Revision de Metodologias para Extension y Relleno de Datos en Series Historicas y Su Aplicacion A Los Rios de El Salvador

UNIVERSIDAD CENTROAMERICANA
JOS SIMEN CAAS
REVISIN DE METODOLOGAS PARA EXTENSIN

Y RELLENO DE DATOS EN SERIES HISTRICAS, Y
SU APLICACIN A LOS ROS DE EL SALVADOR
TRABAJO DE GRADUACIN PREPARADO PARA LA
FACULTAD DE INGENIERA Y ARQUITECTURA
PARA OPTAR AL GRADO DE
INGENIERO CIVIL
POR
KENNY JOHANNA BERCIN SOLS
KAREN IVETTE PALOMO RIVERA
OCTUBRE 2004
SAN SALVADOR, EL SALVADOR, C.A
RECTOR
JOS MARA TOJEIRA, S.J.
SECRETARIO GENERAL
REN ALBERTO ZELAYA
DECANO DE LA FACULTAD DE INGENIERA Y ARQUITECTURA

CELINA PREZ RIVERA
COORDINADOR DE LA CARRERA DE INGENIERA CIVIL

JOS MAURICIO CEPEDA
DIRECTORA DEL TRABAJO

ANA DEISY LPEZ RAMOS
LECTORAS
JACQUELINE CATIVO
ADRIANA ERAZO
CELINA MENA
AGRADECIMIENTOS
A Dios Todopoderoso, por darnos la fuerza, voluntad y claridad mental necesarios para terminar
nuestras carreras y este proyecto de graduacin.
Gracias a las familias Bercin Sols y Palomo Rivera por la comprensin, hospitalidad, apoyo total
demostrado a lo largo de la elaboracin del presente proyecto.
Se agradece al Servicio Nacional de Estudios Territoriales, SNET, por proporcionarnos la
informacin necesaria para desarrollar este proyecto.
Agradecimiento especial al Ingeniero Miguel Eduardo Flores por su hospitalidad, su tiempo y apoyo
tanto tcnico como moral. Tambin a la Ingeniero Marta Lidia Merlos por su constante apoyo y
comprensin, as como por facilitarnos su computadora y el acceso a Internet.
A los Ingenieros Jacqueline Cativo, Ana Deisy Lopez, Miguel Martinez, Laura Gil, Arturo Escalante
y Mario Guevara, que nos aportaron sus valiosos conocimientos y sacrificaron desinteresadamente
su tiempo para transmitirlos, sin ellos no habra sido posible finalizar este proyecto.
Kenny Bercin y Karen Palomo.
DEDICATORIA
Este trabajo se lo dedico primeramente a mi Padre Dios, que nunca me ha abandonado, an
cuando yo senta que no estaba conmigo, bastaban unas palabras para que l me escuchara y
saliera en mi auxilio. Es y ha sido mi fuerza, no sera nada sin su cario y grandes dones
otorgados, inmerecidos, pero que nunca me han faltado.
A m padres Carlos Palomo y Gina Rivera de Palomo, quienes desde muy pequea trataron de que
fuera mejor persona, que me superar a mi misma y a ellos, su cario y apoyo incondicional no me
falta, y an sin palabras saben trasmitirlos muy bien porque siempre han estado cerca de su hija, a
pesar de que la vida de tantas vueltas. Son las personas ms fuertes que yo he conocido, han
dado la vida entera por sus hijos, nunca nos ha faltado nada aunque a ellos s. Su Fe ciega en m,
me hacen mejor persona y que nunca deje de luchar pese de las adversidades, han credo en m
ms que yo misma incluso. Agradezco a Dios tener padres tan buenos.
A mi querido novio Miguel Eduardo Flores, l me hizo creer de nuevo en mi misma en un momento
de mi vida en el que yo pensaba que no iba poder terminar esta carrera. Me apoya de tantas
maneras, no solo emocionalmente sino que tambin intelectualmente. Me ha enseado y lo sigue
haciendo, tantas cosas, que me hacen una mejor profesional y una mejor persona. Su optimismo e
idea de que nadie tiene lmites son mi aliciente diario, la razn de no darme por vencida. Soy
afortunada de tener alguien que me quiera tanto.
A mi compaera de Tesis y amiga Kenny Bercin quien ha estado conmigo desde el principio de
esta larga carrera, su arduo trabajo, buenas ideas y excelente disposicin fueron parte importante
para darle forma a este proyecto. Es mi amiga pese a las dificultades y aunque somos tan
diferentes su lealtad no me falta. Me alegra sinceramente que pese a los problemas sigamos
siendo amigas.
A mis amigas Karla Cortez, Jessica Prieto y Mnica Caldern, con las que pasamos tantos
momentos de trabajo incansable y de alegras inmejorables, han enriquecido mi vida y han hecho
posible este logro.
A mis profesores, especialmente a los Ingenieros Ricardo Castellanos, Jos Hasbn, Jos
Cepeda, Jacqueline Cativo, Padre Jon Cortina y Alba Alfaro, excelentes maestros y personas.
Karen Palomo.
DEDICATORIA
Ante todo al ser que me ama y deja existir, Dios, la principal luz en mi camino y razn de m ser.
Sin l todo no sera posible.
A mi Mami Helcita, gracias al amor incondicional, gua y comprensin que me ha brindado siempre,
por darme y salvarme la vida cada vez que lo necesito. Por aguantar an a estas alturas todos mis
berrinches. A mi hermanita Krisia Denisse, usted sabe lo que significa para m, y ya sabe la dems
pajita!!. Gracias a ellas por la paciencia y por todo lo que de su persona me brindan. Las Amo.
A mi papito Encarnacin Bercin por estar an a mi lado dndome su cario y apoyo. Mis sobrinos
hermosos Jorgito, Daniel, Cristian, Rodrigo y Johanna, a quienes amo con todo mi corazn y son
parte importante en mi vida, gracias por ese amor puro que me entregan, el cual me da vida. A mi
hermana Neidy y hermano Jorge Rojas por quererme y entenderme as como soy.
A mi amiga y hermana Karen quien a pesar de todos los malos ratos que hemos pasado y a los
momentos difciles que nos encontramos desde que juntas comenzamos nuestras carreras hasta
ahora que finalizamos con este proyecto de graduacin, salimos con nuestra amistad intacta y ms
fuerte an. Gracias por todo el cario, comprensin, apoyo en todos los sentidos, por aceptarme
como soy y entenderme siempre, sabes que te quiero mucho. A mi amigo a quien admiro y
agradezco me otorgue su amistad y apoyo, Miguel Eduardo Flores.
A mis queridas amigas y compaeras en la lucha Karla Cortz, Mnica Caldern y Jessica Prieto,
por su linda amistad y apoyo. A mis amigos Denis Henry, Hector Henrquez y Miguel Martnez, por
haberme regalado tantos momentos de diversin como solo ellos saben.
A la Ingeniero Marta Lidia Merlos y Licenciado Mauro Henrquez a quienes admiro, por todas las
palabras de nimo, apoyo y cario incondicional que me han brindado. Es un placer contar con su
amistad.
A mis profesores, en especial a los Ingenieros Ricardo Castellanos, Jos Hasbn, Padre Jon
Cortina, Jacqueline Cativo, Jos Cepeda y Alba Alfaro, por haber compartido y entregado sus
conocimientos en el trayecto ms importante de mi carrera. Y Gracias a Don Mario Valencia e
Ingeniero Samuel Barillas por haber aportado en mi humilde causa.
Kenny Bercin.
SUMARIO
El presente trabajo es una investigacin de las distintas tcnicas estadsticas, estocsticas y de

modelos de simulacin hidrometeorolgicos que permitan completar series histricas de caudales
promedios mensuales con ausencia de datos y su aplicacin a una estacin hidromtrica
perteneciente a la red nacional de El Salvador. Con el relleno y extensin de estas series se logran
conclusiones y recomendaciones que se usaran posteriormente para completar los registros de las
estaciones faltantes.
NDICE
ABREVIATURAS Y SIGLAS_____________________________________________________xiii
SIMBOLOGA________________________________________________________________xv
PRLOGO__________________________________________________________________xvii
1.
GENERALIDADES___________________________________________________________ 1
1.1.
DESCRIPCIN Y JUSTIFICACIN __________________________________________ 1
1.2.
ANTECEDENTES ________________________________________________________ 2
1.2.1.
1.3.
DOCUMENTACIN PREVIA ___________________________________________ 3
OBJETIVOS ____________________________________________________________ 4
1.3.1.
OBJETIVO GENERAL _________________________________________________ 4
1.3.2.
OBJETIVOS ESPECFICOS ____________________________________________ 4
1.4.
1.5.
2.
ALCANCES Y LIMITACIONES ______________________________________________ 5

LIMITANTES ____________________________________________________________ 6
MTODOS DE RELLENO Y EXTENSIN DE CAUDALES PROMEDIOS MENSUALES EN
SERIES HISTRICAS ___________________________________________________________ 7

2.1.
INTRODUCCIN ________________________________________________________ 7
2.2.
MTODOS ESTADSTICOS________________________________________________ 8
2.2.1.
DEFINICIONES Y GENERALIDADES ____________________________________ 8
2.2.2.
MTODOS EN FUENTES CON CONTROL HIDROMTRICO.________________ 14
2.2.3.
MTODOS EN FUENTES SIN CONTROL HIDROMTRICO._________________ 18
2.3.
MTODOS ESTOCSTICOS______________________________________________ 34
2.3.1.
DEFINICIONES Y GENERALIDADES ___________________________________ 34
2.3.2.
METODOS ESTOCSTICOS DE RELLENO Y/O EXTENSIN. _______________ 35
2.4.
MODELOS DE SIMULACIN HIDROMETEOROLGICA _______________________ 44
2.4.1.
DEFINICIONES Y GENERALIDADES ___________________________________ 44
2.4.2.
MODELOS DETERMINSTICOS. _______________________________________ 46
2.4.3.
MODELOS ESTADSTICOS ___________________________________________ 50
2.4.4.
MODELOS DE SISTEMAS: PROBABILSTICOS Y ESTOCSTICOS. __________ 50
2.4.5.
MODELO, CLCULO HIDROMETEOROLGICO DE APORTACIONES Y
CRECIDAS, CHAC__________________________________________________________ 51
3.
APLICACIN DE MTODOS DE RELLENO Y EXTENSIN A SERIES HISTRICAS DE
CAUDALES PROMEDIOS MENSUALES ____________________________________________ 55

3.1.
DESCRIPCIN DE LA ESTACIN DE ANLISIS ______________________________ 55
iii
3.1.1.
UBICACIN GEOGRFICA [Castillo, 1983: p.25-34] _______________________ 55
3.1.2.
MORFOLOGA [ Castillo, 1983: p.25-34] _________________________________ 57
3.1.3.
DRENAJE [ Castillo, 1983: p.25-34] _____________________________________ 57
3.1.4.
CLIMA [ Castillo, 1983: p.25-34] ________________________________________ 58
3.1.5.
SUELOS HIDROLGICOS [ Castillo, 1983: p.25-34] _______________________ 59
3.2.
CONDICIONES INICIALES DE LAS SERIES DE CAUDALES PROMEDIOS MENSUALES
DE LAS ESTACIONES_________________________________________________________ 61
3.2.1.
ANLISIS DE LOS DATOS ____________________________________________ 61
3.2.2.
PROCESO DE SELECCIN DE LOS MTODOS ANLITICOS APLICABLES ___ 69
3.3.
PROCESO DE RELLENO Y EXTENSIN DE LAS SERIES HISTRICAS DE CAUDALES
PROMEDIOS MENSUALES ____________________________________________________ 72

3.3.1.
CORRELACIN SIMPLE E ITERATIVA CON MNIMOS CUADRADOS _________ 73
3.3.2.
REDES NEURONALES _______________________________________________ 74
3.3.3.
CURVA MSICA ____________________________________________________ 76
3.3.4.
TRANSPOSICIN DE CAUDALES ______________________________________ 76
3.3.5.
ESTOCSTICOS: MARKOVIANO Y THOMAS FIERING_____________________ 77
3.3.6.
ESTOCSTICO: ENTRE ESTACIONES__________________________________ 78
3.3.7.
THORNWAITE ______________________________________________________ 78
3.3.8.
PRECIPITACIN ESCORRENTA ______________________________________ 79
3.4.
PROCESO DE APLICACIN DEL MODELO HIDROMETEOROLGICO A LA ESTACIN
MOSCOSO. _________________________________________________________________ 80
3.4.1.
CALIBRACIN DEL MODELO CHAC ____________________________________ 80
3.4.2.
PARMETROS DE CALIBRACIN _____________________________________ 83
3.4.3.
ANLISIS DE SENSIBILIDAD DE LOS PARMETROS EN LA CALIBRACIN Y
RESPUESTA DEL MODELO. _________________________________________________ 84

3.4.4.
3.4.5.
4.
VALIDACIN DEL MODELO CHAC _____________________________________ 90

SIMULACIN DEL MODELO CHAC _____________________________________ 90
ANLISIS DE RESULTADOS _________________________________________________ 93

4.1.
RESULTADOS PARCIALES PARA EL ANLISIS DE LOS MTODOS ANALTICOS
APLICADOS_________________________________________________________________ 93
4.1.1.
CORRELACIN ITERATIVA ___________________________________________ 94
4.1.2.
PRECIPITACIN ESCORRENTA ______________________________________ 94
4.1.3.
REDES NEURONALES _______________________________________________ 96
4.2.
RESULTADOS DEL MODELO DE SIMULACIN CHAC NECESARIOS PARA EL
ANLISIS ___________________________________________________________________ 97
4.2.1.
RESULTADOS DE LA CALIBRACIN DEL CHAC__________________________ 97
4.2.2.
RESULTADOS DE LA SIMULACIN DEL CHAC___________________________ 99

iv
4.3.
COMPARACIN Y ANLISIS DE RESULTADOS_____________________________ 102
4.3.1.
CORRELACIN ITERATIVA __________________________________________ 107
4.3.2.
MTODO ESTOCSTICO: MARKOVIANO ______________________________ 108
4.3.3.
MTODO ESTOCSTICO: THOMAS FIERING ___________________________ 109
4.3.4.
MTODO ESTOCSTICO: ENTRE ESTACIONES ________________________ 109
4.3.5.
PRECIPITACIN ESCORRENTA _____________________________________ 109
4.3.6.
REDES NEURONALES______________________________________________ 110
4.3.7.
THORNWAITE_____________________________________________________ 110
4.3.8.
TRANSPOSICIN DE CAUDALES CON RELACIN DE REAS_____________ 111
4.3.9.
TRANSPOSICIN DE CAUDALES CON RELACIN DE REAS Y
PRECIPITACIONES________________________________________________________ 112
4.3.10. ANLISIS DE PRECIPITACIN _______________________________________ 113
4.3.11. MODELO DE SIMULACIN CHAC_____________________________________ 114
4.3.12. SERIE HISTRICA DE CAUDALES PROMEDIO MENSUALES COMPLETA ___ 122
5.
CONCLUSIONES Y RECOMENDACIONES_____________________________________ 125

5.1.
CONCLUSIONES ______________________________________________________ 125
5.1.1.
CONCLUSIONES GENERALES _______________________________________ 125
5.1.2.
CONCLUSIONES SOBRE LOS MTODOS ANALTICOS EMPLEADOS EN LA
ESTACIN DE MOSCOSO. _________________________________________________ 126

5.1.3.
CONCLUSIONES SOBRE EL MODELO DE SIMULACIN EMPLEADO EN LA
ESTACIN MOSCOSO. ____________________________________________________ 128

5.2.
RECOMENDACIONES __________________________________________________ 130
GLOSARIO __________________________________________________________________ 133

BIBLIOGRAFIA _______________________________________________________________ 139
ANEXO A. CLCULO DE PRECIPITACIN MEDIA O AREAL.

ANEXO B. CLCULO DE EVAPOTRANSPIRACIN POTENCIAL AREAL.
ANEXOC.
ANLISIS
DE
PLUVIOGRAMAS
HIDROGRAMAS
ESTIMACIN
DE
PARMETROS UTILIZADOS EN MODELO DE SIMULACIN CHAC Y THORNWAITE.

ANEXO D. ANLISIS DE DATOS PARA ESTACIN VILLERAS.
ANEXO E. CDIGOS Y MANUALES DE USUARIO PARA PROGRAMA CORRELACIN Y
CONSISTENCIA.
ANEXO F. MANUAL DE USUARIO PROGRAMA REDES NEURONALES.
ANEXO G. MANUAL DE USUARIO PROGRAMA CURVA MSICA.
ANEXO H. MANUAL DE USUARIO PARA PROGRAMA TRANSPOSICIN DE CAUDALES.
ANEXO I. MANUAL DE USUARIO DE LOS PROGRAMAS PARA MTODOS ESTOCSTICOS.

ANEXO J. MANUAL DE USUARIO PARA PROGRAMA MTODO DE THORNWAITE.
ANEXO K. MANUAL DE USUARIO PARA MODELO DE SIMULACIN CHAC.
ANEXO L. TEORA SOBRE REDES NEURONALES.
ANEXO M. TEORA SOBRE MTODOS ESTOCSTICOS.
ANEXO N. RELLENO PARCIAL POR MTODOS ANALTICOS PARA EVALUAR RESULTADOS.
vi
NDICE DE TABLAS
TABLA 1.1 FICHA DE INFORMACIN SOBRE ESTACIONES HIDROMTRICAS A TRABAJAR. ______________ 4
TABLA 2.1. PARMETROS DE CALIBRACIN UTILIZADOS POR EL MODELO CHAC. [IBARRA Y QUINEZ,
1996: P.42] ________________________________________________________________ 54
TABLA 3.1. PARMETROS MORFOLGICOS DEL REA DE DRENAJE DE MOSCOSO [SERVICIO HIDROLGICO
NACIONAL, SNET] ___________________________________________________________ 55
TABLA 3.2 RESULTADO DEL ANLISIS ANUAL DE LAS PRECIPITACIONES. ________________________ 62
TABLA 3.3. RESULTADOS DEL ANLISIS DE LOS HIDROGRAMAS Y PLUVIOGRAMAS. _________________ 63
TABLA 3.4. ANLISIS MENSUAL DE LA PRECIPITACIN Y LA ESCORRENTA._______________________ 63
TABLA 3.5. ESTADO DEL REGISTRO HISTRICO DE LAS ESTACIONES MOSCOSO. __________________ 64
TABLA 3.6. DATOS REGISTRADOS DE LA ESTACIN MOSCOSO, RESALTADOS LOS FALTANTES. ________ 65
TABLA 3.7. PARMETROS ESTADSTICOS MENSUALES PARA LA ESTACIN MOSCOSO. ______________ 66
TABLA 3.8. FACTORES DE CORRELACIN DE LAS ESTACIONES LAS CONCHAS Y VADO MARN CON
MOSCOSO._________________________________________________________________ 68
TABLA 3.9. PARMETROS DE CALIBRACIN PARA RELLENAR EL FALTANTE DE JUNIO 1976/77 CON REDES
NEURONALES. ______________________________________________________________ 74
TABLA 3.10. PARMETROS DE CALIBRACIN PARA RELLENAR LOS FALTANTES A PARTIR DE 1981/82 CON
REDES NEURONALES._________________________________________________________ 74
TABLA 3.11. PARMETROS OBTENIDOS PARA MOSCOSO CON THORNWAITE._____________________ 79
TABLA 3.12. VALORES INICIALES DE LOS PARMETROS DE CALIBRACIN DEL CHAC PARA LAS ESTACIN
MOSCOSO._________________________________________________________________ 83
TABLA 4.1. RESUMEN DE RESULTADOS DEL RELLENO PARA JUNIO DE 1976/77, CAUDALES EN M/SEG. _ 93
TABLA 4.2. RESULTADOS DEL RELLENO PRECIPITACIN ESCORRENTA USANDO TODOS LOS DATOS DE LA
SERIE HISTRICA. ____________________________________________________________
95
TABLA 4.3. RESULTADOS DEL RELLENO PRECIPITACIN ESCORRENTA USANDO LOS DATOS HISTRICOS DEL
MES DE JUNIO.
______________________________________________________________ 96
TABLA 4.4 VALORES DE LOS PARMETROS DEL CHAC, RESULTADOS DE LA CALIBRACIN DE LA ESTACIN
DE MOSCOSO _______________________________________________________________
97
TABLA 4.5. CAUDALES PROMEDIOS MENSUALES ANUALES Y PARA EL MES DE JUNIO. ______________ 103
TABLA 4.6. RESULTADOS DEL RELLENO CON LOS MTODOS ANALTICOS APLICABLES PARA EL MES DE JUNIO
DE 1973/74._______________________________________________________________
104
TABLA 4.7. ANLISIS DE EFECTIVIDAD DE LOS MTODOS PARA EL RELLENO DEL MES DE JUNIO. ______ 105
TABLA 4.8. RESULTADOS DEL RELLENO CON EL MTODO ESTOCSTICO MARKOVIANO. ____________ 108
TABLA 4.9. RESULTADOS DEL RELLENO CON EL MTODO DE THORNWAITE._____________________ 111
TABLA 4.10. TABLA DE RELLENO Y EXTENSIN PARA MOSCOSO CON TRANSPOSICIN DE CAUDALES CON
RELACIN DE REAS.
________________________________________________________ 112
vii
TABLA 4.11. RESULTADOS DEL RELLENO CON EL MTODO DE TRANSPOSICIN DE CAUDALES REA/
PRECIPITACIN.
____________________________________________________________ 113
TABLA 4.12. RESULTADOS DEL RELLENO CON EL MTODO DE ANLISIS DE PRECIPITACIN. _________ 114
TABLA 4.13 DESVIACIN ESTNDAR DE CADA MES, SEGN EL REGISTRO HISTRICO DE CAUDALES
PROMEDIO MENSUALES
_______________________________________________________ 115
TABLA 4.14 PORCENTAJE DE ERROR ABSOLUTO ENTRE CAUDALES SIMULADOS Y REALES PARA EL AO
HIDROLGICO 1971/72
_______________________________________________________ 116
HIDROLGICO 1972/73
_______________________________________________________ 116
HIDROLGICO 1973/74
_______________________________________________________ 117
HIDROLGICO 1974/75
_______________________________________________________ 117
TABLA 4.18. PORCENTAJE DE ERROR ABSOLUTO ENTRE CAUDALES SIMULADOS Y REALES PARA EL AO
HIDROLGICO 1975/76
_______________________________________________________ 117
TABLA 4.19. PORCENTAJE DE ERROR ABSOLUTO ENTRE CAUDALES SIMULADOS Y REALES PARA EL AO
HIDROLGICO 1976/77
_______________________________________________________ 118
HIDROLGICO 1977/78
_______________________________________________________ 118
HIDROLGICO 1978/79
_______________________________________________________ 118
HIDROLGICO 1979/80
_______________________________________________________ 118
HIDROLGICO 1980/81
_______________________________________________________ 119
TABLA 4.24. SERIE DE CAUDALES PROMEDIO MENSUALES HISTRICOS REALES Y GENERADOS POR EL
MODELO DE SIMULACIN CHAC
________________________________________________ 120
TABLA 4.25. RESUMEN DE LOS MTODOS ESTUDIADOS Y SU EFECTIVIDAD. _____________________ 121

