calidad. Con el fin de
disponer de un índice pluviométrico para esas regiones los vectores regionales de estas
cinco zonas sin embargo han sido conservados. Las precipitaciones de estas zonas no son
pseudo-proporcionales a sus índices, estos son solamente equivalentes a las medias de las
variaciones de las estaciones de cada zona.
Las dos series disponibles para la zona 19 permiten pensar que la pluviometría de
esta zona es cercana a aquella de las zonas vecinas 6 y 7. En fin, las zonas 20 y 21 y las
partes más elevadas de la cuenca occidental de la cordillera de los Andes no disponen de
información o las raras series existentes son de duración corta y de mala calidad y no son
comparables a ninguno de los otros índices pluviométricos.
Región A B C D E F G H I
Media anual 2850 2100 1650 1300 900 2000 1100 450 450
Coef. de variación 0,31 0,38 0,53 0,50 0,71 0,29 0,50 0,72 0,85
Valor máximo 3700 3200 2400 1600 1300 3700 1750 1500 600
Valor máximo 2100 1300 1000 900 600 800 600 400 400
Tabla 5-1: Características generales de las zonas pluviométricas.

8
Región J K L M N O P Q R
Media anual 250 1150 3300 3050 650 1150 600 850 4550
Coef. de variación 1,85 0,48 0,23 0,18 0,30 0,31 0,16 0,18 0,10
Valor máximo 500 1300 3600 4600 1450 1500 700 950 5300
Valor máximo 200 1000 2700 2200 200 800 450 600 4000
Tabla 5-1 (sigue): Características generales de las zonas pluviométricas.
1.1.2.1. Estaciones de larga duración
Para poder extender nuestro estudio en el período lo más largo posible, hemos
buscado las estaciones que funcionaron en los períodos relativamente importantes antes de
1964. Cinco estaciones de buena o muy buena calidad disponen de datos anteriores a
1964.
P006: Pichilingue 1947-1993, situada entre las zonas de Santo Domingo (nº1) y de
los Ríos (nº2)
P036: Isabel María 1930-1993, situado entre las zonas de los Ríos (nº 2) y de
Guayaquil (nº 3).
P037: Milagro 1921-1993, es parte de la zona de Guayaquil (nº 3).
P047: Manta 1948-1993, es parte de la zona de Manta-Jipijapa (nº 9).
P056: Guayaquil Aeropuerto 1915-1993, es parte de la zona de Guayaquil (nº 3).
El análisis de los períodos anteriores a 1964 fue realizado con los métodos de las
simples y dobles acumulaciones para las estaciones P006, P037 y P056 y únicamente el
método de las simples acumulaciones para la estación P047.

9
METODOLOGIA DE VALOR REGIONAL Y EL SOTFWARE HYDRACCESS
El software Hydraccess nos permite calcular el Vector Regional a paso de tiempo
mensual y anual (análisis y corrección). Igualmente nos permite detectar, corregir o
eliminar los errores sistemáticos de series cronológicas estudiadas (fase de
homogenización) luego de buscar las zonas climáticas homogéneas (fase de
regionalización) para las cuales se genera una serie cronológica representativa de índices
mensuales y anuales (OCOÑA-PAUSA, 2007).
Para calcular el vector hemos tenido las siguientes consideraciones:
Para el cálculo del vector regional debemos tener como mínimo 3
estaciones por año, y 3 años como mínimo por estación, por lo tanto,
debemos verificar esta condición y de ser necesario calcularemos los datos
faltantes con los registros de las estaciones más confiables y con registros
más largos, por correlación.
La hipótesis principal de este método es el principio de “pseudo-
proporcionalidad”, por lo cual los datos deben tener el mismo
comportamiento (cantidad y variación temporal), es decir deben tener una
tendencia climática regional única.
La pseudos-proporcionalidad de una zona es medida por el valor del coeficiente de
correlación media entre las estaciones y el vector correspondiente (en caso de estricta
proporcionalidad este valor es igual a 1). Este coeficiente en el software Hydraccess
aparece como “Correl./Vector”. Hemos considerado una zona como homogénea si los
coeficientes de correlación anual entre el vector y la estación son superiores o iguales

10
a 0.7; debido a que la poca densidad de la red de estaciones, no nos permite ser más
estrictos y reducir la zona (OCOÑA-PAUSA, 2007).
Fuente: (OCOÑA-PAUSA, 2007)
Zona 1
Esta zona corresponde a la parte baja de la cuenca, donde su característica principal
es la escasez o ausencia de precipitaciones, se trata de la zona árida de la cuenca. En esta
zona no se ha aplicado el método del vector regional, debido a la ausencia de
precipitaciones.