TABLA 4.26. EFECTIVIDADES MENSUALES DEL MODELO DE SIMULACIN CHAC. _________________ 122
TABLA 4.27. RELLENO Y EXTENSIN DE LA SERIE HISTRICA DE CAUDALES PROMEDIO MENSUALES PARA LA
ESTACIN MOSCOSO.
________________________________________________________ 124
viii
NDICE DE FIGURAS
FIGURA 2.1 DIAGRAMA DE FLUJO RESUMEN DEL TRATAMIENTO ESTADSTICO EN SERIES DE CAUDALES. __ 9
FIGURA 2.2. CURVA MSICA O DOBLE ACUMULADA DE CAUDALES [ADAPTADO DE ARUM ET AL, 2002: P.7].
_________________________________________________________________________ 10
FIGURA 2.3. PROCESO DE REVISIN DE CONSISTENCIA POR CURVA MSICA._____________________ 12
FIGURA 2.4. PROCESO DE RELLENO POR CURVA MSICA.___________________________________ 15
FIGURA 2.5. PROCESO DE CORRELACIN SIMPLE O GRFICA________________________________ 16
FIGURA 2.6. PROCEDIMIENTO DE ITERACIONES SUCESIVAS DE CORRELACIONES CRUZADAS__________ 17
FIGURA 2.7. PRIMERA PARTE DEL PROCESO DE ENTRENAMIENTO DE LA RED NEURONAL. ____________ 21
FIGURA 2.8. SEGUNDA PARTE DEL PROCESO DE ENTRENAMIENTO DE LA RED NEURONAL. ___________ 22
FIGURA 2.9. PROCESO DE PREDICCIN O RELLENO CON REDES NEURONALES____________________ 23
FIGURA 2.10. PROCESO DE RELLENO CON TRANSPOSICIN DE CAUDALES ______________________ 26
FIGURA 2.11. PROCESO POR MNIMOS CUADRADOS. ______________________________________ 28
FIGURA 2.12. MTODO DE LOS POLGONOS DE THIESSEN [CAMPOS ET AL., 2002: C. 2 P.36] ________ 29
FIGURA 2.13. PROCESO DE RELLENO UTILIZANDO DATOS DE PRECIPITACIN Y ESCORRENTA ________ 30
FIGURA 2.14 ESQUEMA CONCEPTUAL DEL MTODO DE THORTHWAITE. [ARUMI ET AL. 2002: P.20]. ___ 31
FIGURA 2.15. DIAGRAMA DE FLUJO DEL BALANCE DE THORTHWAITE [ARUM ET AL, 2002: P.23] ______ 33
FIGURA 2.16. PROCEDIMIENTO DE MONTE-CARLO. _______________________________________ 37
FIGURA 2.17. PROCESO DE MODELO MARKOVIANO DE PRIMER ORDEN. ________________________ 39
FIGURA 2.18. PROCESO DE THOMAS-FIERING ___________________________________________ 41
FIGURA 2.19. PROCESO ENTRE VARIAS ESTACIONES. _____________________________________ 43
FIGURA 2.20 FACTORES QUE INTERVIENEN EN EL SISTEMA REAL DE UNA CUENCA ________________ 45
FIGURA 2.21. REPRESENTACIN ESQUEMTICA DE UN SISTEMA FSICO_________________________ 45
FIGURA 2.22 CLASIFICACIN DE MODELOS HIDROLGICOS. [ADAPTADO DE ESTRELA 1992: C 2.] _____ 47
FIGURA 2.23. ESQUEMA DE PROCESO DE MODELIZACIN DETERMINISTICA. [ESTRELA 1992: C 2. P.10] _ 50
FIGURA 2.24. ESQUEMA DEL MODELO DE TMEZ [MANUAL DEL CHAC CEDEX] _________________ 51
FIGURA 3.1. MAPA DE EL SALVADOR MOSTRANDO LA CUENCA DEL RO GRANDE DE SAN MIGUEL _____ 56
FIGURA 3.2 RED DE CONTROL HIDROMETEOROLGICO DE LA CUENCA DEL RO GRANDE DE SAN MIGUEL.56
FIGURA 3.3 MAPA DE PENDIENTES DE LA REGIN MOSCOSO. [CREADO EN ARC VIEW CON INFORMACIN
DEL MARN Y SNET]
_________________________________________________________ 57
FIGURA 3.4 REA DE DRENAJE DE MOSCOSO Y LOS PRINCIPALES ROS DE LA REGIN ______________ 58
FIGURA 3.5 BOSQUES FORMADOS POR EL TIPO DE CLIMA EN LA REGIN DE MOSCOSO. _____________ 59
FIGURA 3.6 CLASIFICACIN DE LOS SUELOS EN LA CUENCA DEL RO GRANDE DE SAN MIGUEL DE ACUERDO
A SU CAPACIDAD DE ESCORRENTA E INFILTRACIN.
[CREADO EN ARC VIEW CON INFORMACIN DEL
MARN Y SNET]_____________________________________________________________ 60
FIGURA 3.7 MAPA DE USO DE SUELOS DEL REA DE DRENAJE DE MOSCOSO. ____________________ 60
ix
FIGURA 3.8. GRFICA DE PARMETROS ESTADSTICOS PARA MOSCOSO ________________________ 66

FIGURA 3.9. ESTACIONES HIDROMTRICAS DE LA CUENCA DEL RO GRANDE DE SAN MIGUEL Y SUS
PERODOS DE REGISTRO._______________________________________________________
67
FIGURA 3.10. CONSISTENCIA VADO MARN CON MOSCOSO._________________________________ 68

FIGURA 3.11. CONSISTENCIA LAS CONCHAS CON MOSCOSO. _______________________________ 68
FIGURA 3.12. FORMATO DE ARCHIVOS DE ENTRADA PARA LOS PROGRAMAS._____________________ 73
FIGURA 3.13. SIMULACIN OBTENIDA PARA MOSCOSO FALTANTE JUNIO 1976/77 CON REDES
NEURONALES. ______________________________________________________________ 75
FIGURA 3.14. SIMULACIN OBTENIDA PARA MOSCOSO FALTANTES A PARTIR DE 1981/82 CON REDES
NEURONALES. ______________________________________________________________ 75
FIGURA 3.15. VENTANA DE DEFINICIN DEL PROYECTO [MANUAL DEL USUARIO DEL CHAC]. _________ 80
FIGURA 3.16. VENTANA PARA NOMBRAR EL PROYECTO [MANUAL DEL USUARIO DEL CHAC]. _________ 81
FIGURA 3.17. ACCESO AL SUBMEN CALIBRACIN. _______________________________________ 81
FIGURA 3.18. VENTANA QUE DESPLIEGA EL CHAC PARA INGRESAR DATOS DE REA DE LA CUENCA, DAS
DE LLUVIA, RAMAS DE DESCARGA Y LAS SERIES HISTRICAS DE PRECIPITACIONES,
EVAPOTRANSPIRACIN POTENCIAL Y CAUDALES. _____________________________________ 82

FIGURA 3.19. VENTANA QUE DESPLIEGA EL CHAC DONDE SE VISUALIZAN LOS PARMETROS DE
CALIBRACIN. _______________________________________________________________
82
FIGURA 3.20. GRFICA DEL CHAC DE CORRELACIN A NIVEL ANUAL ENTRE APORTACIN HISTRICA Y
SIMULADA __________________________________________________________________
84
FIGURA 3.21 HIDROGRAMA REAL Y SIMULADO DE UN AO MEDIO OBTENIDO AL INGRESAR LOS VALORES
INICIALES DE LOS PARMETROS DE CALIBRACIN DEL CHAC_____________________________
84
FIGURA 3.22. INFLUENCIA DE LA VARIACIN DEL PARMETRO C EN EL HIDROGRAMA DEL AO MEDIO ___ 85
FIGURA 3.23. INFLUENCIA DE LA VARIACIN DEL PARMETRO C EN VALORES DE CAUDALES SIMULADOS Y
REALES.
___________________________________________________________________ 85
FIGURA 3.24. INFLUENCIA DE LA VARIACIN DEL PARMETRO HMX EN EL HIDROGRAMA DEL AO MEDIO 86
FIGURA 3.25. INFLUENCIA DE LA VARIACIN DEL PARMETRO HMX EN VALORES DE CAUDALES SIMULADOS
Y REALES.__________________________________________________________________
86
FIGURA 3.26. INFLUENCIA DE LA VARIACIN DEL PARMETRO IMX EN EL HIDROGRAMA DEL AO MEDIO__ 87
FIGURA 3.27. INFLUENCIA DE LA VARIACIN DEL PARMETRO IMX EN VALORES DE CAUDALES SIMULADOS Y
REALES.
___________________________________________________________________ 87
FIGURA 3.28. INFLUENCIA DE LA VARIACIN DEL PARMETRO E N E L HIDR OGRAMA DEL AO MEDIO ___ 88
FIGURA 3.29. INFLUENCIA DE LA VARIACIN DEL PARMETRO E N VALOR E S DE CAUDALES SIMULADOS Y
REALES.
___________________________________________________________________ 88
FIGURA 3.30. INFLUENCIA DE LA VARIACIN DEL PARMETRO HUMEDAD INICIAL EN EL HIDROGRAMA DEL
AO MEDIO _________________________________________________________________
89
FIGURA 3.31 DIAGRAMA DE PRECEDENCIA DEL PROCESO DE CALIBRACIN DEL CHAC _____________ 90
FIGURA 3.32 VENTANA PARA ACCEDER AL SUB-MEN DE SIMULACIN _________________________ 91
x
FIGURA 3.33 VENTANA PARA VISUALIZAR ARCHIVOS DE DATOS DE ENTRADA Y SELECCIONAR EL PERODO DE
LA SIMULACIN ______________________________________________________________
91
FIGURA 3.34 HIDROGRAMA DE CAUDAL SIMULADO EN AO MEDIO_____________________________ 92

FIGURA 4.1. GRFICA QUE SIRVE PARA EVALUAR LA CONSISTENCIA Y PARA EFECTUAR EL RELLENO POR EL
MTODO DE CORRELACIN._____________________________________________________
94
FIGURA 4.2. GRFICA PRECIPITACIN ESCORRENTA CON LA SERIE HISTRICA COMPLETA.__________ 95

FIGURA 4.3. GRFICA PRECIPITACIN ESCORRENTA CON LOS DATOS HISTRICOS DE JUNIO. ________ 95
FIGURA 4.4. GRFICA DE SIMULACIN QUE DA EL MEJOR AJUSTE _____________________________ 96
FIGURA 4.5 GRFICO DE HIDROGRAMAS DE UN AO MEDIO SIMULADO Y REAL ____________________ 98
FIGURA 4.6 GRFICO DE CORRELACIN ENTRE AOS SIMULADOS Y AOS REALES ________________ 98
FIGURA 4.7 SERIES MENSUALES DE CAUDALES REGISTRADOS Y SIMULADOS _____________________ 99
FIGURA 4.8 GRFICO DE REGISTRO DE PRECIPITACIONES MEDIAS MENSUALES ___________________ 99
FIGURA 4.9 GRFICO DE PRECIPITACIONES Y EVAPOTRANSPIRACIONES MEDIAS MENSUALES, PARA EL
PERODO DE SIMULACIN______________________________________________________
100
FIGURA 4.10 GRFICO DE EVAPOTRANSPIRACIN POTENCIAL Y REAL MEDIAS PARA EL PERODO DE

SIMULACIN._______________________________________________________________
100
FIGURA 4.11 GRFICO DE PRECIPITACIONES Y EVAPOTRANSPIRACIN REAL DE LA CUENCA PARA EL

PERODO DE SIMULACIN.
_____________________________________________________ 101
FIGURA 4.12 GRFICO DE CAUDALES PROMEDIOS SUPERFICIALES Y SUBTERRNEOS GENERADOS PARA EL

PERODO DE SIMULACIN______________________________________________________
101
FIGURA 4.13 HIDROGRAMA DE AO MEDIO REAL Y SIMULADO. ______________________________ 116
xi
ABREVIATURAS Y SIGLAS
ADALINE: Adaptative Linear Neural (Neurona adaptativa lineal).
ART:
Adaptative Resonant Theory (Teora de resonancia adaptativa).
BID-
Banco Interamericano de Desarrollo Gobierno de El Salvador.
GOES:
CD:
Compact Disc (Disco Compacto).
CEDEX:
Centro de Estudios y Experimentacin.
CHAC:
Clculo Hidrometereolgico de Aportaciones y Crecidas.
DGRNR:
Direccin General de Recursos Naturales Renovables.
ESP:
Extended Streamflow Prediction (Prediccin Extendida de Caudales).
ETo:
Evapotranspiracin Potencial de Referencia
ETR:
Evapotranspiracin Real.
ETP:
Evapotranspiracin Potencial.
FAO
Food and Agriculture Organization of de United Nations (Organizacin de Alimentos y

Agricultura de las Naciones Unidas)
FINNIDA
Agencia Filandesa para la Cooperacin Internacional. Gobierno de Finlandia.
LMS:
Least median square (Error cuadrtico medio mnimo).
MAG:
Ministerio de Agricultura y Ganadera.
MARN:
Ministerio del Medio Ambiente y Recursos Naturales.
NWSRFS: Nacional Weather Service River Forecast System. (Servicio Nacional de Clima, Ros y
Sistemas Forestales)
PAES:
Programa Ambiental de El Salvador
SCE:
Suma de los Cuadrados de los Errores.
SF:
Sistema Fsico.
SNET:
Servicio Nacional de Estudios Territoriales.
RNA:
Red Neuronal.
RN:
Red Neural.
UCA :
Universidad Centroamericana Jos Simen Caas.
USAID:
Agencia de los Estados Unidos para el Desarrollo Internacional.
xiii
SIMBOLOGA
A:
Estimador o coeficiente del mtodo mnimos cuadrados.
A (t):
Almacenamiento de humedad en el perodo [mm]
A1:
rea de la cuenca en estudio
A2 :
rea de la cuenca base
Ai :
rea de influencia correspondiente a la estacin pluviomtrica i
B:
Estimador o coeficiente del mtodo mnimos cuadrados.
ei :
Componente aleatoria.
dS :
Es el cambio en almacenamiento superficial y subterrneo.

Incluye almacenamiento en cauces, embalses, suelo y acuferos.
Esc (t):
Escorrenta media mensual durante el perodo [mm]
ET:
Representa la evapotranspiracin real en la cuenca.
Exc:
Excedente de humedad al final del perodo [mm]
G:
Constituye el flujo neto de aguas subterrneas desde y hacia cuencas vecinas.
hi :
Humedad inicial del perodo [mm]
hf:
Humedad final del perodo [mm]
hmax:
Mxima humedad que es posible retener en el suelo [mm]
Hc :
Altitud media de la cuenca
i:
Subndice que indica tiempo que puede ser mes o ao
IP :
ndice de precipitacin
IET:
ndice de evapotranspiracin
ICI :
ndice de condiciones iniciales
K:
Constante
Ka:
Proporcin del almacenamiento de humedad retenido que escurre inmediatamente.
kc:
Coeficiente de cultivo
N:
Nmero de elementos en la muestra.
N:
Nmero de registros.
N:
Nmero de estaciones pluviomtricas.
NET:
Suma algebraica de las entradas ponderadas
OUT :
Seal de salida de la neurona.
P:
Es la precipitacin en el perodo seleccionado.
Pi :
Precipitacin registrada en la estacin pluviomtrica i.
Po:
Precipitacin anual observada
P1:
Precipitacin media de la cuenca en estudio
xv
P2 :
Precipitacin media de la cuenca base
Q:
Variable que representa el caudal
Qap:
Es el aporte superficial de cuencas vecinas.
Qi :
Caudal de la nueva serie generada correspondiente al tiempo (da, mes, ao) i.
Qmm (t):
Caudal medio mensual durante el perodo [mm]
QA :
Caudal medido en estacin A durante el mes n
QC :
Caudal de la estacin base o del patrn en el mes de la ausencia.
QE(t ) :
Componente estocstica, parte autorregresiva y aleatoria.
QP(t ) :
Componente peridico, parte deterministica.
QR :
Caudal en el mes faltante que se desea rellenar
QT( t ) :
Tendencia y/o saltos, parte deterministica.
QX :
Caudal no medido en estacin x durante mes n
Q1 :
Caudal medio de la cuenca en estudio
Q2:
Caudal medio de la cuenca base
Q:
Media de la muestra de caudales.
R:
Escorrenta en mm
Ro:
escorrenta anual observada
SX :
Pendiente de la curva msica para estacin X
SA :
Pendiente de la curva msica para estacin A
t:
Variable contador
W:
Pesos o intensidad de la conexin de una sinapsis en una neurona.
x:
Variable dependiente, caudal de la estacin base.
X:
Entradas o seales que llegan a la sinapsis de una neurona
xi y xi 1 : Son dos registros continuos.

x0 :
Es una constante.
y:
Variable independiente, caudal de la estacin que se desea completar.
Y:
Vector de salida de la red.
Factor de aprendizaje
1,2:
Coeficiente de correlacin serial de primer orden entre los valores de la estacin

base y la estacin en estudio para el mismo mes.
Desviacin estndar de la muestra de caudales.
Es una funcin de la correlacin serial y de la longitud del registro
xvi
PRLOGO
El captulo 1 presenta las generalidades, donde se muestran la descripcin y justificacin acerca

del porqu nace la necesidad de un proyecto de relleno y extensin de series de caudales
promedios mensuales en El Salvador; los antecedentes previos al inicio del mismo, as como los
objetivos que definen la misin global o fin ultimo del proyecto y las metas parciales para su
desarrollo. Tambin se presentan los alcances, limitaciones y limitantes, las cuales describen las
dimensiones de los temas y el grado de profundidad con el que se abordarn.
En el captulo 2 se incluyen las definiciones, conceptos, alcances, limitaciones de los mtodos
estadsticos, estocsticos y del modelo de simulacin as como las frmulas y el proceso de
aplicacin esquematizado por medio de diagramas de flujo para la aplicacin de los mtodos y
desarrollo del manejo y uso del modelo de simulacin..
El captulo 3 se muestra el proceso detallado de aplicacin de los mtodos analticos y digitales de
relleno y extensin a la estacin hidromtrica Moscoso que pertenece a la cuenca del Ro Grande
de San Miguel, de la cual se hace una descripcin previa en cuanto a su geomorfologa y estado
funcional, as como de la calidad de informacin hidromtrica que ha registrado histricamente.
En el captulo 4 se presentan los resultados obtenidos del proceso de aplicacin de los mtodos
analticos y del modelo de simulacin CHAC, realizando un anlisis de sus efectividades tanto
general, as como para determinar distintos tipos de comportamiento de caudal (arriba, abajo o en
el promedio), para definir los que mejor se adaptan a las condiciones del registro de la serie
histrica de caudales promedios mensuales de Moscoso, presentndose al final la serie
completada.
El captulo 5 muestra una serie de conclusiones y recomendaciones para el tratamiento de las
series histricas de caudales promedios mensuales de una estacin hidromtrica, las cuales
surgieron de las observaciones durante el proceso de aplicacin de los mtodos de relleno y
extensin.
xvii
1. GENERALIDADES
1.1.
DESCRIPCIN Y JUSTIFICACIN
El proyecto de graduacin consiste en la recopilacin y anlisis de la aplicacin de los mtodos

estadsticos, estocsticos y de un modelo de simulacin hidrometeorolgico, que sirvan para el
relleno y/o extensin de datos, con el propsito de completar y reconstruir las series histricas de
caudales promedios mensuales de estaciones hidromtricas o puntos de control, las cuales forman
parte de la Red Hidromtrica de El Salvador, operada por el Servicio Hidrolgico Nacional, una
direccin del Servicio Nacional de Estudios Territoriales, SNET.
stas series presentan vacos de informacin debido a factores como la situacin conflictiva de los
aos 80s, vandalismo, falta de fondos para mantenimiento del equipo e infraestructura, cambios
institucionales, entre otros.
La importancia de contar con un registro completo de caudales radica en que esta informacin
forma parte de la base de datos sobre la cual se calcula el Balance Hdrico, herramienta importante
para desarrollar una adecuada gestin del agua, ya que permite conocer la disponibilidad real de
dicho recurso en el pas, factor vital para minimizar los conflictos derivados de su uso.
El proyecto de graduacin incluye, adems de la investigacin terica de los mtodos para el
tratamiento de ausencias en las series histricas de datos y su respectiva presentacin, el manejo
de las series de caudales promedios mensuales, que comienza con el anlisis de los datos de
cada estacin en cuanto a calidad, cantidad y consistencia, as como el estudio de las
caractersticas geogrficas, geolgicas, cobertura vegetal, uso del suelo, rea de drenaje, factores
de forma de la cuenca del ro y otros aspectos que influyen directamente en los caudales de una
regin hidrogrfica.
Posteriormente a partir de esta informacin se definen los mtodos de relleno y extensin
aplicables en cada estacin de acuerdo a las condiciones propias de cada una, se completan los
registros faltantes y se realizan comparaciones entre los resultados obtenidos con la aplicacin de
los
diferentes
mtodos
investigados
los
arrojados
por
el
modelo
de
simulacin
hidrometeorolgico, se definir cual o cuales de dichos mtodos se adaptan mejor a las series
histricas de caudales de las estaciones estudiadas.
Finalmente se generarn conclusiones y recomendaciones sobre la forma en que debern ser

tratadas las series histricas de caudales promedios mensuales en el resto de las estaciones de la
Red Hidromtrica de El Salvador.
1.2.
ANTECEDENTES
A finales de la dcada de los 60 y en los aos 70 se realiz un proyecto Hidrometeorolgico

Centroamericano (1966-1972) con el objetivo bsico de establecer una red de estaciones de
medidas de niveles de ros y de parmetros meteorolgicos, con este proyecto, se puede decir, se
inici en una forma ms sistemtica el registro de datos hidrometeorolgicos. Debido a la crisis de
los aos 80s y a la Guerra Civil los registros iniciados se vieron interrumpidos.
En 1992 Proyecto FINNIDA (gobierno de Finlandia) fortalece la red meteorolgica en El Salvador.
En 1997 prstamo BID-GOES
Programa Ambiental de El Salvador (PAES) DGRNR-MAG:
Instalacin de 4 estaciones telemtricas y 11 automticas en Cuenca del Ro Lempa y

fortalecimiento del monitoreo de cantidad y calidad de agua. En 1998 a raz del Huracn Mitch la
Agencia Estadounidense para el Desarrollo Internacional (USAID), financi a travs del Proyecto
de Reconstruccin Post-Huracanes la instalacin del Sistema de Pronstico y Alerta Temprana del
Ro Lempa (MAG-DGRNR). A partir de esto se realizaron las siguientes mejoras:
Instalacin de 10 estaciones telemtricas (3 Guatemala, 3 Honduras y 4 El Salvador) y
conexin con las 4 estaciones telemtricas instaladas por PAES (total 14 en la Cuenca
del Ro Lempa).
Instalacin de 2 estaciones telemtricas en la Cuenca del Ro Paz, 1 en el Ro Jiboa, 2
en el Ro Goascorn y 2 en el Grande de San Miguel.
Equipamiento e instalacin de hardware y software del Centro de Pronstico Hidrolgico
(CPH).
En Octubre del 2001 se crea el Servicio Nacional de Estudios Territoriales, SNET, que se
encargara
de estudiar los fenmenos naturales y su impacto en la poblacin, debido a la
necesidad de consolidar las capacidades nacionales de investigacin, monitoreo y de provisin de

informacin sobre fenmenos naturales que constituyen amenazas para el pas, como fenmenos
hidrolgicos, meteorolgicos, volcnicos, ssmicos, geolgicos en general. Para crear el SNET, se
fusion el Centro de Investigaciones Geotcnicas, CIG, organismo dependiente del Ministerio de
Obras Pblicas responsable de estudiar la sismicidad del pas, y la Divisin de Meteorologa e
2
Hidrologa del Ministerio de Agricultura. A partir de esto sera SNET la encargada de la red de
estaciones hidrometeorolgicas que actualmente operan dentro del territorio de El Salvador.
1.2.1.
DOCUMENTACIN PREVIA
La informacin previa con la que se cuenta para el desarrollo del proyecto, es la siguiente:
Series histricas de precipitacin mensual y evapotranspiracin de referencia, las cuales estn

completas y homogenizadas.
Series de caudales promedio mensuales incompletas, registradas en cada estacin.
El mapa de ubicacin de las estaciones hidrometereolgicas.
Informacin general sobre antecedentes e historial de la Red Hidromtrica de El Salvador.
Fichas de historial de las estaciones hidromtricas a trabajar, con informacin sobre la

ubicacin de las mismas, reubicaciones en caso de existir, periodos de registro, rea de
drenaje, etc. En la Tabla 1.1 se muestran datos generales de cada una de las estaciones
hidromtricas, cuya informacin ser trabajada con tcnicas de relleno y extensin.
Ro
Nombre estacin
Ubicacin
Paz
La Hachadura
Ahuchapn
San Pedro
La Atalaya
Sonsonete
Sensunapan
Sonsonete
Grande
Sonsonete
de
Estado actual
Funcionando
Montecristo
La Paz
Abril 62/Oct.85
Jun 93 a la fecha
Sep. 82/Jun 88
suspendida
Feb 90 a la fecha
Suspendida
Jun 59/ Oct 82
registro
trasladado
Sucio
El Jocote
La Libertad
Funcionando
Suquiapa
Tacachico
La Libertad
Funcionando
registro
Temporalmente
Clausurada
Jiboa
Periodo(s) de
Jul 59/ Ago 86

Ago 93/ 96
Feb 67/ Abr 87
2001 a la fecha
Nov 60/ Jul 87
2001 a la fecha
Ro
Nombre estacin
San
Acelhuate
Grande
Diego
Puente Mocho
de
San
de
San
Ubicacin
San Salvador
Vado Marn
San Miguel
Sirama
Siramita
Goascorn
El Amatillo
Miguel
Clausurada
May 67/ Abr 72

May 78/ Mzo 82
San Miguel
Grande
registro
Ene. 62/ Nov 68
Moscoso
Miguel
Periodo(s) de
Estado actual
Clausurada
Jul 58/ Mzo 83
Temporalmente
May 59/ Abr 81
suspendida
Jun 93/ 2001
La Unin
Clausurada
Jun 61/ Ene 82
La Unin
Clausurada
Dic 61/ Ene 70
Tabla 1.1 Ficha de informacin sobre estaciones hidromtricas a trabajar.

[Servicio Hidrolgico Nacional, SNET]
1.3.
1.3.1.
OBJETIVOS
OBJETIVO GENERAL
Rellenar y extender, estadstica, estocsticamente y mediante el uso de un programa de simulacin

hidrometeorolgico, las serie de caudales promedio histricos mensuales (con informacin desde
los aos 60s hasta la fecha) de una estacin hidromtrica de El Salvador. Con los resultados
obtenidos al completar la serie histrica se recomendarn uno o varios mtodos cuya aplicacin
sea la ms adecuada a las condiciones propias de la estacin.
1.3.2.
OBJETIVOS ESPECFICOS
Investigar distintas metodologas estadsticas y estocsticas de relleno y/o extensin, explicar

sus fundamentos tericos, alcances, limitaciones, y forma de aplicacin.
Aplicar las metodologas investigadas a la serie de caudales promedio, incompleta de la

estacin en inters.
Obtener un modelo de simulacin hidrometeorolgico gratuito que se aplique a la serie de

caudales promedio y emplearlo en la estacin hidromtrica elegida.
Explicar los modelos de simulacin hidrometeorolgicos, las hiptesis en las que se basan,
conceptos, alcances, limitaciones, forma de uso, tipos y modo de seleccin de los mismos.
Usar la informacin pluviomtrica para rellenar y/o extender la serie de caudales incompleta.
Estudiar y presentar en forma ordenada los datos requeridos para efectuar el proceso de
relleno y/o extensin de datos, ya sea por medio de los mtodos analticos como mediante el
uso del modelo de simulacin.
Presentar recomendaciones en cuanto a la cantidad y calidad de los datos necesarios para

efectuar el proceso de completar las series histricas, ya sea usando el modelo de simulacin,
como por medios analticos.
Determinar la confiabilidad de los datos rellenados y/o extendidos, concluir y recomendar al

respecto.
Comparar los resultados obtenidos tanto de los mtodos analticos investigados como los
arrojados por el modelo de simulacin empleado.
1.4.
ALCANCES Y LIMITACIONES
Investigacin de mtodos estadsticos y estocsticos de relleno y extensin de series

hidromtricas, presentando su fundamento terico, requerimientos, rangos, alcances y limites
necesarios para su empleo.
Investigacin del marco terico de los modelos estocsticos de relleno y extensin.
Presentacin detallada de los datos incompletos, procesos de relleno y/o extensin, resultados
y anlisis de los mismos, nicamente para la estacin Moscoso.
Las tablas de las series de caudales histricos promedios mensuales incompletas y completas
de las 11 estaciones, se presentan en un documento anexo a las instituciones siguientes:
Servicio Nacional de Estudios Territoriales SNET y Universidad Centroamericana Jos Simen
Caas UCA.
Desarrollo del estudio de los modelos de simulacin hidrometeorolgicos en el que se abarca

las definiciones, alcances, limitaciones, formas de uso, tipos y el modo de seleccin de los
mismos.
Aplicacin del modelo de simulacin hidrometereolgico CHAC para el relleno y extensin de

las series histricas de caudales promedios mensuales a la estacin Moscoso y presentando
para las 11 estaciones de inters en el documento anexo que se entregar a las instituciones
antes mencionadas.
1.5.
LIMITANTES
La informacin acerca de los mtodos de relleno y/o extensin estadsticos y estocsticos es

breve y escasa. No existen frmulas empricas que se puedan utilizar directamente, en
cualquier caso, a cada estacin, es necesario deducirlas.
La eleccin del modelo de simulacin en cuanto a su complejidad esta determinado por la

disponibilidad gratuita de los mismos, adems de la cantidad de informacin disponible y
medida en El Salvador, requerida por dichos modelos.
La cantidad y calidad de los registros de cada estacin, as como el de las estaciones aledaas
determinan el nmero de mtodos que pueden usarse para rellenar y/o extender dichos datos.
Algunas condiciones que afectan el proceso de relleno y/o extensin son las siguientes:
Todas las estaciones en una misma regin hidrogrfica tengan registros cortos o que no
se crucen entre s.
No existen cuencas cuyas condiciones sean semejantes a la cuenca en estudio.
Limitada cantidad de estaciones hidromtricas en la misma cuenca o regin hidrogrfica.
Informacin insuficiente para la calibracin del modelo de simulacin hidrolgica.
Mtodos que presenten resultados inciertos o poco confiables.
No se cuenta con informacin sobre otros parmetros que influyen en los caudales de
una cuenca, adems de la precipitacin, como la temperatura, agua subterrnea entre
otros.
2. MTODOS DE RELLENO Y EXTENSIN DE CAUDALES PROMEDIOS

MENSUALES EN SERIES HISTRICAS
2.1.
El caudal
INTRODUCCIN
Q es la principal variable que caracteriza a la escorrenta superficial, y se obtiene a partir
de los procedimientos de medicin, con instrumentos como vertederos y molinetes entre otros. A
travs del registro formado con los datos obtenidos se genera lo que se conoce como series
histricas de caudales, los cuales pueden ser diarios, mensuales o anuales. Una serie de tiempo
hidrolgica tpica es la descripcin cuantitativa de la historia de caudales o la precipitacin en un
punto determinado.
La estadstica matemtica estudia muestras observadas y hace inferencias acerca de la poblacin
de la cual provienen y del fenmeno que se trata de analizar, con todas sus posibilidades. La teora
estocstica tambin estudia las muestras observadas, pero las analiza buscando la relacin
secuencial entre sus elementos.
Fenmenos como la precipitacin, el escurrimiento y la evaporacin, presentan una periodicidad
caracterstica diaria, mensual y/o anual, as como fluctuaciones al azar alrededor de estos
componentes peridicos.
Para investigar las variables hidrolgicas que permitan su estudio y cuantificacin se realizan
levantamientos de datos que en general pueden agruparse en los siguientes tipos:
Datos cronolgicos o histricos
Datos de campo a tiempo presente
Datos de laboratorio
Particularmente para los datos cronolgicos o histricos es necesario hacer una distincin entre
datos verdaderos y datos observados. El dato verdadero es el que representa el valor exacto de la
observacin que se realiza. El dato observado, que es el que en realidad se dispone, presenta
errores que se originan en la medicin y transmisin o registro del mismo y que pueden ser
casuales o sistemticos.
En resumen, el objetivo principal del tratamiento estadstico
y estocstico en la hidrologa es
obtener informacin de los fenmenos hidrolgicos pasados y hacer inferencias acerca de su

comportamiento en el futuro o poder llenar espacios de medicin en el pasado.
Para cumplir con el objetivo principal del tratamiento estadstico y estocstico de las series, se
emplean distintos mtodos de anlisis cuya aplicacin en cada caso depende de la calidad y
cantidad de la informacin disponible. Esta calidad se podra clasificar de acuerdo a los siguientes
criterios:
Buena informacin: Cuando existen registros suficientemente confiables en las series

climatolgicas e hidromtricas, con las cuales es posible conformar series histricas que
cumplen con todos los requisitos que exigen el anlisis estadstico de frecuencias y la
aplicacin de la teora de las probabilidades.
Informacin regular: Se presenta cuando alguna de las series histricas tiene algunas
deficiencias, ya sea de longitud, falla en la toma de datos o falta de consistencia.
Informacin escasa: sta se da cuando la cartografa es inadecuada y el cubrimiento de las

redes hidromtricas y climatolgicas es deficiente, ya sea porque las series existentes solo
comprenden lluvias y algunos caudales, o nicamente lluvias, o cuando los registros son muy
cortos e incompletos.
Informacin nula: Cuando por ejemplo los registros de lluvia son mensuales y no existen
datos de caudales.
2.2.
2.2.1.
MTODOS ESTADSTICOS
DEFINICIONES Y GENERALIDADES
Para el anlisis de la informacin, la hidrologa utiliza los conceptos de probabilidad y estadstica,

siendo este campo, una de las primeras reas de la ciencia e ingeniera, en usar los conceptos
estadsticos, en un esfuerzo por analizar los fenmenos naturales [Villn Bejar, 2001].
En el presente apartado se tratan los fundamentos tericos de los mtodos estadsticos para el
tratamiento de ausencias en series histricas de caudales promedios mensuales, proceso que se
resume en el diagrama de la Figura 2.1.
Figura 2.1 Diagrama de flujo resumen del tratamiento estadstico en series de caudales.
A. HOMOGENEIDAD DE LA ESTADSTICA.
Las inconsistencias, cambios o errores de un registro hidromtrico pueden detectarse a partir de
curvas msicas o dobles acumuladas y pueden deberse a un cambio en los mtodos de
recoleccin de la informacin, cambios en la ubicacin del sitio de medicin, almacenamiento
artificial (embalses) o a cambios en el uso del agua de la cuenca [Arum et al., 2002: p.1-24]. Por
medio del mtodo de curvas msicas se detectan los cambios de tendencia no ocasionados por
causas meteorolgicas.
El mtodo est basado en que generalmente los valores acumulados del promedio de los caudales
mensuales de varias estaciones contiguas, llamado patrn, no se ve afectado por cambios en las
estaciones individuales que lo forman, ya que existe una compensacin entre ellas [Arum et al.,
2002: p.7]. Esta compensacin hace que el patrn sea confiable y no se vea afectado por
inconsistencias en las estaciones que lo forman, cualquier quiebre en una curva doble msica se
deber a la estacin en estudio.
El procedimiento consiste entonces en ubicar en el eje de las abscisas la suma acumulada
promedio de los caudales mensuales de al menos 3 estaciones, para que sea estable [Adaptado
de Arum et al., 2002: p.12], y en el eje de las ordenadas, la suma acumulada de los caudales de la
estacin en estudio, para un perodo en que el patrn y la estacin tengan datos completos (Figura
2.2).
Figura 2.2. Curva msica o doble acumulada de caudales [Adaptado de Arum et al, 2002: p.7].
10
Para construir el patrn se convierten los caudales a variables que sean comparables entre s, es
decir independientes del rea de la cuenca y con el mismo orden de magnitud (caudal por unidad
de rea, escorrenta en milmetros o porcentaje del caudal medio).
El procedimiento para convertir caudales a escorrenta es el siguiente: se multiplican los caudales
de cada mes por la cantidad de segundos en un mes, para obtener unidades de volumen y este se
divide entre el rea de la cuenca de drenaje del ro para obtener valores en unidades de longitud,
que representan la escorrenta en el mes seleccionado.
Cuando no es posible conformar un patrn, porque no existen al menos tres estaciones
hidromtricas en la cuenca o regin hidrogrfica, a la que pertenece la estacin en estudio, se
hace necesario determinar una estacin base, para ello, s grfica la estacin en estudio respecto
a cada una de las estaciones aledaas, y se determinan sus respectivos factores de correlacin, la
que tenga la mayor correlacin se define como la Estacin Base.
Si ninguna de las estaciones cercanas tiene un factor de correlacin mayor de 0.85 [Salguero,
2002: p. 296] respecto a la estacin en estudio, se revisa la consistencia siempre con el mtodo de
curva msica, pero comparando cada registro hidromtrico en estudio, expresado como
escorrenta, respecto a un patrn de precipitaciones medias de la cuenca o con una estadstica
pluviomtrica base.
Como la relacin entre la escorrenta y la precipitacin no es una lnea recta se tiene una
dispersin de puntos que sigue una tendencia lineal general. En zonas en las que la precipitacin
es variable la tendencia de la relacin escorrenta - precipitacin no es una lnea recta por lo que
se recomienda establecer una relacin del tipo [Baratta et al., 1993: p.104]:
Ro = f (Po)
(Ec. 2.1)
Siendo:
Ro
= Escorrenta anual observada
Po
= Precipitacin anual observada
El procedimiento para revisar la consistencia se detalla en el diagrama siguiente (Figura 2.3):
11
Figura 2.3. Proceso de revisin de consistencia por curva msica.
12
B. AJUSTE O CORRECCIN DE LA ESTADSTICA.

Generalmente las curvas msicas no se utilizan para corregir datos de caudales, puesto que estos
se deben a la combinacin de un conjunto de parmetros y no al azar, el ajustar una serie histrica
de caudales con curva msica implica cambiar datos medidos en forma real, lo que puede llevar a
obtener resultados errneos.
Adems la correccin se realiza nicamente cuando el cambio de pendientes de la grfica de curva
msica se mantiene al menos durante 5 aos consecutivos, ya que generalmente los puntos
presentan suaves ondulaciones respecto a la tendencia media, debido a las dispersiones lgicas
que se producen en las observaciones hidrolgicas.
La correccin o ajuste debe hacerse analizando las posibles causas de la inconsistencia. Entre
estas posibles causas y su solucin, figuran [Arum et al., 2002: p.11]:
B.1. Determinacin errnea de la curva de descarga en algunos perodos, o algn otro tipo de
error de traduccin. En este caso, una retraduccin de la estadstica podra solucionar las
inconsistencias.
B.2. Modificacin de la seccin hidromtrica, errores en las lecturas limnimtricas y en el clculo
de los caudales medios diarios, mensuales y anuales. En estos casos lo mejor es ubicar los
errores y corregir los datos individuales o determinar factores de correccin.
B.3. La inconsistencia podra ser provocada por extracciones no consideradas aguas arriba de la
seccin en estudio, debidas a obras hidrulicas como embalses, captaciones o aportes de
otras cuencas. El problema podra solucionarse agregando las extracciones a los caudales
medidos.
B.4. Inconsistencias bastante significativas podran deberse a cambios considerables en el uso de
la tierra, tales como incorporacin de nuevas zonas agrcolas, tala de bosques, grande
urbanizaciones, erosin de la cuenca entre otros. En caso de detectarse que estos cambios
pudieran haber influido significativamente en el rgimen de escorrenta de la cuenca, se
recomienda utilizar nicamente, los registros representativos de la situacin actual.
B.5. Traslado de la estacin a otro lugar del ro. En este caso s la inconsistencia es significativa
se consideran nicamente los registros medidos en la ubicacin actual.
13
En el presente trabajo no se efectuar ajuste de los datos aunque sea requerido porque no se
cuenta con la informacin suficiente sobre la situacin histrica del registro de datos en cada
estacin y la evolucin del uso de los suelos en cada zona.
C. RELLENO Y EXTENSIN DE LA ESTADSTICA.
Una vez realizado el proceso de consistencia se procede a rellenar las series incompletas con los
datos del patrn o de la estacin base.
Los mtodos empleados para rellenar y/o extender dependen de la cantidad de registros de
caudales que tenga la fuente cuyos datos se desean completar, por lo que se agrupan de acuerdo
a s se tiene, o no, control hidromtrico en la estacin en estudio.
2.2.2.
MTODOS EN FUENTES CON CONTROL HIDROMTRICO.
Los mtodos que se emplean cuando existen suficientes registros hidromtricos en la cuenca a la
que pertenece la estacin a la que se desea completar su registro son las siguientes:
A. CURVA MSICA O DOBLES ACUMULADAS. [Adaptado de Arum et al., 2002: p.9]
Este es un mtodo de relleno y requiere que la correlacin entre el patrn y estacin base con la
estacin en estudio sea buena.
El procedimiento para aplicar el mtodo se detalla en la Figura 2.4:
Donde:
QX
= Caudal no medido en estacin x durante mes n
QA
= Caudal medido en estacin A (patrn o estacin base) durante el mes n
SX
= Pendiente de la curva msica para estacin X
SA
= Pendiente de la curva msica para estacin A
14
Figura 2.4. Proceso de relleno por curva msica.
B. CORRELACIN GRFICA.
Este mtodo es de relleno y supone que los caudales especficos (Q/unidad superficie) entre las
cuencas a correlacionar son similares para un perodo de tiempo considerado. Su aplicacin
requiere que el patrn o la estacin base disponga de registros hidromtricos confiables. El
procedimiento es el siguiente (Figura 2.5):
15
Figura 2.5. Proceso de correlacin simple o grfica
Donde:
x
= Variable dependiente, caudal de la estacin base.
= Variable independiente, caudal de la estacin que se desea completar.
= Nmero de registros.
Este mtodo y el siguiente requieren como se observa en sus respectivos diagramas de

procedimiento, el uso del mtodo de mnimos cuadrados (Ver mtodo de mnimos cuadrados
Apartado 2.2.3 literal A4), para determinar la ecuacin que relaciona las variables y proceder al
relleno.
16
C. ITERACIONES SUCESIVAS DE CORRELACIONES CRUZADAS ENTRE 3 ESTACIONES

VECINAS.
Mtodo de rellenos que se usa cuando no se puede formar el patrn de estaciones. En estos casos
se eligen tres estaciones aledaas a dicha estacin y se sigue un proceso semejante al de elegir la
estacin base. A continuacin se presenta el procedimiento a seguir (Figura 2.6):
Figura 2.6. Procedimiento de iteraciones sucesivas de correlaciones cruzadas
Finalmente se procede al relleno de datos con la estacin cuyo factor de correlacin sea el ms
cercano a 1, respecto a la estacin en estudio.
17
2.2.3.
MTODOS EN FUENTES SIN CONTROL HIDROMTRICO.
En una cuenca sin registros o con muy pocos es una cuenca no controlada, la nica forma de
completar los registros de caudales es a travs de mtodos indirectos. Los mtodos ms
comnmente utilizados son [Arum et al., 2002: p.13]: A. Mtodos basados en datos hidromtricos;
B. Mtodos basados en datos pluviomtricos; C. Mtodos basados en datos fisiogrficos y D.
Modelos de simulacin.
En este apartado se trataran los tres primeros mtodos, mientras que los Modelos de simulacin se
desarrollan en el apartado 2.4.
A. MTODOS BASADOS EN DATOS HIDROMTRICOS
Estos mtodos se basan en el hecho de que existe informacin hidromtrica o de medicin de
caudal en la cuenca en estudio, pero estos registros son insuficientes para aplicar los mtodos
descritos cuando hay control hidromtrico, por ello se analizan bajo tres criterios: histrico, regional
y combinado.
Bajo el criterio de informacin histrica, se usa nicamente la informacin proveniente del anlisis
de la serie histrica de la propia estacin a la que se desea completar su registro. Dos de los
mtodos basados en este criterio, interpolacin temporal y promedio global, eran de uso comn en
antao cuando era necesario simplificar los procesos, porque no se contaba con ordenadores
avanzados que facilitaran el manejo de grandes cantidades de informacin, como lo son las series
histricas de parmetros hidrolgicos, el problema es que sus resultados se alejan de la realidad a
medida que la cantidad de datos faltantes aumenta porque se crean tendencias de caudales que
podran ser constantes o lineales lo cual no es lo usual debido a los mltiples factores que afectan
la generacin de caudales.
Debido a las razones anteriores, estos dos mtodos se encuentran actualmente en desuso para el
caso de series de caudales y se emplean para precipitaciones slo cuando los faltantes son
menores a un mes, por lo que se mencionan sin profundizar en su estudio.
A.1. Redes neuronales.
[Adaptado de http://mailweb.udlap.mx/~pgomez/cursos/rna/notas/cap2.html. Junio 2004: c.2]
Actualmente con el avance de la tecnologa en lo que respecta al manejo de datos se han
desarrollado las redes neuronales, las cuales en su forma ms simple son capaces de predecir el
comportamiento del caudal basados nicamente en el registro histrico de la estacin que se
18
quiere completar, con resultados altamente satisfactorios si se realiza el entrenamiento de la red