11
Zona 2
En esta zona hemos analizado la precipitación de las estaciones: Yanaquihua,
Tomepampa, Salamanca, Chinchaypampa, Puica, Orcopampa y Cotahuasi las cuales
cumplen con la hipótesis de pseudo-proporcionalidad, tal como podemos observar en el
Cuadro 3.3, En la columna correpondiente a “Correl. /Vector”.
Una vez identificadas las estaciones pertenecientes a esta zona homogénea, se ha calculado el
vector para esta zona (se debe tener en cuenta que es un vector inicial). La representación gráfica
de los índices anuales, obtenidos al dividir el valor observado en una estación para un año por esta
media extendida, y las estaciones podemos observarla en la Figura 3.2.
Fácilmente podemos deducir que las estaciones Salamanca, Yanaquihua y
Tomempampa presentan problemas de calidad de datos en algunos años. Estos errores son
detectados también en el gráfico de dobles acumuladas y en el análisis de parámetros de
detección dados por el software Hydraccess.
Luego como el vector calculado se encuentra contaminado por los datos de mala
calidad, primero se deben detectar los errores, corregir los datos dudosos y eliminar los
valores incoherentes, para finalmente recalcular el vector. Solo de manera iterativa se
corregirán los errores más evidentes sobre los datos de entrada, hasta obtener un vector de
buena calidad.

12
A continuación, expondremos un ejemplo de análisis de la corrección de los datos.
La visualización de curvas de dobles acumulados entre estación y vector de una zona nos
va a permitir determinar si existe una mala relación entre el vector y la estación, como
podemos observar en la figura 3.3.

13
Observando el análisis de dobles acumulados y las desviaciones de los índices de
la estación Salamanca (figura 3.4 y 3.5) con respecto al vector, podemos deducir que este
presenta cambios bruscos en la serie de datos, por lo tanto, se procederá a corregir los
datos de la estación, para luego recalcular el vector. La corrección del salto se realiza de
forma similar que en el análisis de doble masa tradicional.

14
Una vez corregido los datos de la estación se vuelve a calcular el vector y se repite
el proceso hasta lograr el vector final, tal como podemos observar en las Figuras 3.6 y 3.7.
Una vez obtenido el vector de buena calidad podemos obtener los valores extendidos de
las precipitaciones medias anuales calculadas. Finalmente, las precipitaciones medias
calculadas y los principales parámetros estadísticos tomados en cuenta para construir el
vector los podemos observar en el cuadro resumen Cuadro 3.3.

15

16
Zona 3
En esta zona hemos analizado la precipitación de las estaciones Lucanas,
Carhuanillas, Lampa, Pausa Chaviña e Incuyo las cuales cumplen con la hipótesis de
pseudos-proporcionalidad. La estación Urayhuma se dejo de lado debido a la incoherencia
en los valores de precipitación (>1500 mm), es decir no son muy confiables. El análisis
realizado para cada estación es el mismo descrito en el item anterior. La representación
gráfica para la Zona 3 de los índices del vector (final) y de las estaciones (corregidas)
podemos observarla en la Figura 3.8. Las curvas de dobles acumulados para todas las
estaciones podemos observar en la figura 3.9 y finalmente en el cuadro 3.4 encontramos
las precipitaciones medias calculadas y los principales parámetros estadísticos tomados en
cuenta para construir el vector de esta zona (OCOÑA-PAUSA, 2007).

17
fuente: (OCOÑA-PAUSA, 2007)

18
1.1.2.2. ESTIMACIÓN DE DATOS FALTANTES ANUALES Y
MENSUALES
Una vez calculado el vector regional podemos calcular los datos faltantes de una
estación multiplicando el índice de un año del vector regional por el promedio extendido
de la estación sobre el período de estudio. Finalmente, cuando hemos completado y
homogenizado la precipitación anual por estaciones media mensual se procede a estimar
los valores mensuales, los cuales se generarán en base a pesos porcentuales de cada uno de
los meses en cada estación (OCOÑA-PAUSA, 2007).
1.1.3. RELACIÓN PRECIPITACIÓN – ALTITUD
Como sabemos, en nuestro país por influencia de la Cordillera de los Andes, las
precipitaciones son normalmente de origen orográfico es decir que dependen del relieve y
la altitud.
Entonces, debemos ver si existen correlaciones entre lluvias y altitudes. Primero,
hemos hecho una regionalización de esos datos y hemos encontrado 3 zonas (Figura 3.1)
donde, en cada una de esas zonas, la precipitación tiene el mismo comportamiento
(cantidad, variación temporal).
 Zona 1: Esta zona árida esta comprendida 0 a los 1800 m.s.n.m, en esta
zona se encuentra ubicado el “valle de Ocoña”. Su altitud varia desde los
aproximadamente, donde las precipitaciones son escasas o nulas.
 Zona 2: Comprendida por la parte Nor-Este de la cuenca, conformada por
las subcuencas Arma, Cotahuasi y la parte alta de la subcuenca Ocoña. En
esta zona se encuentran las cumbres más altas de la cuenca (6300 m.s.n.m).