con una cantidad considerable de datos completos (al menos 25 aos de registros). El
procedimiento consiste en determinar la funcin que mejor se adapta al comportamiento de las
series histricas en el tiempo, para lo que se realiza un proceso de optimizacin de forma iterativa.
Para realizar el procedimiento de optimizacin se considera:
Red neuronal ADALINE (ADAptative Linear Neural), configurada con una sola capa, funcin
sigmoide y con entrenamiento supervisado (Ver Anexo L).
Dos fases, entrenamiento y simulacin o prediccin.
La red utiliza correccin de error para su aprendizaje. Modifica los pesos para tratar de reducir
la diferencia entre la salida actual y la salida deseada (para cada patrn).
Minimiza el Error Cuadrtico Medio (LMS) sobre todos los patrones de entrenamiento.
Los parmetros involucrados en la configuracin de la red neuronal elegida (existen distintos tipos
de redes neuronales y configuraciones, cada una con parmetros diferentes) para efectuar el
relleno y extensin, son los siguientes:
Factor de Aprendizaje, . Parmetro adimensional que indica la razn de cambio de los
pesos de la red neuronal, siendo stos las constantes de la ecuacin de la tendencia que
mejor se ajusta. Puede variar entre 0 y 1, donde, cero implica nula variacin de los pesos
y uno cambio completo.
Nmero de entradas. Representa la cantidad de datos tomados en cada iteracin de la
calibracin o del funcionamiento normal de la red neuronal, datos que son transformados
para lograr una salida. Su valor puede ser nmeros enteros entre 0 y +. La variacin de
este parmetro debe ser tal que el valor no sea ni demasiado grande como para que la
red represente solo formas particulares pero tampoco muy pequeo como para que el
resultado sea una tendencia que solo d una ligera idea de la forma general. Segn la
experiencia valores entre 10 y 60 son idneos para lograr salidas que se acercan a los
valores reales (ver Captulo 3, apartado 3.3.2, Anexos F y Anexo L)
Nmero de iteraciones. Es la cantidad de veces que la red neuronal ingresa los datos en
las entradas para obtener una salida y revisar si sta, se acerca a la salida esperada. En
general puede usarse valores enteros entre 0 y +, pero llega un punto que los datos son
tales que aumentar el nmero de iteraciones solo retrasa el procesamiento para dar los
mismos valores que un nmero de iteraciones menor. De acuerdo a la experiencia la
variabilidad de los caudales queda bien representada con 10000 iteraciones.
19
Error Mnimo. Es la diferencia que se considera aceptable entre el valor real ingresado y
la salida simulada por el programa en la fase de calibracin y procesamiento, dividido
entre el valor real. El valor puede ser arriba de 0 y abajo de 1, pero se aconseja mantener
el 0.001 que trae el programa por defecto, ya que el tiempo de procesamiento no se hace
tan largo y representa que para un caudal real de 10 m/seg un valor simulado aceptable
son los que se encuentren entre 9.99 y 10.01 m/seg, es decir una variacin de 0.02
m/seg o 20 lt/seg.
Cantidad de datos a simular. Este parmetro representa el nmero de meses que se
quieren simular con la red neuronal electa. Este valor puede ir entre cero y un nmero de
meses iguales a los del perodo de calibracin, aunque la experiencia demuestra que por
ser una red simplificada la simulacin es apropiada nicamente para 12 meses (Ver
Captulo 4), aunque se tengan ms de los 60 meses previos requeridos como mnimo (5
aos de registros completos para la calibracin).
Error Absoluto. Es el error total obtenido, que sirve al usuario de la red neuronal de
indicativo para saber en que momento terminar la variacin de los parmetros anteriores
y aceptar el resultado de la simulacin, aunque solo sirve como gua porque no es
determinante para lograr buenos resultados, puede darse el caso que aunque la
simulacin sea buena el error absoluto sea alto; por lo tanto es mejor auxiliarse de las
grficas de simulacin respecto a los datos reales para definir en que momento el ajuste
es tal que la simulacin es adecuada.
El proceso de entrenamiento y prediccin de caudales se detalla en los diagramas que se
presentan a continuacin (Figura 2.7, Figura 2.8 y Figura 2.9), en los cuales se tiene:
m
= Nmero de entradas
= Nmero de salidas
= Salida de la red
wi
= Pesos correspondientes a cada entrada
xi
= Entradas a la red.
= Variable contador
= Factor de aprendizaje, que indica la razn de cambio de los pesos.
20
Entrenamiento:
Figura 2.7. Primera parte del proceso de entrenamiento de la red neuronal.
21
Figura 2.8. Segunda parte del proceso de entrenamiento de la red neuronal.
22
Prediccin con la red neuronal ya entrenada:
Figura 2.9. Proceso de prediccin o relleno con redes neuronales
23
En el caso del criterio de informacin regional, se utiliza nicamente informacin recabada

simultneamente, sin usar informacin de los meses precedentes. En general estos mtodos que
son para rellenar no se usan cuando las series histricas de caudales tienen vacos considerables,
porque el hecho de que las condiciones actuales de dos puntos de lectura de datos sean
semejantes no garantiza que se haya mantenido as a lo largo del tiempo, por lo que actualmente
su uso se limita al tratamiento de los faltantes en las series histricas de precipitacin. Entre estos
se encuentran: Vecino geogrficamente ms cercano por Criterio de Expertos y Promedio espacial
correspondiente al mes de la ausencia
Por ltimo bajo el criterio de combinacin de informacin regional e histrica, dado el caso de
disponer de registros hidromtricos de estaciones localizadas en cuencas vecinas al rea en
estudio, y que presenten caractersticas similares respecto a su geomorfologa, cobertura vegetal,
clima y suelo, los caudales medios podrn ser determinados con la aplicacin de transposicin de
caudales o correlacin entre estaciones.
A.2. Transposicin de caudales [Baratta et al., 1993: c.4 p.106-107].
ste mtodo utilizado tanto para relleno como para extensin de series de caudales promedios
mensuales, puede realizarse considerando distintos casos como se presenta a continuacin:
Caso de dos cuencas de caractersticas fisiogrficas y de cobertura vegetal similar, con
precipitaciones anlogas se puede suponer que ambas tienen igual caudal especfico
En un caso semejante al anterior, pero con precipitaciones medias un poco diferentes, la
relacin anterior se puede modificar por un coeficiente que pondere los diferentes valores
de lluvia en las cuencas:
En cuencas montaosas y homogneas pluviomtricamente.
Los resultados as generados deben ser analizados cuidadosamente en la perspectiva que se
cumplan los requisitos bsicos respecto a la semejanza entre las cuencas vecinas. La semejanza
se evala de acuerdo nicamente a las caractersticas fsicas, siempre y cuando el rgimen
climtico sea el mismo. Las principales caractersticas fsicas de las cuencas son: el rea (A),
permetro (P), longitud del cauce ms largo (L), elevacin mxima (Hmx) y mnima (Hmn) del
parte aguas. A partir de estos se determinan los siguientes parmetros:
24
Pendiente media (S)
S=
Hmx Hmn
A
(Ec. 2.2.)
Coeficiente de compacidad
Fc =
0.28 P
A
(Ec. 2.3.)
Factor de forma
A
Ff = 2
L
(Ec. 2.4.)
Extensin superficial (o Ancho Promedio)
b=
A
2L
(Ec. 2.5.)
En general se dice que dos cuencas son similares s la variacin de los parmetros anteriores no
excede el 15%, a continuacin se presenta el procedimiento a seguir (Figura 2.10), en el cual se
tiene:
Q1
= Caudal medio de la cuenca en estudio
Q2
= Caudal medio de la cuenca base
A1
= rea de la cuenca en estudio
A2
= rea de la cuenca base
P1
= Precipitacin media de la cuenca en estudio
P2
= Precipitacin media de la cuenca base
= Escorrenta en mm
Hc
= Altitud media de la cuenca
25
Figura 2.10. Proceso de relleno con transposicin de caudales
26
A.3. Correlacin entre estaciones

Este mtodo de relleno tambin es posible emplearlo cuando la informacin hidromtrica en la
estacin en estudio es escasa pero se cuenta con suficientes estaciones aledaas para crear el
patrn o una de ellas es lo bastante confiable como para convertirse en la estacin base. El
procedimiento es el mismo que se detall en el Apartado 2.2.2, literales C y D.
A.4. Mtodos de regresin lineal: Mnimos Cuadrados
Es una herramienta para imputar los datos ausentes, es decir, rellenar usando una combinacin
lineal de los datos mensuales presentes en una serie de aos, con un error cuadrtico mnimo. Si
se requiere mayor informacin ver [Salguero, 2002: p.288].
En realidad el completar las series histricas de caudales es un problema de regresin lineal
mltiple ya que contempla muchas variables dependientes, como lo son todos datos de caudales
para un grupo de estaciones, aledaas a la que se desea completar el registro, en un perodo de
tiempo determinado, pero para usos hidrolgicos se simplifica el proceso empleando la estacin
base o el patrn de estaciones previamente construido y se tiene entonces una sola variable
dependiente, es decir un problema de regresin lineal simple.
Por tanto se detalla en la Figura 2.11 el procedimiento pertinente a este tipo de regresiones:
Donde:
QR
= Caudal en el mes faltante que se desea rellenar
QC
= Caudal de la estacin base o del patrn en el mes de la ausencia.
= Estimador o coeficiente del mtodo mnimos cuadrados.
= Estimador o coeficiente del mtodo mnimos cuadrados.
= Variable dependiente, caudal de la estacin base.
= Variable independiente, caudal de la estacin que se desea completar.
27
Figura 2.11. Proceso por mnimos cuadrados.
B. MTODOS BASADOS EN DATOS PLUVIOMTRICOS

Los mtodos basados en datos pluviomtricos corresponden a relaciones precipitacin escorrenta
[Arum et al., 2002: p.15], por lo que se requiere convertir los caudales a escorrenta para que
tengan una magnitud comparable a la de la precipitacin y pasar sta a un valor medio.
Para determinar la precipitacin media se tienen tres mtodos: promedio aritmtico, isoyetas y
polgonos de Thiessen (Figura 2.12). Debido a que la red pluviomtrica no es uniforme en El
Salvador y ste presenta una topografa variable, el mtodo del promedio aritmtico no es una
opcin porque sus resultados no son confiables. Dado al propsito de este proyecto y a la
informacin que se tiene, por ser ms sencillo y dar resultados con buena aproximacin se emplea
28
Thiessen para obtener la precipitacin media de las estaciones a completar y no el mtodo de

Isoyetas.
Figura 2.12. Mtodo de los polgonos de Thiessen [Campos et al., 2002: c. 2 p.36]
El procedimiento para obtener la precipitacin areal o media es el siguiente:

1. En un mapa de la zona se localizan las estaciones cercanas al lugar en estudio. Se consideran
las estaciones situadas en el interior y exterior del rea de inters.
2. Una vez ubicadas las estaciones se dibujan lneas que las conecten entre s.
3. Se trazan las mediatrices de estas lneas y se unen para formar polgonos alrededor de cada
estacin. Estos polgonos indican la zona de influencia de las estaciones.
4. Con los polgonos trazados se obtiene el rea de cada uno y se expresa como un porcentaje del
rea total de la cuenca en estudio.
5. Se suman los productos de la lluvia registrada en cada estacin con el porcentaje de rea que le
corresponde para obtener la precipitacin media, de acuerdo a la siguiente expresin [Campos et
al., 2002: c. 2 p.36]:
(Ai Pi )
P = i =1 N
Ai
(Ec. 2.6)
i =1
Donde:
N
= Nmero de estaciones pluviomtricas.
Pi
= Precipitacin registrada en la estacin pluviomtrica i.
Ai
= rea de influencia correspondiente a la estacin pluviomtrica i, calculada previamente.
B.1. Frmulas Empricas.

En las cuales la escorrenta se expresa como funcin de la precipitacin, u otros parmetros
meteorolgicos, y que han sido propuestas de acuerdo a los resultados de estudios en diversas
partes del mundo.
29
B.2. Relaciones para estudios en particular.

Mtodo de relleno en el cual las relaciones se deducen de acuerdo a los datos y condiciones
propias de la cuenca en estudio. S la ecuacin es tal que al tener precipitacin cero la escorrenta
es negativa o cero, cuando se sabe que el ro al que pertenece la estacin hidromtrica que s
esta estudiando, mantiene durante todo el ao un caudal mnimo o permanente, evidentemente
hay un error debido a un factor no considerado. Este factor es un valor conocido como caudal base
que es el que proviene del agua subterrnea y la razn por la que los ros mantienen un caudal
aunque no exista precipitacin.
El proceso que conlleva este tipo de relaciones es el siguiente (Figura 2.13):
Figura 2.13. Proceso de relleno utilizando datos de precipitacin y escorrenta
30
B.3. Relacin General de Thornwaite. Mtodo de Balance de aguas para estimar caudales
medios mensuales.
La tercera clase de relaciones es una versin ms compleja de la anterior porque toma en cuenta
otros factores como la evapotranspiracin de la cuenca durante el perodo en estudio por lo que
puede ser utilizado para relleno y extensin, adems considera las condiciones iniciales de la
cuenca (especficamente del dficit de humedad de los suelos al comienzo del perodo), tambin la
precipitacin, que condicionan la escorrenta de una cuenca, con lo que se obtienen mejores
correlaciones, lo que resulta particularmente importante si los perodos de registros son cortos.
Estos factores no es necesario cuantificarlos si no que basta con determinar ndices de los
mismos.
La relacin General de Thornwaite [Arum et al., 2002: p.20-23] es una simplificacin del ciclo
hidrolgico y consiste en suponer que el sistema est compuesto por dos estanques. Como se
ilustra en la Figura 2.14, el primer estanque corresponde al almacenamiento de humedad
producido por los primeros horizontes del suelo que genera el flujo subterrneo. El segundo
estanque corresponde al almacenamiento de agua producido en los horizontes ms profundos del
suelo y corresponde al flujo base.
Figura 2.14 Esquema conceptual del mtodo de Thorthwaite. [Arum et al. 2002: p.20].
Los parmetros y las variables que se utilizan para realizar el balance de humedad en el sistema
son los siguientes:
Parmetros:
Hmax = Mxima humedad que es posible retener en el suelo (mm)
K
= Proporcin del almacenamiento de humedad retenido que escurre inmediatamente.
Variables:
Hi
= Humedad inicial del perodo (mm)
hf
= Humedad final del perodo (mm)
Exc
= Excedente de humedad al final del perodo (mm)
31
a (t)
= Almacenamiento de humedad en el perodo (mm)
Esc (t) = Escorrenta media mensual durante el perodo (mm)

Qmm (t)= Caudal medio mensual durante el perodo (mm)
El ingreso de humedad al sistema se produce a travs de la precipitacin (P), que es la variable
principal del balance. Como ste es un modelo simple slo se considera precipitacin pluvial. Las
salidas de agua corresponden a la evapotranspiracin potencial (ETP) y la escorrenta (Esc).
Conceptos de Evapotranspiracin (ET)
La evapotranspiracin es la unin de dos procesos: la evaporacin, fenmeno fsico en el que el

agua pasa de lquido a vapor y la transpiracin, fenmeno biolgico en el que las plantas pierden
agua y la expulsan haca la atmsfera incluyendo parte de la que toman desde sus races
Factores que influyen en la evapotranspiracin debida al poder evaporante de la atmsfera:
radiacin solar, temperatura, humedad, presin atmosfrica, viento. Sobre la lmina de agua libre
la evaporacin se debe adems del poder evaporante de la atmsfera a la salinidad del agua y a la
temperatura de sta. Desde el suelo se da evaporacin debido al tipo de suelo, el grado de
humedad que posea, as como al poder evaporante de la atmsfera. Y por ltimo la transpiracin
es funcin tambin del poder evaporante de la atmsfera como del grado de humedad del suelo,
tipo de planta y su desarrollo sobre ste.
Thornwaite denomin Evapotranspiracin Potencial (ETP) a la evapotranspiracin que se
producira si la humedad del suelo y la cobertura vegetal estuvieran en condiciones ptimas y la
Evapotranspiracin Real (ETR) es la que realmente se produce en las condiciones en que se
encuentra el suelo.
Debido a que cada tipo de planta evapotranspira distinta cantidad de agua, en lugar de medir la
ETP se mide la Evapotranspiracin de Referencia (ETo), la cual se obtiene tomando un cultivo
especfico como referencia.
Para obtener la ETP a partir de la ETo, que es con la que se cuenta, sta se multiplica por el factor
de uso consuntivo (Kc) para cada mes dependiendo del tipo de planta en el suelo sobre la cuenca
en estudio. En el anexo B se muestra el proceso desarrollado en este proyecto para obtener la
ETP, para la estacin de Moscoso.
32
Se presenta el algoritmo para la realizacin del balance en la Figura 2.15. Para su uso deben
tenerse presente las siguientes recomendaciones:
El perodo de simulacin es mensual (1 mes).
Para la simulacin se deben usar aos hidrolgicos (entre mayo y abril).
Se deben obtener los parmetros K del suelo correspondientes a la zona en estudio.
Valores iniciales propuestos para t = 1, a(0) = 50 mm/mes.
El mtodo trabaja suponiendo que los valores de a, hi y hmx se mantienen constantes para
todos los meses del perodo para el que se desea calcular la escorrenta.
Thornwaite realiza la simplificacin de normalizar el valor de la humedad final del perodo a un
valor de 100 mm/mes, aunque este puede resultar alto para ciertas regiones o bajo para otras,
el mtodo considera que este es un valor promedio, es necesario estudiar el comportamiento
de la humedad del suelo en las zonas en que se desee aplicar esta metodologa, para verificar
que esta simplificacin sea valida para la regin en estudio.
L e e p a r m e tro s y v a lo r e s in i c i a le s
L e e P (t ) y E T (t )
P (t )
E T (t )
hf
Si
No
h f 1 0 0
Si
hf
O tr o pe ro do
a (t ) k
a (t )
a (t
a ( t ) (1
hi hf
t t 1

Q m m (t )
Exc
a (t )
100
100
hf
Exc
B a la n c e d e hu m e d a d
No
hf 0
hi
hf
1)
S a l id a d e d a to s
k)
Figura 2.15. Diagrama de flujo del balance de Thorthwaite [Arum et al, 2002: p.23]
33
C. MTODOS BASADOS EN DATOS FISIOGRFICOS

Cuando se requiere estimar caudales medios en reas que no disponen de antecedentes de lluvia
ni caudal, como ocurre en cuencas de difcil acceso, se emplean mtodos basados en datos
fisiogrficos, aunque estos resultados sirven nicamente como una primera aproximacin y
requieren gran cantidad de informacin sobre la regin hidrogrfica en la que se desea completar
los registros de caudal, por estas razones, este tipo de mtodo indirecto no se tratar en el
presente trabajo.
2.3.
2.3.1.
MTODOS ESTOCSTICOS
Segn lo visto en apartados anteriores, las series de caudales mensuales corresponden a un

registro estadstico por lo que tendrn un patrn medio de comportamiento a largo plazo, pero
tambin el pronstico de sus magnitudes en un momento dado tendr un mayor o menor grado de
incertidumbre, por lo que pueden ser tratados como Eventos Estocsticos.
A. HIDROLOGA ESTOCSTICA
El comportamiento de una variable aleatoria est descrito por la ley de probabilidades, la cual
asigna medidas de probabilidad a valores o rangos de ocurrencia de las variables.
Una variable aleatoria es continua si puede tomar todos los valores en un rango de ocurrencia. Los
caudales promedio mensuales de un ro pueden asumir cualquier valor, por lo que se consideran
una variable aleatoria continua.
En estadstica la palabra estocstico es sinnimo de aleatorio, pero en hidrologa se usa de una
manera especial para referirse a series de tiempo que son parcialmente aleatorias [Linsley et al.,
1988: c. 12, p.311].
El introducir los mtodos estocsticos a la hidrologa surgi ante la necesidad de resolver el
problema de diseo de embalses. El diseo de la capacidad de embalses, requiere de series
hidrolgicas largas (de una longitud que estar dada por la vida til del Proyecto). La Hidrologa
Estocstica se convierte entonces en una herramienta a la que se puede recurrir para generar
varias series hidrolgicas a partir de una sola muestra disponible (el registro histrico).
34
B. ANLISIS Y GENERACIN ESTOCSTICA DE SERIES DE CAUDALES.

Los objetivos del anlisis de las series hidrolgicas son diversos, pudiendo destacar la prediccin,
el control de un proceso, la simulacin de procesos, el diseo, etc. En el presente proyecto uno de
los objetivos es el de generar series sintticas para rellenar y/o extender un registro histrico de
caudales promedios mensuales.
Es posible generar series de tiempo que difieren de la observada pero que conservan varas
propiedades de la serie original. Cabe mencionar que no est al alcance, el conocer los datos de
precipitacin o de caudales futuros, pero se puede suponer que los eventos en el futuro tendrn las
mismas propiedades estocsticas del registro histrico, es decir, la generacin de secuencias de
eventos de igual probabilidad y en los que cada secuencia tiene propiedades estadsticas
similares.
2.3.2.
METODOS ESTOCSTICOS DE RELLENO Y/O EXTENSIN.
La suposicin bsica del anlisis estocstico es que el proceso es estacionario, es decir, que las
propiedades estadsticas del proceso no varan con el tiempo. Debido a lo anterior el registro que
se use para obtener las secuencias sintticas debe ser lo ms largo posible.
Luego de clasificar la informacin se procede a conformar las series histricas, es decir, obtener la
informacin completa, homognea, libre de saltos y tendencias para ser utilizada segn las
necesidades del estudio.
El patrn medio de una serie histrica de caudales corresponde a dos componentes: componente
estocstico que contiene toda la informacin originada en efectos y oscilaciones irregulares
(aleatorios), que solo pueden ser consideradas mediante el uso de los conceptos de probabilidad y
autocorrelacin, y el componente determinstico que puede consistir en un comportamiento noperidico, que se denomina tendencia (cambios en el uso del suelo de la cuenca, urbanizaciones,
etc.) y/o saltos, adems en el caso de los caudales promedio mensuales se observa un
comportamiento peridico o cclico (influencia de los cambios regulares del clima). Dichos
componentes se relacionan de la siguiente forma:
Q( t )
QT + QP(t ) + QE(t )
=
(t
{
1 44) 2 4 43
Deter min stico
Componentes
35
Aleatorio
(Ec. 2.7)
Donde:
QT( t )
= Tendencia y/o saltos, parte deterministica.
QP(t )
= Componente peridico, parte deterministica.
QE( t )
= Componente estocstica, parte autorregresiva y aleatoria.
La forma de la ecuacin de generacin estocstica puede ser muy simple (conservando la media,
la varianza y el coeficiente de correlacin serial con desfase unitario) o ms compleja segn el
modelo. A continuacin se presentan modelos que pueden ser aplicados para el relleno y/o
extensin de series histricas de caudales promedio mensuales cumpliendo los alcances,
requerimientos y limitaciones que cada uno de ellos exige.
Llamaremos muestra a la serie histrica de caudales a partir de la cual ser generada la nueva
serie sinttica, siendo sta perteneciente a los registros de la estacin en estudio.
Como el caudal promedio mensual contiene una variable aleatoria ti con un intervalo (finito) de
nmeros reales, entonces se dice que ti
es una variable aleatoria continua. Dicha variable ti
presentar comportamientos que pueden ser modelados por medio de una distribucin terica de
densidad de probabilidades.
Debido a que en este proyecto se requiere rellenar y/o extender series de caudales promedio
mensuales que generalmente presentan una distribucin histrica normal, entonces se pueden
hacer las siguientes simplificaciones: el comportamiento de la variable aleatoria continua ti puede
ser modelado por medio de una distribucin normal, y el valor de ti se toma de un generador de
nmeros aleatorios con una distribucin normal, como se observa en los diagramas de
precedencia.
Los mtodos que a continuacin se presentan pueden ser utilizados despus de realizado el
proceso de consistencia, ajuste de la estadstica y eleccin de la estacin hidromtrica base
conforme a lo visto en la parte de relleno y extensin por mtodos estadsticos desarrollados en el
Apartado 2.2.1, literal A. Adems que la muestra pueda ser ajustada a una distribucin normal (Ver
Anexo G).
36
A. PROCEDIMIENTO DE MONTE-CARLO. [Adaptado de Monsalve, 1999: p.333-334]

Cuando se aplica el procedimiento de Monte-Carlo debe tenerse en cuenta que los valores en las
series de datos son independientes entre s; la independencia entre eventos hidrolgicos
consecutivos puede derivarse por medio del coeficiente de correlacin serial (correlacin entre el
valor en un tiempo dado y el valor en un tiempo precedente).
La muestra generada tendr la misma media que la encontrada en la muestra original que debe ser
de al menos de 25 aos y la misma desviacin estndar. A continuacin se presenta el
procedimiento general de este mtodo (ver Figura 2.16):
Figura 2.16. Procedimiento de Monte-Carlo.
Donde:
Qi
= Caudal de la nueva serie generada correspondiente al mes i.
= Media de la muestra de caudales.
= Desviacin estndar de la muestra de caudales.
ti
= Variable aleatoria tomada de una distribucin apropiada (Normal, Log-Normal, etc.).
= Toma los valores de 1 al nmero de valores igual a la longitud de la nueva serie que se
desea obtener.
37
B. MODELO MARKOVIANO DE PRIMER ORDEN. [Monsalve 1999: p.312-313]

La base de que el caudal durante un cierto perodo (un ao, un mes, un da) es independiente del
caudal durante el perodo precedente no es de validez general, debido al fenmeno de
persistencia, es decir, existe la tendencia de que un caudal bajo tiene mayor probabilidad de ser
seguido por otro caudal bajo que por un caudal alto y, similarmente, que un caudal alto es ms
probable que sea seguido por otro caudal alto. La explicacin fsica de este fenmeno se halla en
el efecto del almacenamiento. Despus de un perodo seco prolongado el caudal del ro est bajo,
el suelo est seco, el nivel fretico bajo y las depresiones y almacenamientos superficiales estn
vacos; esto significa que an una gran lluvia no producir un caudal alto. El fenmeno de
persistencia es expresado por medio de una cadena markoviana de primer orden o ecuacin
autorregresiva.
xi = x0 + ( xi 1 x0 ) + ei
(Ec. 2.8)
En donde:
xi y xi 1
= Son dos registros continuos.
x0 :
= Es una constante.
( xi 1 x0 ) = Componente deterministica.
:
= Coeficiente de autorregresin.
ei :
= Componente aleatoria.
La ecuacin autorregresiva se obtiene de los puntos aplicando el mtodo de los mnimos

cuadrados.
ei tomada de una distribucin adecuada (Normal, Log-Normal, etc.) e independiente de
xi 1 . Tambin se supone que el coeficiente de correlacin es independiente de xi (en realidad la

correlacin es ms fuerte para bajos caudales que para altos caudales).
La estructura markoviana de primer orden supone que cualquier evento depende solamente del
evento que le precede.
Este mtodo se puede aplicar a estaciones con series histricas que contengan un registro
completo de un mnimo de 5 aos de longitud. Entonces los parmetros
determinarse a partir de la serie histrica suponiendo un valor inicial de
desarrollar este tipo de mtodo estocstico se muestra en la Figura 2.17:
38
Q , y pueden
Qi 1 . El proceso para
Figura 2.17. Proceso de Modelo Markoviano de primer orden.
Donde:
= Es la desviacin estndar de la serie de
= El coeficiente de correlacin serial con regazo unitario
= Es la media de
ti
= Variable aleatoria tomada de una distribucin apropiada (Normal, Log-Normal, etc.).
Q.
39
C. MODELO DE THOMAS-FIERING. [Monsalve, 1999: p.335-336]

El modelo de Thomas-Fiering tiene su fundamento en las cadenas markovianas. Su diferencia
radica en que este mtodo relaciona la desviacin estndar de los caudales del mes anterior al de
estudio y la desviacin estndar del mes bajo anlisis de la serie histrica de
Este mtodo se aplica para generar valores de
Q.
Q a nivel mensual cuando la serie posea ms de 5
aos de datos completos y homogneos, el procedimiento incluye las caractersticas de las

variaciones estacionales.
A continuacin se detalla el procedimiento en un diagrama de flujo que se muestra en la Figura
2.18.
Donde:
Qj
= Media de los caudales histricos para el mes j bajo consideracin.
Q j 1
= Media de los caudales para el mes j-1 bajo consideracin.
j,j-1
= Coeficiente de correlacin serial de primer orden entre los valores en meses

consecutivos.
= Desviacin estndar de los caudales histricos para en mes j bajo consideracin.
j-1
= Desviacin estndar de los caudales histricos para en mes j-1 bajo

consideracin.
Qi , j
= Caudal del mes j del ao i de la secuencia de caudales generados
Qi , j 1 = Caudal en el mes j-1 del ao i de la secuencia de caudales generados.

ti, j
= Variable aleatoria normalmente distribuida con media igual a cero y desviacin

estndar igual a uno, aplicada al mes j del ao i de la secuencia de caudales
generados.
40
Figura 2.18. Proceso de Thomas-Fiering
41
D. GENERACIN DE SERIES SINTTICAS ENTRE VARIAS ESTACIONES. [Linsley, 1988:

p325-326].
Se aplica cuando se desea generar una nueva serie sinttica de caudales mensuales a partir de
otra estacin, que posea una serie histrica de caudales promedio mensuales con una longitud
igual a los 5 aos en comn con la estacin en estudio ms el perodo de ausencia y que adems
correlacione con la estacin en estudio.
El proceso para la generacin de las series debe conservar las caractersticas estadsticas de las
distintas estaciones y al mismo tiempo generar caudales compatibles, los caudales de un mismo
perodo para diferentes estaciones deben representar caudales que razonablemente, pudieran
haber ocurrido al mismo tiempo.
El procedimiento se detalla en la Figura 2.19.
Donde:
Q1
= Media de los caudales histricos para la estacin dependiente, en estudio.
Q2
= Media de los caudales de la estacin base.
1,2
= Coeficiente de correlacin serial de primer orden entre los valores de la estacin

base y la estacin en estudio para el mismo mes.
Q2 ,i
= Caudal del mes i de la estacin base.
= Desviacin estndar de los caudales histricos para la estacin en estudio.
ti , j
= Variable aleatoria normalmente distribuida con media igual a cero y desviacin

estndar igual a uno, aplicada al mes j del ao i de la secuencia de caudales generados.
42
Figura 2.19. Proceso entre varias estaciones.
43
2.4.
MODELOS DE SIMULACIN HIDROMETEOROLGICA
Este apartado describe las fases a seguir en la implementacin y construccin de un modelo de

simulacin hidrolgica, as como los tipos de modelos existentes para evaluar el recurso hdrico.
Se presentan tambin los usos, la importancia, objetivos y aplicaciones que poseen en la
actualidad.
2.4.1.
Con la modelacin de los sistemas hidrolgicos se persigue, por medio de un modelo matemtico,
la representacin de stos con un cierto grado de aproximacin, para analizar el funcionamiento de
los sistemas y mejorar el conocimiento de los mismos. La importancia de los modelos radica en la
simulacin y prediccin de los fenmenos fsicos, a corto, mediano y largo plazo. Asimismo, a
travs de estos podemos obtener relaciones de causa-efecto, sin realizar cambios en los sistemas
reales y poder predecir como los cambios afectaran el comportamiento del sistema
A. MODELO MATEMTICO HIDROLGICO
En un modelo hidrolgico, el sistema real que generalmente representamos por medio de un
sistema fsico, es la cuenca hidrolgica y cada uno de los componentes del ciclo hidrolgico (ver
Figura 2.20). Los modelos hidrolgicos son entonces representaciones simplificadas de los
sistemas hidrolgicos reales, a partir del cual podemos estudiar la relacin causa-efecto de una
cuenca a travs de datos de entrada y salida.
La informacin relativa al sistema no indica todo lo que se necesita saber para llegar a tomar
decisiones en materia de hidrologa, por lo que es necesario tener conocimiento de entradas al
sistema y salidas a partir del sistema, para verificar si el modelo es representativo del prototipo. El
principal objetivo de un modelo hidrolgico ser determinar con la mayor eficiencia y precisin los
componentes del ciclo hidrolgico en una cuenca, y estimar el comportamiento de la misma ante
eventos meteorolgicos.
44
Figura 2.20 Factores que intervienen en el sistema real de una cuenca

[www.chapingo.mx/anei/ix_congreso/Doc/S499-04.pdf Marzo 2004].
El sistema real se simplifica para efectos de la modelacin de la forma siguiente (Figura 2.21):
Figura 2.21. Representacin esquemtica de un sistema fsico

[http//:www.chapingo.mx/anei/ix_congreso/Doc/S499-04.pdf Marzo 2004].
De la figura anterior:
E
= Representa las entradas (requerimientos, informaciones, datos).
SF
= Es la imagen misma del sistema fsico representado por smbolos, figuras y ecuaciones.
= Es la salida y/o respuesta del sistema.
De esta forma, los problemas a los cuales la hidrologa se enfrenta son de tres tipos:
Problema de anlisis. E y SF son conocidos y se busca la respuesta S
Problema de sntesis: Se trata de encontrar la imagen de SF, conociendo E y S.
Problema de Control o verificacin: Se conoce la imagen del sistema SF y la respuesta S y se

desea evaluar el valor de las entradas E.
45
Se tienen distintos tipos de modelos hidrolgicos de acuerdo a si se requiere estimar parmetros

del ciclo hidrolgicos con el fin de estudiar el fenmeno (no ptimos) o para diseo de obras
hidrulicas (ptimos). En la Figura 2.22 se presenta la clasificacin general, si desea profundizar
refirase a Ibarra Argueta F.E. y J.C. Quinez Basagoitia [1996] Aplicacin del modelo HBV
(Sistema Mike-11) para la calibracin de cuencas hidrogrficas en El Salvador. Trabajo de
graduacin presentado para optar al grado de ingeniero civil en la Universidad Centroamericana
Jos Simen Caas. San Salvador, El Salvador.
2.4.2.
MODELOS DETERMINSTICOS.
Un modelo matemtico de tipo determinstico es aquel que tiende a establecer relaciones

cuantitativas de causa-efecto, utilizando una relacin directa para obtener una respuesta debida a
un requerimiento, ya sea por medio de una ecuacin emprica, o por medio de un operador
desarrollado a partir de criterios e hiptesis experimentales.
Segn las relaciones existentes o establecidas entre las entradas (E) y las salidas (S), los modelos
empricos pueden ser lineales o no lineales. En hidrologa, la linearidad es una hiptesis, en razn
de las simplificaciones que se producen en los tipos de clculo, pero en la mayora de las veces,
estas hiptesis carecen de una realidad fsica.
Un modelo determinstico se utiliza en el caso que se disponga de poca informacin, caso
frecuente de las obras de ingeniera rural e hidrulica, en los cuales uno tiende a reconstruir
indirectamente la evolucin de los escurrimientos y flujos superficiales a partir del conocimiento de
los eventos de lluvia diaria, de la cual se dispone a menudo de grandes series de datos.
Ejemplos de modelos determinsticos son la Ecuacin del Balance Hidrolgico, la Formula Racional
y el Hidrograma Unitario. Un modelo de este tipo corresponde a un algoritmo de clculo que da un
resultado nico.
Dentro del grupo de modelos determinsticos podemos destacar tres principales sub.-grupos de
modelos de simulacin:
A. MODELOS DE SIMULACIN CONTINUA DE LA CUENCA, AGREGADOS CON ELEVADO
NMERO DE PARMETROS.
Estos simulan el ciclo hidrolgico, completo y de forma continua en el tiempo, estableciendo
balances de humedad entre los distintos procesos desde el momento en el que llueve hasta que el
agua fluye por el ro.
46
Figura 2.22 Clasificacin de modelos hidrolgicos. [Adaptado de Estrela 1992: c 2.]
47
Son modelos complejos (resolucin de las ecuaciones diferenciales de flujo y conservacin de

masa) y la cantidad de datos que precisan son entre 15 a 25 parmetros, reproducen el ciclo
hidrolgico completo con mucho detalle y la simulacin se realiza a escala horaria o diaria. En El
Salvador es utilizado el Modelo NWSRFS por en Servicio Hidrolgico Nacional, SNET. Para
conocer otros ejemplos de estos tipos de modelos refirase a Ibarra A.,F.E, J.L. Quinez
Basagoitia [1996] Aplicacin del modelo HBV (Sistema Mike-11) para la calibracin de cuencas
hidrogrficas en El Salvador. Trabajo de graduacin para optar al grado de ingeniero civil en la
Universidad Centroamericana Jos Simen Caas, San Salvador, El Salvador.
B. MODELOS DE SIMULACIN CONTINUA DE LA CUENCA, AGREGADOS CON REDUCIDO
NMERO DE PARMETROS.
ste reproduce el ciclo hidrolgico de una forma ms simplificada, utilizando entre 2 a 6
parmetros, dado que su escala temporal de simulacin es semanal o mensual, lo que hace que no
sea preciso considerar todos los procesos que constituyen el ciclo hidrolgico. Un ejemplo de este
tipo, aunque no es un modelo continuo, es el aplicado en el presente proyecto, llamado Clculo
Hidrometeorolgico de Aportaciones (caudales) y Crecidas, CHAC, el cual se desarrolla a
continuacin en el apartado 2.4.5.
C. MODELOS DE FLUJO SUBTERRNEO
D.
Son utilizados como mdulo subterrneo (sencillo y de carcter agregado) de los modelos de
simulacin continua, ya que su finalidad es determinar la componente subterrnea de las
aportaciones en la red fluvial, sin contemplar el estado del acufero y como elemento para modelar
la evolucin de este. Suelen ser complejos y de carcter distribuido.
ETAPAS EN LA ELABORACIN Y DESARROLLO DE UN MODELO DETERMINSTICO.
La construccin y/o desarrollo de un modelo matemtico debe ser realizada respetando las etapas
siguientes:
Identificacin
Se refiere a un anlisis de la estructura del modelo y de las relaciones internas que guardan entre
sus elementos. En esta parte se define el nmero de variables que van a participar y se establecen
las hiptesis y supuestos que van a simplificar al modelo en funcin de sus objetivos y la precisin
de sus resultados.
48
En esta etapa se formulan las ecuaciones que describen los distintos procesos que tienen lugar en
el modelo conceptual formado, la relacin y resolucin entre las ecuaciones mediante tcnicas
analticas o numricas.
Calibracin
Consiste en evaluar y estimar los parmetros del modelo mediante la ayuda de criterios deductivos
y observaciones anteriores respecto a los requerimientos (datos de entrada) y las respuestas
(datos de salida). En general, existen dos maneras de estimar los parmetros a partir de una
muestra: pasiva y activa.
En la manera pasiva, se toman en cuenta todos los pares de valores E y S disponibles, y por los
mtodos estadsticos.
En la manera activa, se utiliza un mtodo selectivo, dando mayor importancia a ciertas
observaciones o grupo de informaciones.
Validacin
La calidad de un modelo se mide por los resultados de su validacin. Esta consiste en comparar la
respuesta terica, obtenida por el paso de un dato experimental o informacin a travs de la
imagen (figura, smbolo, ecuacin) del sistema SF modelado, obteniendo una respuesta de las
informaciones directas. Es importante sealar que el valor de las entradas y salidas utilizadas para
la validacin deben ser diferentes de aquellas que son utilizadas para la calibracin del modelo.
La validacin se puede hacer de manera puramente intuitiva, como la comparacin visual de
resultados hecha mediante un cuadro o una grfica o de manera analtica como la comparacin
estadstica de resultados por medio de pruebas o criterios apropiados.
Lmites de aplicacin
En todo modelo matemtico se debe especificar claramente el marco dentro del cual fue
desarrollado, su jerarqua, los objetivos considerados (generales, particulares). Con esta
informacin, el usuario podr conocer el campo de aplicacin real y los lmites fsicos y/o analticos
ms all de los cuales el uso del modelo puede ser inadecuado. Como lmites fsicos podemos citar
por ejemplo, las condiciones climticas extremas bajo las cuales el modelo fue validado, de otra
manera no podr ser utilizado en regiones tropicales y/o templadas, ya que existe el riesgo de
tener diferencias y errores. Como lmites analticos podemos considerar el nmero lmite de
49
observaciones requeridas, la precisin considerada, el coeficiente de eficiencia necesario para

comparar los valores observados y calculados, etc.
En la Figura 2.23 se muestra la relacin entre las etapas antes vistas:
Figura 2.23. Esquema de proceso de modelizacin deterministica. [Estrela 1992: c 2. p.10]
2.4.3.
MODELOS ESTADSTICOS
Los modelos estadsticos, de tipo inductivo, se basan en los mtodos y las tcnicas estadsticos
para hacer notar sus relaciones de entrada y salida, en concordancia con el inters secundario de
los procesos fsicos del sistema. Estn basados en los mtodos estadsticos, desarrollados
anteriormente.
El uso de los modelos estadsticos para una prediccin, permite la explotacin racional de la
informacin disponible a corto y a mediano plazo. Su uso es posible, por lo tanto, cuando se
dispone de series suficientemente grandes de informacin.
Un ejemplo de este tipo de modelo es el Extended Streamflow Prediction (ESP) desarrollado por el
servicio meteorolgico de Estados Unidos y utilizado por el SNET para pronstico extendido de
caudales.
2.4.4.
MODELOS DE SISTEMAS: PROBABILSTICOS Y ESTOCSTICOS.
Basados en los mtodos estocsticos. Tienen su fundamento en el mximo aprovechamiento de la

informacin contenida en las muestras analizadas. Su utilizacin como modelos predictores es la
evaluacin de aportaciones hdricas es casi nula debido a su sencillez (generalmente son lineales)
estn muy limitados en cuanto a la representacin de los procesos hidrolgicos, pero facilita la
obtencin de incertidumbres en las estimas de parmetros y variables.
50
2.4.5.
MODELO, CLCULO HIDROMETEOROLGICO DE APORTACIONES Y CRECIDAS,
CHAC
El modelo CHAC (Clculo Hidrometeorolgico de Aportaciones y Crecidas), desarrollado en el

Centro de Estudios y Experimentacin (CEDEX) del Ministerio de Obras Pblicas (Espaa).
Actualmente se encuentra an en revisin para mejorar su funcionamiento.
El CHAC, posee una estructura simple y requiere de pocos parmetros por lo que se clasifica como
determinstico agregado de pocos parmetros y paso mensual. En la mayora de las aplicaciones el
CHAC requiere series de precipitacin y de evapotranspiracin potencial, junto con algunos
parmetros que tratan de describir en forma cuantitativa el comportamiento de la fase terrestre del
ciclo hidrolgico.
A. BASE TERICA
Este tipo de modelo simula la fase terrestre del ciclo hidrolgico de forma continua en el tiempo, los
principales procesos de transferencia de agua en el ciclo hidrolgico, considerando dos
almacenamientos, suelo y acufero, mediante el establecimiento de balances hdricos para los
distintos procesos que tienen lugar desde el momento en que llueve hasta que el agua fluye por el
ro, como se observa en la Figura 2.24.
Figura 2.24. Esquema del Modelo de Tmez [Manual del CHAC CEDEX]
El CHAC se basa en el modelo conceptual descrito en la publicacin Modelo matemtico de

transformacin precipitacinaportacin, fue formulado por J.Ramn Tmez en el ao de 1977.
Para llevar a cabo la transformacin de precipitaciones en escorrentas, Chac aplica en el apartado
de Clculo de aportaciones el modelo de Tmez (Tmez, 1977; Estrela, 1993), el desarrollo de las
ecuaciones de ste se detalla en el anexo K.
51
Consideraciones del modelo:
El terreno dividido en dos zonas:

La superior no saturada (humedad del suelo).
La inferior o acufero, que est saturada de agua, funcionando como un embalse
subterrneo con desage a la red superficial de drenaje.
Que la lluvia es uniforme sobre la cuenca, obteniendo su magnitud por promedio areal.
Supone que una parte T (excedente) del agua precipitada P, acaba siendo drenada y sale por
el ro, mientras el resto, despus de almacenarse en la zona de humedad del suelo, alimenta la
evapotranspiracin.
La recarga del acufero coincide con la infiltracin.
Los parmetros de los diferentes sub-modelos son globales y permanecen constantes a lo

largo de un episodio.
Permite que se produzcan excedentes de agua aunque el suelo no est lleno y realiza un
reparto del excedente entre el agua que se escurre superficialmente y el agua que infiltra al
acufero.
En cuanto a la precipitacin, la posicin de una tormenta dentro de la cuenca es un elemento

constante.
En este modelo se presentan dos limitaciones tericas:

No considera la propagacin del flujo sobre la cuenca, lo que dificulta el que puedan
tenerse en cuenta las prdidas por infiltracin en otros cauces que conducen el agua
fuera de la cuenca, y la consiguiente recarga que en esas situaciones se induce hacia los
acuferos de la misma.
El modelo no est pensado para simular las variaciones espaciales en la piezometra de
los acuferos, si no nicamente el intercambio de agua entre estos y la red fluvial o el
mar.
En cuanto a las fases para la modelacin posee dos importantes: Calibracin y Simulacin
52
B. DATOS DE ENTRADA
Para la finalidad de modelar caudales promedios mensuales en un perodo determinado, el modelo
CHAC requiere de los siguientes datos de entrada:
B.1. Series completas histricas de Precipitaciones mensuales medias de longitud igual al perodo
de calibracin y/o simulacin.
B.2. Series histricas de Evapotranspiracin potencial mensuales medias de longitud igual al
perodo de calibracin y/o simulacin.
B.3. Series histricas de Caudales promedio mensuales de longitud igual al perodo de calibracin.
C. PARMETROS DE CALIBRACIN
En la calibracin del modelo CHAC intervienen 7 parmetros de los cuales debe realizarse
iteraciones de modificacin de stos, hasta llegar al mejor ajuste entre las curvas simuladas con los
puntos observados (reales), y de acuerdo a otros criterios de consideracin segn sea la necesidad
que requiera el estudio hidrolgico que s este realizando.
En la Tabla 2.1 se muestran los parmetros que intervienen en la calibracin del CHAC, su
significado fsico y los rangos de valores que stos pueden tomar en suelos de El Salvador.
PARMETRO
Coef. ETP (adim)
Caudal sub. Inicial
3
(m /s)
C, excedencia
(adim)
Humedad Mxima
(mm/mes)
Humedad inicial
(mm/mes)
Infiltracin mxima
(mm/mes)
SIGNIFICADO FSICO
Factor de vegetacin en la cuenca, para el clculo
de la Evapotranspiracin Potencial.
Valor del Caudal subterrneo al inicio del ao
hidrolgico.
Porcentaje de la precipitacin que satura al suelo y
produce escorrenta.
Capacidad de campo, mximo valor de humedad
que el suelo puede retener.
Humedad del suelo, contenido de humedad que el
suelo posee al inicio del ao hidrolgico.
Cantidad de agua mxima que pasa por el suelo en
forma de conducto.
53
RANGO DE
VARIACIN
0.6 a 1*
0
0a1
100 a 400
0 a 400
1 a 400
PARMETRO
SIGNIFICADO FSICO
Rama de
-1
des carga, (dias )
RANGO DE
VARIACIN
Coeficiente de agotamiento del acufero.
0.0001
Tabla 2.1. Parmetros de calibracin utilizados por el modelo CHAC. [Ibarra y Quinez, 1996: p.42]
* En el caso de
este proyecto el valor que se considera de coeficiente de ETP es 1 no porque la cuenca este
completamente cubierta de vegetacin si no porque los datos de EVP que se ingresan no son Evapotranspiraciones de
Cuenca si no que de referencia afectados por un coeficiente de cultivo, es decir, Evapotranspiracin potencial, para mayor
informacin consulte el Anexo C.
Esto supone un estudio previo de las caractersticas fsicas y geomorfolgicas de la cuenca en

estudio, es decir, la permeabilidad del suelo, vegetacin, topografa; as como un anlisis del
rgimen de comportamiento de los caudales y la lluvia de la cuenca.
Adems del proceso de calibracin y de simulacin, en el proyecto se han utilizado algunas
herramientas que proporciona el modelo CHAC, las cuales facilitan el uso de ste y la generacin
de los datos de entrada necesarios tanto para calibrar como para simular. A continuacin se hace
una breve descripcin de la herramienta utilizada, su uso y aplicacin. Para un mejor detalle de
stos refirase al anexo K.
Generacin de Ficheros LEMA.
Para trabajar en el programa este requiere que los datos de entrada (series histricas) tengan un
formato de texto, el cual elaborarlo requiere de mucho cuidado y detalle lo que lo convierte en un
proceso lento. Por ello es mejor usar la herramienta de CHAC ubicada en el men Utilidades,
denominada Generacin de Ficheros LEMA, el cual convierte tablas de EXCEL a formato de
texto.
Ponderacin de series LEMA
Esta herramienta llamada Ponderacin de Ficheros Lema, la cual se encuentra en el men