19
 Zona 3: Zona ubicada en la zona Nor-Oeste de la cuenca, esta zona se
encuentra conformada por las las subcuencas Marán y Parinacochas.

20

21
Para cada zona homogénea, hemos establecido la ecuación de correlación entre
precipitación total anual y altitud (Ver Figura Nº 3.11). Así, tenemos que la precipitación
media total anual (Pz) podría calcularse en función de la altitud (Z) usando las ecuaciones
siguientes:
Zona 1: Subcuenca de Ocoña entre los 0 -1800 m.s.n.m: Por tratarse de una zona
árida, se asume que las precipitaciones son nulas o cero.
Zona 2: Subcuencas Arma, Cotahuasi y subcuenca Ocoña (>1800 msnm)
𝑃𝑧 = 0.2834 ∗ 𝑍 − 540.45 𝑅2 = 0.55
Zona 3: Subcuencas Marán y Parinacochas
𝑃𝑧 = 0.3446 ∗ 𝑍 − 649.1 𝑅2 = 0.62
Donde:
Pz = Precipitación en mm
Z =Altitud en msnm
R2=cuadrado del coeficiente de correlación

22
La baja correlación en la Zona 2 se debe a la poca densidad de las estaciones y
en la zona 3 debido a la variada topografía de la zona como la presencia de cañones que
afectan de diferente manera la precipitación que principalmente es de origen orográfico
y adicionalmente a la poca densidad de estaciones en la zona.
1.1.4. PRECIPITACION MEDIA EN LA CUENCA
La altura precipitación que cae en un sitio dado difiere de la que cae en los alrededores,
por ello es necesario conocer la precipitación media en la cuenca. Para estimar esta
precipitación media es indispensable basarse en valores puntuales, es decir en valores
registrados por una red de pluviómetros. Entre los métodos generalmente propuestos para
calcular la precipitación media de una cuenca a partir de registros puntuales obtenidos en
varias estaciones pluviométricas sobre la cuenca o en su proximidad, podemos mencionar
3 métodos de uso generalizado: el método del promedio aritmético, el método del

23
polígono de Thiessen y el método de isoyetas. La elección del método dependerá
particularmente de la longitud de la serie de datos que disponemos y de la densidad de la
red de estaciones.
Fuente: elaboración propia
NOTA:Para el presente estudio hemos considerado para el trazo isoyetas utilizar el
método Kriging por ser el método más consistente y que nos da mejores resultados.
Para ello hemos usado el software Surfer 7.0, y adicionalmente se han realizado
correcciones a este trazo automático, teniendo en cuenta el gradiente altitudinal.
1.1.4.1. Precipitación Anual

24
Hemos calculado la precipitación total anual por los 4 métodos para la cuenca del río
Ocoña como podemos observar en el Cuadro 3.6. Para el calculo de la precipitación media

25
desde la media aritmética, hemos usado el módulo Spatial del Software Hydraccess del
IRD y para el Kriging hemos usado el software Surfer 7.0

26
Como podemos observar a nivel anual los valores encontrados no presentan una
variación significativa. Sin embargo, por las razones ya antes expuestas en el Item 3.4.1
hemos decidido trabajar con los resultados obtenidos por el método de Kriging. Bajo este
método y teniendo en cuenta el gradiente altitudinal hemos generado las respectivas
isoyetas para la cuenca del río Ocoña a nivel anual (Mapa 13) y precipitaciones medias

27
mensuales (Mapa 14.1 al Mapa 14.12) Podemos resaltar que como resultado que la
precipitación media total anual para la cuenca del río Ocoña es de 362.2 mm/año.

28
1.2. CONCLUSION
Hemos realizado un análisis crítico y una depuración de los datos
pluviométricos, para poder utilizar los totales anuales y mensuales de cada estación. La
homogeneización fue realizada con el paquete CLIMAN y el método del vector regional
de Brunet-Moret. Este método ha permitido definir la calidad de las diferentes series y
determinar los índices pluviométricos homogéneos sin lagunas de 1964 a 1993,
representativos de la variabilidad de la lluvia, lo que no era el caso de la información
pluviométrica de base.
La aplicación del Método de Valor Regional en el análisis de datos pliviometricos
esta acompañado de softwares que facilitan su ampliación y rápido obtención de
resultados, donde cabe decir que los resultados obtenidos ya están higienizados y
regionalizados. Luego de ello se aplican métodos de interpolación, ello dependerá de las
condiciones físicas y de base de datos de lo que se tiene.
La metodología de homogenización y regionalización de datos pluviométricos, es
muy importante, ya que durante años existe heterogeneidad de datos en las estaciones de
control, entonces su investigación y su ampliación será de mucha relevancia para las
futuras investigaciones y el avance en el ámbito hidrometeorológico del país.

29

5.5 resultados mallqui

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Similar a 5.5 resultados mallqui

Similar a 5.5 resultados mallqui (20)

Último

Último (20)

5.5 resultados mallqui