Series Temporales ayuda a convertir las series de precipitaciones mensuales a precipitaciones
medias mensuales, as tambin las series de evapotranspiracin potencial a areales.
54
3. APLICACIN DE MTODOS DE RELLENO Y EXTENSIN A SERIES

HISTRICAS DE CAUDALES PROMEDIOS MENSUALES
3.1.
DESCRIPCIN DE LA ESTACIN DE ANLISIS
Para realizar el anlisis hidrolgico de una regin o cuenca, es importante hacer el estudio
preliminar de sus principales caractersticas fsicas, como la topografa, geomorfologa, tipos de
suelo, as como de los factores climatolgicos que la afectan. Debido a que, de la interaccin entre
ellos depender la respuesta de la cuenca y la comprensin del comportamiento de los fenmenos
que ocurren dentro de ella. Entonces se hace indispensable contar con informacin detallada y
precisa de la cuenca. Para el presente proyecto se analizan una estacin hidromtrica
perteneciente a la cuenca del Ro Grande de San Miguel, Moscoso.
En la Tabla 3.1 se resumen las principales caractersticas del rea de drenaje correspondiente a la
estacin Moscoso.
Tabla 3.1. Parmetros morfolgicos del rea de drenaje de Moscoso [Servicio Hidrolgico Nacional, SNET]
]
A continuacin se presentan las caractersticas climticas y geomorfolgicas de la cuenca del Ro

Grande de San Miguel, principalmente las que corresponden al rea de drenaje de Moscoso.
3.1.1.
UBICACIN GEOGRFICA [Castillo, 1983: p.25-34]

]
2
La cuenca del Ro Grande de San Miguel posee un rea aproximada de 2383 km , situada al
oriente del pas, comprendida en los departamentos de Usulutn, La Unin, Morazn y San Miguel,
como se puede apreciar en la Figura 3.1.
55
Figura 3.1. Mapa de El Salvador mostrando la cuenca del Ro Grande de San Miguel
[Creado en Arc View con informacin del MARN]
Geogrficamente est ubicada entre las coordenadas 8758 y 8828 de longitud Oeste, y 1312
y 1348 de latitud Norte. Hacia el Norte limita con la cuenca del ro Torola, al Sur con una parte de
la Baha de Jiquilisco, hacia el Oeste con la cuenca del ro Jiotique, cerro el Tigre y el volcn de
Usulutn, y finalmente hacia el Este con la cuenca del ro Goascorn.
El rea de drenaje correspondiente a la estacin de Moscoso y su ubicacin dentro de la cuenca
del Ro Grande de San Miguel puede observarse en la Figura 3.2.
Figura 3.2 Red de control Hidrometeorolgico de la cuenca del Ro Grande de San Miguel.
[Creado en Arc View con informacin del MARN y SNET]
56
3.1.2.
]
MORFOLOGA [ Castillo, 1983: p.25-34]
La topografa de la cuenca es variada y oscila entre los 20 msnm en la desembocadura del ro y los
2129.94 msnm en el volcn de San Miguel. Dentro de ella se pueden distinguir tres subcuencas: la
cuenca alta que est formada por terrenos abruptos y pendiente alta, la cuenca media conformada
por llanuras, que se sitan en extensas zonas a partir de los mrgenes del Ro Grande de San
Miguel, con elevaciones que oscilan entre los 30 y 100 msnm, con regiones montaosas y una
zona de planicie en los alrededores de la laguna de San Juan y de Olomega, en la cual debido a la
pendiente del terreno y al tipo de suelo que permite niveles freticos altos se forman pantanos;
finalmente la cuenca baja que comprende desde la desembocadura del ro La Pelota hasta la
desembocadura del Ro Grande de San Miguel. El rea de drenaje de la estacin Moscoso abarca
la cuenca alta y media, en la Figura 3.3 se observan los rangos de pendientes dentro de la regin.
Figura 3.3 Mapa de pendientes de la regin Moscoso. [Creado en Arc View con informacin del MARN y SNET]
3.1.3.
]
DRENAJE [ Castillo, 1983: p.25-34]
El rea de drenaje de la cuenca principalmente es del tipo dendrtico y radial en los alrededores de
los volcanes de Usulutn y San Miguel, porque la longitud del cauce principal es de 126.5 km y la
del cauce ms largo de 137.0 km, con un perfil longitudinal del cauce principal del Ro Grande de
San Miguel en la parte alta de la cuenca. Tiene una pendiente de aproximadamente 18%, que
desciende en forma brusca al 1% entre Villeras y Vado Marn.
57
La cuenca alta la constituyen cauces de gran pendiente con los siguientes ros como afluentes:
Villeras, Amates, Corozal, Seco, Taisihuat y San Esteban, como se puede observar en la Figura
3.4. En la cuenca media se sitan pequeos cursos de agua, de primer y segundo orden que
drenan al volcn de San Miguel, contribuyendo nicamente a la recarga del acufero.
Figura 3.4 rea de drenaje de Moscoso y los principales ros de la regin

3.1.4.
CLIMA [ Castillo, 1983: p.25-34]

]
De acuerdo a la altura de la superficie sobre el nivel del mar, en El Salvador se distinguen tres
zonas climticas: 0 800 m, sabanas tropicales calientes o tierra caliente; 800 1200 m, sabanas
tropicales calurosas o tierra templada y de 1200 2700m, clima tropical de alturas. La elevacin
media de la cuenca es de 279.58 msnm, lo cual indica que un 50% de la superficie posee una
elevacin por debajo de esta cota, por lo que la cuenca, en general, se clasifica como una sabana
tropical caliente o tierra caliente. En la Figura 3.5 se puede observar de acuerdo a las elevaciones
qu tipos de bosque forman los climas de la regin correspondiente a la estacin Moscoso.
58
Figura 3.5 Bosques formados por el tipo de clima en la regin de Moscoso.

3.1.5.
SUELOS HIDROLGICOS [ Castillo, 1983: p.25-34]

]
La pendiente media de la cuenca es de aproximadamente 12.49%, es uno de los valores que

guarda relacin con el grado de infiltracin, la escorrenta, la humedad del suelo y la contribucin
del agua subterrnea a la corriente del cauce, adems de la Geologa y la Cobertura vegetal. En la
cuenca alta partiendo de la confluencia de los ros Grande de San Miguel con Taisihuat, y la parte
Sur desde el cauce principal hasta el lmite de la cuenca, son suelos de mayor potencial de
escurrimiento y mnima infiltracin. La cuenca media la constituyen suelos de regular grado de
infiltracin y escurrimiento a buena capacidad de infiltracin, con suelos de recarga entre las faldas
del volcn de San Miguel y el volcn de Usulutn, en la cuenca baja, tal como se observa en la
Figura 3.6.
59
Figura 3.6 Clasificacin de los suelos en la cuenca del Ro Grande de San Miguel de acuerdo a su capacidad de
Escorrenta e Infiltracin. [Creado en Arc View con informacin del MARN y SNET]
El uso del suelo del rea de drenaje de Moscoso es uno de los factores que influye en la
Evapotranspiracin potencial, por lo que en la Figura 3.7 se muestran los tipos de uso en el suelo.
Figura 3.7 Mapa de uso de suelos del rea de drenaje de Moscoso.

60
3.2.
CONDICIONES INICIALES DE LAS SERIES DE CAUDALES PROMEDIOS

MENSUALES DE LAS ESTACIONES
Las condiciones iniciales de las series se refieren al estado inicial de los datos antes de cualquier
procesamiento o correccin. De preferencia deber tratarse de los registros tal cual y como fueron
medidos. Para el presente proyecto se tienen series de precipitacin y evapotranspiracin
completas por relleno y series de caudales medidos, aunque existen algunos registros obtenidos
por mtodos de relleno se tiene el cuidado de sacarlos del estudio.
En este apartado se presenta el anlisis de la serie histrica de caudales promedios mensuales
para la estacin Moscoso, mientras que el anlisis para la estacin Villeras se muestra en el
Anexo D. Estos estudios son necesarios para determinar la calidad y cantidad de informacin
disponible para efectuar el relleno y extensin de los datos de la mejor forma posible, as como
para determinar s los resultados obtenidos con el completado son congruentes con los datos de
origen.
3.2.1.
ANLISIS DE LOS DATOS
Se analizan los datos desde dos perspectivas diferentes: primero el estado del registro histrico de
la propia estacin, para precipitacin, evapotranspiracin y caudal; segundo la consistencia de los
datos comparados con las estaciones aledaas cuyo rgimen hidrolgico es similar.
A. ANLISIS DEL REGISTRO HISTRICO
Se analizan desde esta perspectiva el registro de precipitaciones, evapotranspiraciones y
caudales, ya que algunos de los mtodos involucran a una, dos o a las tres variables para efectuar
el proceso de relleno y extensin.
A.1. Registro Histrico de Precipitacin
Como se menciono anteriormente para completar las series histricas de caudales es necesario
obtener la precipitacin media o areal correspondiente al rea de drenaje de la estacin
hidromtrica en estudio, por medio de los polgonos de Thiessen obtenidos con herramientas de
Arc View, tal como se muestra en el Anexo A.
Dado que la precipitacin media se usa para completar el registro de caudales conviene analizar el
rgimen de lluvias que se presenta a travs del tiempo, para determinar de forma aproximada la
61
relacin que existe entre la lluvia y la escorrenta superficial. Esta relacin permite conocer el valor
probable que tendrn los faltantes en el registro histrico.
Se tiene un registro pluviomtrico completo por relleno desde 1971/72 hasta 2001/02 y se cuentan
con 76 estaciones meteorolgicas distribuidas alrededor de todo El Salvador (Ver Anexo A, Figura
A.1). Como la lluvia en el pas es variable mes a mes y ao con ao con cambios bruscos, resulta
conveniente analizar los datos pluviomtricos mensual y anualmente, en donde existan faltantes en
el registro hidromtrico. Para el caso de Moscoso se analiza el registro anual y el histrico de
Junio debido a que presenta un faltante en el mes de Junio de 1976/77 que se desea completar.
A continuacin se muestra la Tabla 3.2 con el anlisis anual y para el mes de Junio de las
precipitaciones medias para Moscoso, con el cual se determina los aos hmedos y secos, a partir
de un anlisis de Terciles empleado en el Servicio Nacional de Estudios Territoriales (SNET):
Tabla 3.2 Resultado del anlisis anual de las precipitaciones.
De acuerdo a los resultados de la Tabla 3.2, se tiene que la precipitacin media es

aproximadamente de 1700mm anuales y de 300mm para el mes de Junio. Para el ao 1976/77 en
el cual se presenta un faltante en la estacin Moscoso, se tiene perodo seco, pero revisando la
serie histrica nicamente para Junio se determina que es un mes hmedo, es mas se trata del
mes con la mayor precipitacin registrada. Es evidente que es necesario hacer el anlisis tanto
62
mensual como anual, debido a que la precipitacin debido a su aleatoriedad puede presentar
casos como ste en el que no se puede englobar los resultados en un anlisis anual.
Analizando los pluviogramas e hidrogramas (Anexo C) se determina que la escorrenta superficial
es debida en su mayora a la precipitacin para los meses lluviosos, por lo que el anlisis de los
datos de precipitacin es de gran inters para dichos meses cuando se desea completar registros
histricos de caudales.
Las ausencias del ao 1964/65 no es posible analizarlas con precipitacin porque el registro con el
que se cuenta comienza en el ao 1971/72. Los resultados del estudio de los hidrogramas y
pluviogramas se presentan a continuacin en la Tabla 3.3, para la estacin Moscoso:
% de la Relacin del volumen de
Estacin
% de la Relacin del volumen % de la Relacin del volumen
caudal base + caudal subsuperficial
de caudal superficial entre el de caudal subterrneo entre
entre el volumen de precipitacin
volumen de precipitacin
el volumen de precipitacin
8.78
24.47
4.11
MOSCOSO
Tabla 3.3. Resultados del anlisis de los hidrogramas y pluviogramas.
De la Tabla 3.3 se obtiene que la escorrenta superficial mas la base (obtenida en los meses
lluviosos) que incluye el aporte subterrneo y el correspondiente a la regin subsuperficial,
equivalen a un 33% de la precipitacin, por lo que para el mes de Junio de 1976/77 en el cual se
registr una precipitacin media de 563.4 mm se tiene una escorrenta de 185.9 mm que implica un
caudal de aproximadamente 77 m/seg, considerando el rea de drenaje de Moscoso de 1074 km.
Como el faltante de la estacin Moscoso es en Junio de 1976/77 se analiza el registro histrico
para ese mes, obtenindose los siguientes resultados (Tabla 3.4):
Ao
Caudal
Escorrenta
Precipitacin
%Escorrenta
1971/72
23.70
57.197
251.4
22.75
1972/73
22.30
53.819
179
30.06
1973/74
63.40
153.010
453
33.78
1974/75
15.02
36.249
312.6
11.60
1975/76
6.85
16.532
125.3
13.19
1976/77
-*
563.4
1977/78
30.02
72.451
365.3
19.83
1978/79
8.13
19.621
147.4
13.31
1979/80
25.46
61.445
421
14.60
1980/81
58.10
140.219
423
33.15
Promedio:
21.36
Tabla 3.4. Anlisis mensual de la precipitacin y la escorrenta.

*Los guiones representan faltantes en la serie histrica.
63
De la Tabla 3.4 obtenemos que la escorrenta promedio es aproximadamente el 21% de la

precipitacin, por lo que para el mes de Junio de 1976/77 en el cual se registr una precipitacin
media de 563.4 mm se obtiene una escorrenta de 118.3 mm que implica un caudal de
aproximadamente 49 m/seg, considerando el rea de drenaje de Moscoso de 1074 km.
A.2. Registro Histrico de Evapotranspiracin
La evapotranspiracin potencial (EVP) media necesaria para el relleno del registro de caudales se
presenta en el anexo B, junto con el proceso necesario para obtenerla. La EVP se mantiene entre
1800 y 1850 mm lo que implica que es mucho mayor que la precipitacin media. La EVP para los
meses con lluvia equivale a un 60% de la precipitacin.
A.3. Registro Histrico de Caudales
El anlisis del registro hidromtrico se realiza de dos formas, la primera considerando desde que la
estacin comenz a registrar hasta 2002 y el segundo desde que la estacin comienza a registrar
hasta el ao en que deja de funcionar.
El primer anlisis para evaluar la posibilidad de completar el registro en el perodo de la guerra ya
que se tienen datos completos de precipitacin y evapotranspiracin para tales fechas. El segundo
para realizar el completado con la mayor cantidad de mtodos posibles, aunque no con todos los
faltantes.
A continuacin se presenta la tabla que resume el estado del registro histrico de las estaciones
hidromtricas en anlisis (Tabla 3.5):
Estacin
completos
de
Registro
Hasta 2002
*Agosto,
Mayo
Septiembre,
1964/65 Octubre1964/65
Moscoso
#Datos
Faltantes
Perodo
hasta
*Junio1976/77
Abril
*Mayo1981/82
1980/81 hasta
Abril2001/02
Hasta clausura
Hasta
2002
Hasta
#Faltantes
Hasta
Hasta
%Vacos
Hasta
Hasta
clausura 2002 clausura 2002 clausura
*Agosto,
Septiembre y
Octubre de
200
1964/65
200
244
* Junio de
1976/77
Tabla 3.5. Estado del registro histrico de las estaciones Moscoso.
64
122
Teniendo en cuenta para el completado de datos nicamente el registro histrico de la propia

estacin y siguiendo el criterio de que se puede rellenar como mximo, una cantidad de vacos
igual al 50% de los datos completos, se tiene que para Moscoso solamente es aconsejable rellenar
el registro hasta la fecha en que fue clausurada, los aos de 1981/82 en adelante se deben
completar por extensin.
Se revisan los registros histricos desde un punto de vista estadstico, para determinar el rango en
que pueden estar los datos que se quieren rellenar, para ello se calcula para cada mes el mximo
valor, el mnimo, el promedio, la mediana, la desviacin estndar y el coeficiente de oblicuidad (que
es cero cuando la serie tiene una distribucin simtrica, las cules a su vez, se ajustan a
distribuciones de tipo normal), de los datos observados en el perodo en estudio, como se observa
a continuacin para Moscoso:
Se analizan los datos para Moscoso en forma mensual y en m/seg (TABLA 3.6)
AO
MAYO JUNIO JULIO AGOSTO SEPT
HIDROL. Qm/s Qm/s Qm/s

1964-1965
Qm/s
Qm/s
OCT
NOV
Qm/s Qm/s
DIC
ENE
FEB
MAR ABRIL
Qm/s Qm/s Qm/s Qm/s Qm/s
7.80
31.48
79.07
-*
12.14
9.25
8.67
6.14
5.62
6.08
1965-1966 12.58
23.22
17.28
22.79
71.83
31.55
11.90
8.02
5.82
4.64
3.48
7.90
1966-1967 22.71
62.03
56.33
37.21
49.43
47.89
15.15
11.16
9.30
7.84
8.58
9.78
1967-1968
7.98
24.40
13.95
13.53
38.49
44.17
10.13
7.60
6.17
5.09
3.79
4.33
1968-1969 10.31
29.45
20.86
14.57
45.81
40.40
14.78
8.58
6.77
4.92
4.15
4.76
1969-1970 12.40
35.10
30.30
66.40
181.00
81.20
22.10
6.98
5.08
4.00
3.03
2.97
1970-1971 15.70
43.00
37.40
49.00
86.00
73.60
13.10
7.45
4.46
3.46
3.03
2.66
1971-1972
8.83
23.70
10.50
60.70
58.30
71.10
10.70
5.04
3.53
2.53
1.97
3.57
1972-1973 14.20
22.30
8.29
8.49
20.90
41.60
7.95
3.44
2.75
2.06
1.99
2.89
1973-1974 15.27
63.40
28.74
42.90
87.80
110.00
19.00
6.19
4.14
2.92
2.31
2.40
1974-1975
6.42
15.02
11.16
10.31
55.90
38.19
4.98
3.16
2.35
1.74
1.30
1.25
1975-1976 11.20
6.85
13.82
33.70
88.09
55.44
28.22
4.16
3.13
2.36
2.03
4.09
1976-1977
7.35
16.62
8.36
20.11
20.47
4.00
2.93
2.33
2.24
2.15
2.20
1977-1978
5.88
30.02
3.18
12.14
18.31
9.09
5.80
2.51
2.10
1.92
1.72
2.16
1978-1979
5.95
8.13
25.43
25.53
69.02
44.33
7.79
3.47
1.90
1.69
1.44
4.47
1979-1980
5.02
25.46
31.25
28.61
58.47
50.05
14.47
4.90
3.43
2.70
2.56
2.35
1980-1981 18.11
58.10
18.25
40.80
56.42
63.27
11.87
5.67
4.38
2.91
2.69
2.54
Tabla 3.6. Datos registrados de la estacin Moscoso, resaltados los faltantes.

* En la tabla anterior los guiones representan ausencia de datos.
Se determinan los parmetros estadsticos antes mencionados para cada mes (Tabla 3.7 ).
AO
MAYO JUNIO JULIO AGOSTO
SEP
OCT
NOV
DIC
ENE
FEB
MAR ABRIL
Qm/s
Qm/s Qm/s
Qm/s
Promedio 11.04
31.35
24.85
29.69
62.87
51.40
12.59
5.91
4.49
3.48
3.05
3.91
Mediana
27.46
18.25
27.07
57.36
46.11
11.90
5.67
4.14
2.91
2.56
2.97
10.31
65
AO
MAYO JUNIO JULIO AGOSTO
Qm/s
OCT
SEP
NOV
DIC
ENE
FEB
MAR ABRIL
Qm/s Qm/s
Qm/s
Mximo
22.71
63.40
79.07
66.40
181.00 110.00
28.22
11.16
9.30
7.84
8.58
9.78
Mnimo
5.02
6.85
3.18
8.36
18.31
9.09
4.00
2.51
1.90
1.69
1.30
1.25
Desvestan 4.93
17.39
18.94
18.61
38.85
24.51
6.25
2.52
2.23
1.73
1.80
2.23
Coef.Oblic 0.85
0.71
1.76
0.60
1.86
0.67
0.97
0.43
0.91
1.20
2.09
1.50
Tabla 3.7. Parmetros estadsticos mensuales para la estacin Moscoso.
u.
Se presentan en forma grfica algunos de los resultados (Figura 3.8)
Anlisis Estadstico Moscoso

200.00
181.00
160.00
140.00
120.00
80.00
Mximos
Mnimos
79.07
60.00
66.40
63.40
62.87
51.40
28.22
NOVIEMBRE
OCTUBRE
SEPTIEMBRE
AGOSTO
JULIO
MAYO
11.16
5.91
9.30
4.49
9.78
3.91
8.58
3.05
7.84
3.48
ABRIL
12.59
11.04
MARZO
24.85
22.71
DICIEMBRE
20.00
29.69
FEBRERO
31.35
ENERO
40.00
0.00
Promedios
110.00
100.00
JUNIO
Caudales (m/seg)
180.00
Meses
Figura 3.8. Grfica de parmetros estadsticos para Moscoso
En las Tabla 3.6, Tabla 3.7 y Figura 3.8 se observa que para el faltante del mes de Junio de
1976/77 el valor puede estar entre 6 y 64 m/seg (el mnimo y mximo observados), siendo
probable un valor de aproximadamente 2717 m/seg de acuerdo a los resultados de la mediana
(para variables hidrolgicas es ms representativa la mediana que el promedio) y la desviacin
estndar. El coeficiente de oblicuidad cercano a cero, indica que para el mes de junio el registro
histrico es cercano a una distribucin simtrica, por lo que es vlido considerarla una distribucin
de tipo normal.
Para el mes de Agosto el valor se ubica en un rango de 8-67 m/seg con un valor probable de
2719 m/seg, siendo posible ajustar el registro a una distribucin normal. En el mes de
Septiembre el rango se incrementa y tiene datos entre 18-181 m/seg con un valor probable de
5739 m/seg, pero no es posible ajustarlo a una distribucin normal debido a que el coeficiente de
66
oblicuidad es bastante mayor que cero. Octubre presenta condiciones semejantes a Septiembre
con un rango de variacin entre 9-110 m/seg y un valor probable de 4624 m/seg, la diferencia es
que para este mes el ajuste a una distribucin normal es posible.
Es necesario mencionar que el valor probable determinado para los meses de Septiembre y
Octubre presenta gran incertidumbre debido a los grandes picos y cadas de registros que se
observan durante esos meses (ver Figura 3.8), por lo que ni el promedio, ni la mediana son
representativos del comportamiento general de los datos en el mes, un anlisis de caudales
mximos refleja mejor los valores que ocurren durante stos meses.
B. ANLISIS POR CONSISTENCIA CON LAS ESTACIONES ALEDAAS
Las estaciones aledaas con suficiente informacin, o que se cruza con Moscoso son las
siguientes: Villeras, Vado Marn, Las Conchas y La Canoa, conocida actualmente como El Delirio.
Como se mencion en el captulo 2 apartado 2.2.1, literal A, la consistencia se revisa formando el
patrn de estaciones o verificndola con la estacin base, la cual se determina revisando la
correlacin y consistencia de cada una de las estaciones de la regin con la estacin en anlisis de
forma iterativa.
No se puede determinar un patrn porque Moscoso no presenta faltantes en el perodo en comn,
que tiene con el resto de estaciones y en los meses con ausencia no existen al menos 3
estaciones con datos como lo requiere el mtodo de Curva Msica con el que se evala la
consistencia. Las estaciones y sus perodos de registro se presentan en la Figura 3.9.
Figura 3.9. Estaciones hidromtricas de la cuenca del Ro Grande de San Miguel y sus perodos de registro.
De la figura anterior se observa que slo las estaciones Vado Marn y Las Conchas, tienen datos
en los perodos faltantes de la estacin Moscoso por lo que se revisa con estas s alguna de ellas
67
puede ser la estacin base. El procedimiento a seguir se detall en el cap. 2, apartado 2.2.1, literal
A.
Los resultados de la revisin de consistencia se presentan en la Figura 3.10, Figura 3.11 y en la
Tabla 3.8:
Estacin Moscoso acumulada

(mm)
Correlacin Moscoso con Vado Marn

12000
y = 1.3243x + 174.03
R2 = 0.9977
10000
8000
6000
4000
2000
0
0
2000
4000
6000
8000
Estacin Vado Marn acumulada (mm)
Figura 3.10. Consistencia Vado Marn con Moscoso.
Correlacin Moscoso con Las Conchas

Escorrenta acumulada de
Moscoso (mm)
7000.00
6000.00
5000.00
y = 1.2211x + 278.93
R2 = 0.9954
4000.00
3000.00
2000.00
1000.00
0.00
0.00
1000.00
2000.00
3000.00
4000.00
5000.00
6000.00
Escorrenta acumulada de Las Conchas (mm)
Figura 3.11. Consistencia Las Conchas con Moscoso.
Estacin
Moscoso
Las Conchas Vado Marn

0.9977
0.9988
Tabla 3.8. Factores de Correlacin de las estaciones Las Conchas y Vado Marn con Moscoso.
68
Ambas estaciones son consistentes en el perodo del faltante, aunque se observa que Las
Conchas presenta un quiebre en la tendencia hacia el final del registro, lo que indica un error
sistemtico, que puede hacer variar la ecuacin que se obtiene con sus datos.
Debido a que ambas presentan buen factor de correlacin (Tabla 3.8) y son consistentes en el
tramo de inters, para determinar cual de las dos estaciones es mejor como estacin base, se
evala la cercana con la estacin en estudio, dado que es Vado Marn la que se encuentra ms
cerca de Moscoso se toma sta como la estacin base.
Es importante notar que solamente Vado Marn puede emplearse para rellenar los faltantes del ao
1964/65, puesto que es la nica que presenta registros en esa poca como se muestra en la
Figura 3.9. Por lo que para estas ausencias no importa los resultados del anlisis anterior, siempre
y cuando el factor de correlacin sea mayor o igual a 0.85 (ver Captulo 2 apartado 2.2.1, literal A),
entre las estaciones Moscoso y Vado Marn, tal como es el caso.
Un anlisis semejante se realiza para la estacin Villeras, presentndose el proceso en el Anexo
D.
3.2.2.
PROCESO DE SELECCIN DE LOS MTODOS ANLITICOS APLICABLES
Para efectuar la seleccin de los mtodos analticos aplicables, se analizan los registros
disponibles y los faltantes desde la perspectiva de los requerimientos de cada mtodo y con esto
se evala s es posible aplicarlos. Adems se indican los perodos en que es factible emplear cada
mtodo.
A. CORRELACIN Y MNIMOS CUADRADOS
Luego de realizar el anlisis de los datos y efectuar la revisin de la consistencia, es posible
determinar s el relleno se realiza con patrn, base o con ambos (Cap. 2 apartado 2.2.1, literal A).
El mtodo de correlacin simple requiere que se pueda conformar el patrn de estaciones con un
mnimo de 3 estaciones con perodos de registros que se crucen entre s y que incluyan al faltante
que se desea rellenar, por lo que para el caso de Moscoso esto no es posible como se observ
anteriormente.
La correlacin iterativa necesita que exista al menos una estacin aledaa con datos cuyo registro
se cruce con los de la estacin en estudio en el perodo de los faltantes. Para el caso de Moscoso
69
se tienen dos estaciones que cumplen con los requisitos, con lo que se determin que sera Vado
Marn la estacin base.
Los tres meses faltantes del ao 64/65 solo se pueden completar con la estacin Vado Marn,
mientras que el mes de Junio del 76/77 puede completarse, ya sea con Vado Marn o con Las
Conchas, pero dada la comparacin estadstica realizada entre los registros histricos de las 3
estaciones se rellena con los datos de la estacin Vado Marn, para todos los mtodos en que se
requiera una estacin base.
.
Los aos 81 al 2002 no se pueden completar porque solamente Villeras registra hasta esas
fechas pero no se cruza ningn dato con Moscoso por lo que no se pueden formar los pares
ordenados.
B. REDES NEURONALES
El mtodo de redes neuronales exige que existan al menos 5 aos de registros completos antes
del faltante en la estacin en estudio, para que el aprendizaje de la red sea lo ms satisfactorio
posible, debido a la variabilidad del registro de caudales. Este mtodo asume que el perodo que
s esta completando se comportar en forma semejante al perodo de calibracin.
En Moscoso para los meses faltantes del ao 1964/65 no se puede emplear Redes Neuronales
porque no hay un registro previo para evaluar correctamente; en cambio, para la ausencia de Junio
de 1976/77 se tienen 133 meses de registros (11 aos con 1 mes) completos previos, por lo que
se puede predecir el resultado del mes faltante. Luego se tienen 48 meses por lo que se pueden
predecir al menos 24 meses a partir del ao 81 siguiendo el criterio del 50% de vacos.
C. CURVA MSICA
No es posible rellenar con este mtodo para el caso de Moscoso porque requiere que exista un
patrn y una estacin base, como se menciono anteriormente para la estacin Moscoso no se
puede conformar el patrn.
D. TRANSPOSICIN DE CAUDALES
Es factible emplearlo puesto que Vado Marn es una estacin perteneciente a la misma cuenca que
Moscoso por lo que no hay variacin de los parmetros fsicos y basta con relacionar las distintas
reas de drenaje y precipitaciones medias. Se usa Vado Marn como estacin base segn se
determin con el anlisis de consistencia y el estudio estadstico de los registros histricos.
70
Con la relacin de reas es posible rellenar los vacos de los meses de Agosto, Septiembre y
Octubre de 1964/65, Junio de 1976/77 y todos los aos en los que tenga datos la estacin Vado
Marn.
Relacionando reas y precipitaciones medias se rellenan los mismos faltantes anteriores excepto
los del ao 1964/65, debido a que no se tienen registros de precipitaciones medias para esas
fechas.
E. ESTOCSTICOS: MARKOVIANO Y THOMAS FIERING
Al igual que con las redes neuronales se necesita que existan al menos 5 aos de registros
completos previos al faltante, tambin requiere que se crucen los datos con la estacin en anlisis
y que se pueda ajustar la nube de puntos a una distribucin normal.
Debido a lo anterior no es posible rellenar los faltantes del ao 1964/65 porque no hay registros
anteriores a este ao, en cambio para la ausencia del mes de Junio de 1976/77 se puede emplear
porque Moscoso tiene 11 aos 1 mes completo previo al faltante y la tendencia de la nube de
puntos para el registro histrico correspondiente al mes de Junio se puede aproximar a una
distribucin normal.
Se pueden emplear para completar hasta 2 aos despus del 81 pero teniendo en cuenta que los
resultados tendrn un alto grado de incerteza, porque no se tiene al menos 5 aos completos
previos al ao 81.
F. ESTOCSTICO: ENTRE ESTACIONES
Para los meses de Agosto, Septiembre y Octubre faltantes en el ao 1964/65 no es posible
emplear este mtodo porque no tiene al menos 5 aos de registros previos.
En cambio para Junio 1976/77 se puede emplear porque cumple con los 3 requisitos base de este
mtodo:
Vado Marn y Moscoso tienen ms de 5 aos completos, de datos previos al faltante de Junio
1976/77, por lo que el requisito esta cumplido.
En el perodo que se quiere predecir, deben estar completos los datos de la estacin que se
usa de base; Vado Marn cumple este requisito.
71
Los registros histricos para el mes de la ausencia en la estacin Vado Marn se pueden
ajustar a una distribucin normal
Los aos faltantes de la poca de guerra no se pueden rellenar porque ninguna de las estaciones
aledaas tiene datos completos en ese perodo.
G. THORNWAITE
Es posible emplear este mtodo para completar el registro faltante de Junio de 1976/77 y las
ausencias desde 1981/82 hasta 2000/01 debido a que se cuenta con los datos de
Evapotranspiracin y Precipitacin a partir de 1971/72 hasta 2000/01.
Los valores para K (parmetro de excedencia), almacenamiento mximo y humedad inicial del
perodo se calculan de forma aproximada analizando los hidrogramas y pluviogramas
correspondientes a la estacin Moscoso como se presenta en el Anexo C.
H. RELACIONES PRECIPITACIN - ESCORRENTA.
Se considera que los datos de precipitacin son consistentes. Con este mtodo es factible rellenar
nicamente el vaco del mes de Junio del 76 porque las series de precipitacin estn completas
desde 71 hasta 2001, pero a partir de 1980/81 no se cuenta con informacin de escorrenta para la
estacin Moscoso por lo que no es posible formar los pares ordenados que sirven para graficar la
tendencia y obtener la ecuacin con la que se realiza el relleno. En el Captulo 4 de Anlisis de
Resultados apartado 4.1.2, se determina si es ms efectivo el relleno con un anlisis de
precipitacin escorrenta mensual o anual.
3.3.
PROCESO DE RELLENO Y EXTENSIN DE LAS SERIES HISTRICAS DE

CAUDALES PROMEDIOS MENSUALES
Para efectuar el proceso de relleno y extensin se emplearon programas creados en Visual Basic
vs. 6, basados en la teora de cada mtodo, expuesta en el captulo 2, apartado 2.2.2 y 2.2.3. En
los anexos del E al J se presentan los manuales de usuario, mientras que los cdigos fuente se
incluyen en el CD anexo al trabajo.
A continuacin se presenta el proceso a seguir para efectuar relleno con cada uno de los mtodos:
72
3.3.1.
CORRELACIN SIMPLE E ITERATIVA CON MNIMOS CUADRADOS
Se revisan los registros hidromtricos de las estaciones aledaas a la que nos interesa rellenar
para verificar que existan al menos 3 con informacin suficiente en los aos con datos completos
de la estacin en estudio y con registros en donde existan faltantes. Lo importante es que sea
posible formar los pares ordenados para obtener la ecuacin. Si no se puede formar el patrn se
sigue el proceso con las estaciones existentes.
Los datos de caudales de las 4 estaciones (las que servirn para el relleno y la que se quiere
completar) se convierten a escorrenta (mm).
Se preparan los archivos de texto con los datos de las 4 estaciones o de las que existan en un
perodo que tengan en comn y que incluya los faltantes de la estacin que se quiera rellenar. Los
archivos de texto de cada estacin deben tener 100 en donde tengan faltantes.
Los archivos pueden prepararse en Excel colocando en la primera columna la fecha y a
continuacin los datos de cada mes, una vez finalizado se guarda como un archivo de extensin
txt. A continuacin se presenta en la Figura 3.12 el formato de los archivos de texto (en rojo el tipo
de dato del que se trata, que no va en el formato).
Figura 3.12. Formato de archivos de entrada para los programas.
Se introducen los archivos en el programa de correlacin (Anexo E), en donde se procesa la

informacin y presenta de acuerdo a la cantidad de archivos introducida, si es posible formar el
patrn, si es posible, lo forma y revisa el factor de correlacin, de lo contrario procede a revisar las
estaciones individuales.
Si el patrn es factible el programa revisa si el factor de correlacin es mayor de 0.85 (Captulo 2,
apartado 2.2.1, literal A), si es as efecta el relleno. De lo contrario revisa el factor de correlacin
de cada una de las estaciones respecto a la que se desea completar y elige como estacin base la
que tenga el factor de correlacin mayor, siempre y cuando sea mayor a 0.85.
El programa presenta un archivo con los datos de la estacin completos, en formato de texto (para
mayor informacin sobre el funcionamiento y salidas del programa consulte el Anexo E). Es
aconsejable auxiliar los resultados del programa con grficas de los acumulados de las estaciones
respecto al acumulado de la estacin en estudio, porque en muchas ocasiones se presenta el caso
73
de que los factores de correlacin son aceptables pero en realidad la estacin presenta
inconsistencias visibles en tramos importantes, por ejemplo en donde se desea rellenar. Estas
grficas pueden hacerse en Excel o con ayuda del CHAC introduciendo la informacin y
procesndola de acuerdo a lo que se presenta en su manual del usuario adaptado, Anexo K.
Si los factores de correlacin con todas las estaciones son aceptables, es conveniente hacer un
anlisis estadstico de los registros de la estacin a completar tal como se present en el apartado
3.2.1. Luego de abrir el archivo en Excel se convierten los datos a caudales y se analizan los
resultados.
3.3.2.
REDES NEURONALES
Se analizan los registros histricos de la estacin a completar para determinar la cantidad de aos
completos que existen antes de los faltantes, si hay ms de 5 se procede al relleno.
Se preparan los archivos necesarios. Por ejemplo para la estacin Moscoso, se requieren 2
archivos distintos, uno con los 132 meses antes del faltante del mes de Junio de 1976/77 y otro
con los 48 meses que preceden a la clausura de la estacin en 1980/81. Los archivos son en
formato texto y tienen la misma forma que los que se presentaron en la Figura 3.12, con la
excepcin de que los datos se expresan en caudal y no en escorrenta, adems de que el archivo
no debe tener faltantes, porque se trata de perodos completos.
Se introduce el archivo de datos al programa, junto con el factor de aprendizaje (), cantidad de
datos a simular, nmero de entradas, error mnimo y cantidad de iteraciones, para mayor
informacin sobre dichos parmetros, teora sobre el funcionamiento de las redes neuronales y la
forma de usar el programa vea los Anexos F y L. Para Moscoso se obtuvieron resultados
aceptables con los siguientes parmetros (Tabla 3.9 y Tabla 3.10):
Perodo de calibracin:
1965/66-1975/76
# meses de calibracin:
132
Beta:
0.000001
Error mnimo:
0.001
# iteraciones:
10000
# de entradas:
40
# datos a simular:
24
Error absoluto:
8069.46
Tabla 3.9. Parmetros de calibracin para rellenar el faltante de Junio 1976/77 con Redes Neuronales.
Perodo de calibracin:
1977/78-1982/83
# meses de calibracin:
48
Beta:
0.000001
Error mnimo:
0.001
# iteraciones:
10000
# de entradas:
22
# datos a simular:
24
Error absoluto:
56.58
Tabla 3.10. Parmetros de calibracin para rellenar los faltantes a partir de 1981/82 con Redes Neuronales.
74
El factor de aprendizaje es pequeo para que la red cambie sus pesos lentamente y se ajuste de
mejor forma a los meses de calibracin (la red asume que el perodo a simular se comportar igual
que el de calibracin), un nmero mayor de iteraciones no mejora ni empeora los resultados por lo
que 10000 es un valor aceptable, el error mnimo es un parmetro que le indica a la red cuando
finalizar las iteraciones, un valor menor hace ms rpido el proceso pero aumenta la incerteza de
los resultados. El nmero de entradas es la cantidad de veces que los datos alimentan la red
neuronal, valores entre 20 y 60 dan buenos resultados porque no son tan pequeos como para que
la red se adapte nicamente a la forma general, ni demasiado grandes como para que se ajuste
slo a una forma en particular. Es importante mencionar que la cantidad de datos a simular debe
ser menor al nmero de registros de calibracin, lo cual no es problema si se mantiene el criterio
de no rellenar arriba del 50% de los datos medidos.
Luego que se procesan los resultados se verifica que el error absoluto no sea muy alto, aunque
esto no es tan importante como que la grfica de simulacin siga la forma de los datos medidos, tal
como se muestra en las grficas de simulacin obtenidas para Moscoso (Figura 3.13 y Figura
3.14).
Figura 3.13. Simulacin obtenida para Moscoso faltante Junio 1976/77 con Redes Neuronales.
Figura 3.14. Simulacin obtenida para Moscoso faltantes a partir de 1981/82 con Redes Neuronales.
75
Para aceptar o no una simulacin debe hacerse una combinacin entre la forma de la grfica de
simulacin y validaciones con datos reales.
Una vez que se obtienen resultados aceptables se guardan en archivos de texto. Se procede al
anlisis de los datos obtenidos.
3.3.3.
CURVA MSICA
Aunque para el caso particular de Moscoso no es posible emplear este mtodo debido a la falta de
patrn se presenta a continuacin el procedimiento a seguir:
Se revisa la informacin histrica de la estacin en estudio y las aledaas a sta, para determinar
s es posible formar el patrn, verificando si tienen un perodo de registro en comn que incluya las
ausencias de la estacin de inters. Se forma el patrn (Captulo 2 apartado 2.2.1, literal A) y se
determina la estacin base empleando el programa de correlacin (Apartado 3.3.1 y Anexo E).
El programa de correlacin arroja como resultados no solo la estacin a rellenar completa si no que
tambin el acumulado del patrn, el acumulado de la estacin base y el acumulado de la estacin
a rellenar. Estos archivos en formato de texto se abren en el programa de Curva Msica (Anexo G)
junto con el archivo de la estacin a completar, siempre con 100 en los lugares donde exista
faltantes de acuerdo al formato de la Figura 3.12.
Se procesan y guardan los resultados con el programa (Anexo G). El archivo de salida que
presenta est en formato de texto e incluye la serie completa de la estacin en estudio.
Con Excel se abre el archivo de texto del relleno y se ordena la informacin para luego analizarla.
3.3.4.
TRANSPOSICIN DE CAUDALES
El procedimiento es el siguiente:
Determinar si existen estaciones aledaas con suficiente informacin y que dichos datos
correspondan a los perodos faltantes de la estacin en estudio.
Verificar si las estaciones aledaas se encuentran dentro o fuera de la cuenca a la que pertenece
la estacin de inters. Tambin es importante revisar las series de precipitacin media para cada
estacin y determinar si son o no anlogas entre s. En el caso de Moscoso se trabaj con Vado
Marn que es parte de la cuenca del Ro Grande de San Miguel, misma a la que pertenece
76
Moscoso. Las precipitaciones de Vado Marn y Moscoso son diferentes dado la distinta rea de
drenaje que presentan, debido a que tienen diferente ubicacin geogrfica, la primera se encuentra
en la cuenca baja, mientras que la segunda en la cuenca media.
Si la estacin se encuentra en la misma cuenca, abrir el programa de transposicin de caudales y
en los datos de la cuenca a rellenar, as como en los de la cuenca completa introducir los mismos
valores, para que los factores de forma, compacidad, etc., desarrollados en el Captulo 2, apartado
2.2.3.A4, tengan un valor de variacin de cero y el programa contine con su funcionamiento
normal. Para mayor informacin ver Anexo H. Introduzca en el programa las reas de drenaje de
cada estacin y el archivo de texto correspondiente a la estacin a rellenar con el mismo formato
que el presentado en la Figura 3.12 con la excepcin de que los datos deben ser expresados en
caudales (m/seg) y no en escorrenta (mm).
Si la estacin completa que servir de base est fuera de la cuenca en estudio, colocar los datos
reales de cada cuenca en las unidades que indica el programa. Si las cuencas son similares el
programa pide que se guarden los resultados de lo contrario le indica que emplee otro mtodo.
En cuencas similares o en estaciones ubicadas en la misma cuenca, cuando el relleno sea posible
y las precipitaciones sean semejantes, guardar los resultados en un documento de texto. El archivo
de salida incluye la serie de datos de entrada junto con los faltantes rellenos de acuerdo a una
relacin de reas. Luego si las precipitaciones son diferentes se presiona Continuar.
El programa solicita que se introduzca las series de precipitacin media para el mismo perodo que
tiene el archivo de caudales que se abri, una vez abiertos los archivos se procesan y se guardan
los resultados en un documento de texto. El documento de texto de salida incluye la serie de datos
introducida con los faltantes rellenos, obtenidos afectando los datos de la estacin base por una
relacin de reas y de precipitaciones. Se pasan los archivos de texto a Excel se ordenan de
manera conveniente y se procede al anlisis de la informacin obtenida.
3.3.5.
ESTOCSTICOS: MARKOVIANO Y THOMAS FIERING
Al igual que en las redes neuronales apartado 3.3.2 el primer paso es elegir los perodos previos a
los faltantes y evaluar si tienen ms de 5 aos de datos completos que se puedan emplear como
base para la creacin de las series sintticas.
Crear los archivos de texto con estos perodos completos (sin faltantes) con el mismo formato
expresado en la Figura 3.12.
77
Introducir al programa Estocstico 1 o Estocstico 2 (ms detalles en el Anexo I) el archivo de texto

creado y el nmero de meses a simular.
Se procesa la informacin y se guarda en un archivo de texto los meses simulados junto con los
datos de entrada.
Si es posible, validar los resultados simulando datos reales para verificar la efectividad de la serie
sinttica creada.
Pasar el archivo de texto a Excel, ordenarlo y analizar los resultados.
3.3.6.
ESTOCSTICO: ENTRE ESTACIONES
Verificar la cantidad de aos de datos completos para ambas estaciones (debe ser mayor a 5
aos), la base y la que se desea rellenar y si dichos perodos se cruzan. Tambin se debe revisar
si la estacin que sirve de base tiene datos completos en el perodo que se desea simular para la
estacin a rellenar.
Se forman tantos archivos de texto como perodos completos previos, a faltantes existan, uno para
cada estacin, la que se desea rellenar y la base. El formato de los archivos es el mismo de todos
los programas y no deben tener faltantes.
Se repiten el procedimiento de los Estocsticos Markoviano y Thomas Fiering, con la excepcin de
la informacin se ingresa en el programa Estocstico 3 (Anexo I).
3.3.7.
THORNWAITE
Para este mtodo se requiere preparar archivos de evapotranspiracin potencial y precipitacin

media (se calculan de acuerdo al anexo A y B), ambas expresadas en mm y para el mismo perodo
de tiempo, dicho perodo debe ser previo al que se desea calcular de escorrenta.
Los archivos deben tener el mismo formato presentado en la Figura 3.12 con la excepcin de que
la informacin debe estar completa y en lugar de escorrenta se tendr evapotranspiracin o
precipitacin media, ambas en mm como se expresa en el Captulo 2 apartado 2.2.3, literal B3.
78
Se introducen los archivos preparados en el programa de Thornwaite (Anexo J) y se colocan los

parmetros siguientes: Proporcin del almacenamiento de humedad retenido
que escurre
inmediatamente K, Humedad inicial del perodo [mm] Hi, Almacenamiento de humedad en el

perodo [mm] a, y el nmero de meses a simular. Estos parmetros corresponden al C, Hi y Hmx
que requiere el CHAC para su calibracin y deben determinarse para cada estacin en particular,
para el caso de Moscoso se presenta la obtencin de sus valores aproximados en el Anexo C. Al
ser valores aproximados se consideran datos iniciales con los cuales comenzar las iteraciones.
Se inicia un ciclo de iteraciones (si es posible) en las que se vara los parmetros mencionados
anteriormente. Durante este proceso iterativo se simulan datos de los que se tiene medicin real
para validar los resultados del programa, aunque los valores calculados por el mismo nunca sern
exactos por las simplificaciones que conlleva el mtodo (ver Captulo 2 apartado 2.2.3, literal B3),
las iteraciones finalizan cuando los datos calculados por el programa se asemejan a los reales. Los
valores con los que se obtuvieron resultados aceptables se presentan a continuacin (Tabla 3.11):
K:
0.35
adimensional
Hi:
50
mm/mes
a:
190
mm/mes
Tabla 3.11. Parmetros obtenidos para Moscoso con Thornwaite.
Cuando los resultados sean satisfactorios se procede a guardarlos en un archivo de texto en el que
se presentan todos los datos calculados para el perodo de simulacin especificado.
Este archivo de texto se puede abrir desde Excel y ordenarlo segn convenga para facilitar el
anlisis de la informacin.
3.3.8.
PRECIPITACIN ESCORRENTA
Se analizan los registros de precipitacin media observando los pluviogramas anuales (como se
presentan en el Anexo C) y se determinan si para los meses en los cuales hay faltantes la
precipitacin es distinta al resto de los meses del ao. Por ejemplo para el caso de Moscoso se
tiene que la ausencia del ao 1976/77 se presenta en Junio y que en aos anteriores se observa
que durante ese mes la precipitacin es menor que la que se presenta entre los meses de Agosto y
Octubre, por ende usar los datos de todos los meses durante un perodo de tiempo genera
resultados arriba de lo que se esperara en realidad, pero siguiendo el anlisis se observa tambin
que la precipitacin del ao 1976/77 para el mes de Junio es la ms alta registrada histricamente
para dicho mes, por lo que conviene realizar el relleno tambin con los datos de todos los meses y
analizar los resultados (Captulo 4 apartado 4.1.2).
79
S grafica una dispersin de puntos en Excel, en donde las abcisas son los valores de
precipitacin media y las ordenadas las de escorrenta correspondientes a ese mes y durante el
mismo perodo de tiempo.
Se obtiene la ecuacin y el factor de correlacin de la tendencia que mejor se ajusta a la nube de
puntos. Si el factor es mayor de 0.85 (Captulo 2, apartado 2.2.1, literal A ) se procede al relleno
empleando la ecuacin encontrada, sustituyendo en ella el valor de precipitacin correspondiente
al mes faltante, para obtener la escorrenta deseada que se convierte posteriormente en caudal
para proceder a su anlisis.
3.4.
PROCESO DE APLICACIN DEL MODELO HIDROMETEOROLGICO A LA

ESTACIN MOSCOSO.
En el presente apartado, se desarrollan las fases de calibracin y simulacin que posee el modelo
CHAC, aplicadas a la estacin hidrometeorolgica Moscoso.
3.4.1.
CALIBRACIN DEL MODELO CHAC
(a) Como primer paso se crea el Archivo del Proyecto en donde se guardan todos los ficheros del
resultado de la calibracin y la simulacin. Un proyecto es el conjunto de datos de entrada,
selecciones, resultados, grficos, etc. Todo ello se agrupa bajo un directorio y un nombre (ver
Anexo K). Al ejecutar el programa y pulsando el botn de Crear un proyecto nuevo (o
desplegando el men correspondiente) aparece la ventana de creacin de proyecto nuevo (Figura
3.15):
Figura 3.15. Ventana de definicin del proyecto [Manual del usuario del CHAC].
80
El nombre del directorio es el del proyecto, adems el usuario puede:
Seleccionar un directorio existente para crear un proyecto nuevo. La ventana incluye un

buscador para elegir directorio de proyecto (pulsar Aceptar).
Seleccionar un directorio raz al que pertenece el nuevo directorio (pulsar Crear Nuevo).
Cuando se elige esta ltima opcin aparece la ventana de la Figura 3.16:
Figura 3.16. Ventana para nombrar el proyecto [Manual del usuario del CHAC].
Entonces se introduce el nombre del proyecto y se presiona aceptar, quedando as creado.

(b) En el men Clculo Aportaciones que se muestra en la Figura 3.17 se elige la opcin
Calibracin.
Figura 3.17. Acceso al submen Calibracin.
Entonces, se desplegara la pantalla que se muestra en la Figura 3.18, en donde se introducen los
datos de entrada, los cuales son:
Series histricas de precipitaciones medias mensuales, para el caso de Moscoso se cuenta

con un registro desde 1971/72 hasta el 2000/01.
Series histricas de evapotranspiracin potencial areal mensual, que para el caso de Moscoso
el registro es desde 1971/72 al 2000/01.
Series histricas de caudales promedio mensuales, Moscoso cuenta con un registro desde el
ao hidrolgico de 1964/65 a 1980/81.
ANEXO D.
81
Figura 3.18. Ventana que despliega el CHAC para ingresar datos de rea de la cuenca, das de lluvia, ramas de
descarga y las series histricas de Precipitaciones, Evapotranspiracin Potencial y Caudales.
(c) Al presionar sobre el botn Precipitaciones se introducen los datos de precipitacin ponderada
desde un archivo tipo texto previamente creado (ver Anexo K). De igual forma se introducen los
datos de Evapotranspiracin potencial. Luego se ingresan los Caudales promedio mensuales de la
estacin en estudio, el rea de la cuenca, el nmero de das de lluvia por mes y el nmero de
ramas de descarga. Para el caso de Moscoso 1074 km de rea de drenaje, 30 das de lluvia por
mes y 1 rama de descarga, que son los afluentes de agua subterrnea representativos de la
estacin.
(d) Despus de Aceptar, se despliega la pantalla que se muestra en la Figura 3.19 dentro de la
que se introduce los parmetros iniciales y se realizan las modificaciones de estos para lograr el
ajuste entre hidrograma simulado y el real para un ao medio:
Figura 3.19. Ventana que despliega el CHAC donde se visualizan los parmetros de calibracin.
82
3.4.2.
PARMETROS DE CALIBRACIN
Para estimar los valores iniciales de los parmetros a ingresar en la calibracin del CHAC, se
realiz el anlisis de los hidrogramas y pluviogramas, as como de las caractersticas fsicas de la
cuenca del Ro Grande de San Miguel, esto ltimo haciendo uso de los mapas que se muestran en
seccin 3.1. La Tabla 3.12 muestra los valores iniciales obtenidos de los anlisis:
PARMETRO
VALOR INICIAL
Coef. ETP (adim.)
Caudal sub. Inicial (m3/s)
C, excedencia (adim)
0.28
Humedad Mxima (mm/mes)
181
Humedad inicial. (mm/mes)
46
Infiltracin mxima (mm/mes)
200
-1
R ama de des carga, (dias )
0.011
Tabla 3.12. Valores iniciales de los parmetros de calibracin del CHAC para las estacin Moscoso.
Los clculos correspondientes para determinar los valores iniciales de los parmetros de la tabla
anterior se muestran en el Anexo C.
Entonces la calibracin consiste en lograr el mejor ajuste entre las curvas de hidrogramas de
caudal simulado y real, por medio de iteraciones en la variacin de los parmetros que se
muestran en la ventana de la Figura 3.19, principalmente de Hmx, C, Imx, y . T ambin con apoyo
de la evaluacin de errores y la comparacin entre los hidrogramas reales y los simulados. Es
importante notar que por el procedimiento que se sigue para obtener la Evapotranspiracin
Potencial, el coeficiente de ETP, parmetro de calibracin del CHAC, es igual a 1, de acuerdo a lo
expuesto en el Anexo C.
En resumen, el proceso que se ha seguido para elegir la calibracin ptima son los siguientes:
Estudio de los datos medidos, tanto de precipitacin como de caudal, por medios analticos (tal
como se presenta en el Anexo C), para determinar los valores aproximados de todos los
parmetros, los cuales sirven como punto de partida para las iteraciones de calibracin.
Comparacin grfica del ao medio simulado y el real. (ver Figura 3.19 )
Comparacin grfica de los ajustes ao con ao, entre datos simulados y reales (ver Figura
3.22)
83
Comparacin grfica de la correlacin a nivel anual entre aportacin histrica y simulada. (ver
Figura 3.20)
Error medio inferior al 5%
Ajuste de volmenes o compensacin entre stos.
Figura 3.20. Grfica del CHAC de correlacin a nivel anual entre aportacin histrica y simulada
3.4.3.
ANLISIS DE SENSIBILIDAD DE LOS PARMETROS EN LA CALIBRACIN Y
RESPUESTA DEL MODELO.
En la Figura 3.21 se muestra el hidrograma de ao medio, mostrando la variacin del caudal

mensual que se obtiene al introducir los parmetros iniciales:
Figura 3.21 Hidrograma real y simulado de un ao medio obtenido al ingresar los valores iniciales de los
parmetros de calibracin del CHAC
84
A. INFLUENCIA DE LA VARIACIN DEL PARMETRO C
Figura 3.22. Influencia de la variacin del parmetro C en el hidrograma del ao medio
Figura 3.23. Influencia de la variacin del parmetro C en valores de caudales simulados y reales.
El parmetro C controla la rapidez con que comienza el escurrimiento en la cuenca ante la

precipitacin, en funcin del tipo de suelo y de las condiciones de humedad del mismo, de tal
manera, que como, se puede observar en la Figura 3.22 al disminuir el valor de C, la respuesta de
la cuenca es ms rpida, habr mayor escurrimiento por lo que afecta principalmente a la curva
correspondiente al inicio del ao hidrolgico donde hay mayor precipitacin; y al aumentar el valor
de C, disminuyen los valores del caudal. Lo anterior se debe a que C afecta el porcentaje de lo que
se infiltra al suelo.
En general de la Figura 3.23 se observa que a un valor menor de C aumentan los valores de los
caudales simulados y a un mayor valor de C los caudales disminuyen.
85
B. INFLUENCIA DE LA VARIACIN DEL PARMETRO Hmx
Figura 3.24. Influencia de la variacin del parmetro Hmx en el hidrograma del ao medio
Figura 3.25. Influencia de la variacin del parmetro Hmx en valores de caudales simulados y reales.
Por medio de la Figura 3.24 puede observarse que una disminucin de Hmx supone un aumento
considerable en el volumen de agua escurrido, principalmente al inicio del ao hidrolgico y en el
perodo de lluvia, ya que la capacidad de almacenamiento del suelo es baja entonces el agua
escurrir de inmediato, an con las primeras lluvias, la absorcin ser mnima. Y sucede lo
contrario si Hmx aumenta entonces la escorrenta disminuir debido a que el suelo tendr ms
capacidad para retener el agua precipitada.
En la Figura 3.25 puede observarse que si la capacidad de campo es baja entonces los caudales
simulados aumentan de magnitud y si es alta el escurrimiento es ms lento.
86
C. INFLUENCIA DE LA VARIACIN DEL PARMETRO Imx
Figura 3.26. Influencia de la variacin del parmetro Imx en el hidrograma del ao medio
Figura 3.27. Influencia de la variacin del parmetro Imx en valores de caudales simulados y reales.
Si el valor del parmetro Imx es alto habr una mayor infiltracin en el suelo lo que provocar una
disminucin en los caudales que se generan por la escorrenta y aumentar la recarga del acufero,
esto ltimo provoca que en la curva de recesin aumenten los valores de caudal porque habr
mayor reserva de agua para mantener el caudal base o subterrneo, tal como se puede apreciar
en la Figura 3.26. Tambin puede verse que sucede lo contrario si la infiltracin en menor,
entonces habr mayor escorrenta durante la poca lluviosa y la rama de recesin ser
representada nicamente por la recarga del acufero, es decir, al caudal subterrneo (volumen
almacenado).
Por lo tanto los caudales simulados sern mayores si la Imx es mnima y viceversa si la Imx es
mayor, como se muestra en la Figura 3.27.
87
D. INFLUENCIA DE LA VARIACIN DEL PARMETRO
Figura 3.28. Influencia de la variacin del parmetro en el hidrograma del ao medio
Figura 3.29. Influencia de la variacin del parmetro en valores de caudales simulados y reales.
La variacin del parmetro afecta la rapidez del movimiento del agua en la zona subterrnea, es
decir, la descarga del acufero, por lo que si ste descarga rpidamente (valores altos de ) los
valores de caudal aumentaran en la poca lluviosa y la curva de recesin disminuir ya que en
poca seca no habr mucho que descargar del acuifero, lo contrario sucede (valores pequeos de
) si el agua que transita en el acufero se va acumulando debido a la lentitud con que se desaloje,
entonces en este caso el acufero almacenar suficiente agua para que en el perodo seco los
caudales del cauce sean altos, tambin puede observarse que en el perodo de lluvia los caudales
mximos no cambian considerablemente como puede verse en la Figura 3.28, porque los picos
dependen de la escorrenta superficial. Los caudales simulados sern mayores para un valor de
88
grande en la curva de recesin y viceversa para valores bajos de . La diferencia es mayor en los
caudales correspondientes a la curva de recesin, tal como se ve en la Figura 3.29.
E. INFLUENCIA DEL PARMETRO Hi
Figura 3.30. Influencia de la variacin del parmetro Humedad Inicial en el hidrograma del ao medio
Como se puede ver en la Figura 3.30 el valor de humedad inicial aumenta nicamente el valor del
caudal al inicio del ao hidrolgico, pero solo si sta es bastante alta. Si sta es cero la influencia
es casi nula, es decir, no hace variar el valor del caudal al inicio del ao hidrolgico.
F. INFLUENCIA COMBINADA DE LOS PARMETROS
Ajuste de la forma general del hidrograma.
ste se logra variando los valores del caudal subterrneo inicial, la humedad inicial y C.
Ajuste del volumen del agua.
Se refiere a alcanzar un adecuado ajuste de agua del modelo, de tal manera que no exista una
diferencia significativa entre la realidad y los resultados obtenidos por el modelo. Esto se lleva a
cabo variando los parmetros Hmx, C, Imx y , el volumen s e verifica a travs de la curva de
hidrograma del ao medio y los puntos de caudales reales del ao medio.
En la figura Figura 3.31 se presenta el diagrama de precedencia para realizar la calibracin:
89
Figura 3.31 Diagrama de precedencia del proceso de calibracin del CHAC
3.4.4.
VALIDACIN DEL MODELO CHAC
Como una manera de comprobar la calibracin, es aconsejable guardar un perodo de registros

completos al inicio o al final del perodo total disponible.
Debido a que el registro histrico de la estacin de Moscoso es corto, el perodo de validacin se
considera dentro de la calibracin, es decir, la calibracin se valida en si misma, con apoyo del
anlisis para obtener los parmetros iniciales del Anexo C.
3.4.5.
SIMULACIN DEL MODELO CHAC
Despus de elegir los parmetros que mejor se ajusten a los criterios de la calibracin, stos sern
los que representen las caractersticas de respuesta de la cuenca, entonces se procede a simular,
para los perodos en los que se carezca de caudales promedio mensuales, pero que se cuente con
90
registro mensual de precipitaciones medias y evapotranspiracin potencial areal, el proceso es el

siguiente
(a) En el men Clculo Aportaciones, se selecciona el sub-men Simulacin, tal como se
muestra en la figura Figura 3.32:
Figura 3.32 Ventana para acceder al sub-men de Simulacin
Luego se despliega la ventana que se muestra en la Figura 3.33, en la cual se puede cambiar los
archivos de entrada tanto de precipitaciones como de evapotranspiraciones potenciales areales, y
tambin establecer el perodo de simulacin deseado.
Figura 3.33 Ventana para visualizar archivos de datos de entrada y seleccionar el perodo de la simulacin
(b) Al presionar Aceptar, se visualiza el hidrograma del caudal simulado representativo de un ao

medio, como se aprecia en la Figura 3.34.
91
Figura 3.34 Hidrograma de caudal simulado en ao medio
A la derecha en la ventana de la Figura 3.34 aparece una barra con los nombres de los grficos
disponibles con los respectivos resultados, estos se muestran en el apartado 4.2.
Los ficheros de resultados del CHAC, se proporcionan en formato de archivos de texto, los cuales
se guardan automticamente en el archivo del proyecto creado, para trabajar con el CHAC (ver
Anexo K).
En el captulo 4 se muestran los resultados y anlisis de la fase de calibracin y simulacin del
modelo de simulacin CHAC, aplicado a la regin correspondiente a la estacin Moscoso.
92
4. ANLISIS DE RESULTADOS
En el presente captulo se muestran los resultados del relleno, tanto de los mtodos analticos
como del modelo de simulacin, y una comparacin entre los resultados obtenidos del relleno con
lo que se determinan los mtodos ms adecuados para completar la serie histrica de caudales de
la estacin Moscoso.
Para los mtodos analticos se efecta el relleno con todas las metodologas nicamente para el
faltante de la estacin Moscoso en el mes de Junio de 1976, mientras que la extensin de los aos
del 1980/81 en adelante, se realiza solo con los mtodos que dan los mejores resultados de
acuerdo al anlisis que se efecta en el apartado 4.3 de este mismo captulo.
El relleno con el modelo de simulacin CHAC se realiza para el mes de Junio de 1976/77 durante
el proceso de calibracin y para los aos siguientes a 1980/81 con el proceso de simulacin en s,
como se ver en el apartado 4.2.
RESULTADOS parciales para el anlisis DE LOS MTODOS ANALTICOS APLICADOS
La estacin Moscoso tiene un faltante en el mes de Junio de 1976/77, el cual se completa para
usarse como base en la determinacin de la efectividad de los mtodos en el relleno. A
continuacin se presenta la tabla resumen con los resultados de todos los mtodos, en m/seg.
(Tabla 4.1), para dicho mes.
Mtodos
Junio 1976/77
1)
Correlacin Simple
N/A
2)
Correlacin Iterativa
48.454
3)
Markoviano
30.495
4)
Thomas Fiering
30.370
5)
Entre Estaciones
28.046
6)
Precipitacin Escorrenta
114.516
7)
Redes Neuronales
24.563
8)
Thornwaite
78.581
9)
Curva Msica
N/A
10) Transposicin Caudales Areas
54.446
11) Transposicin Caudales reas/Precipitacin
62.768
12) 33% Precipitacin
77.037
13) 21% Precipitacin
49.024
Tabla 4.1. Resumen de resultados del relleno para Junio de 1976/77, caudales en m/seg.
93
Los resultados anteriores se obtienen usando los programas realizados, basndose en los
fundamentos tericos expuestos en el Captulo 2 apartado 2.2.2 y 2.2.3, N/A representa que no se
relleno con el mtodo en cuestin por no ser aplicable.
Se presentan a continuacin algunos mtodos que requieren visualizacin grfica para realizar el
relleno.
4.1.1.
CORRELACIN ITERATIVA
Antes de evaluar la correlacin es necesario verificar que la tendencia de la nube de puntos sea
una lnea recta, si es as, se encuentra la ecuacin que caracteriza la tendencia lineal y con sta se
rellena. A continuacin se presenta la grfica con la tendencia que siguen los datos de la estacin
Moscoso respecto a Vado Marn, la cual sirve de estacin base para el relleno de acuerdo al
anlisis de las estaciones aledaas que se presentan en el Captulo 3, apartado 3.2.1.
Correlacin Moscoso con Vado Marn
Estacin Moscoso
acumulada (mm)
12000
y = 1.3243x + 174.03
R2 = 0.9977
10000
8000
6000
4000
2000
0
0
2000
4000
6000
8000
Estacin Vado Marn acumulada (mm)
Figura 4.1. Grfica que sirve para evaluar la consistencia y para efectuar el relleno por el mtodo de Correlacin.
4.1.2.
Al igual que el mtodo anterior es necesario graficar para efectuar el relleno, en este caso, la
precipitacin respecto a la escorrenta de la estacin. Una vez obtenida la nube de puntos se
observa qu tipo de grfica se ajusta mejor a la tendencia y se calcula la ecuacin que la
caracteriza. En el caso de Moscoso se evalu precipitacin escorrenta para toda la serie de datos
y para los valores histricos del mes de Junio para un ao con registro real en el mes de Junio,
1973/74, se elige este ao por ser el que sigue a 1976/77 en presentar alta precipitacin en el mes
de estudio. Los resultados son ms representativos cuando se considera toda la serie histrica. A
94
continuacin se presentan las grficas y ecuaciones obtenidas para ambos casos (Figura 4.2 y
Figura 4.3), junto con los resultados del relleno (Tabla 4.2 y Tabla 4.3).
Escorrenta (mm)
300
250
y = 0.0008x2 + 0.0245x + 8.6344

R2 = 0.7431
200
150
100
50
0
0
100
200
300
400
500
Precipitacin (mm)
Figura 4.2. Grfica Precipitacin Escorrenta con la serie histrica completa.
Mes de Junio 1976/77
R=
0.7431
R=
0.7431
R=
0.86203248
R=
0.86203248
Precipitacin (mm)=
453
Escorrenta (mm)=
183.9
Caudal (m/seg.)=
76.199
Qr(m/seg.)=
63.4
%Error
20.188
Precipitacin(mm)=
563.4
Escorrenta (mm)=
276.373
Caudal (m/seg.)=
114.516
Tabla 4.2. Resultados del relleno precipitacin escorrenta usando todos los datos de la serie histrica.
Escorrenta (mm)
Precipitacin Escorrenta mes de Junio

180
160
140
120
100
80
60
40
20
0
1.3482
y = 0.0281x
2
R = 0.7407
100
200
300
400
500
600
Precipitacin (mm)
Figura 4.3. Grfica Precipitacin Escorrenta con los datos histricos de Junio.
95
R=
0.7407
R=
0.7407
R=
0.8606393
R=
0.8606393
Precipitacin (mm)=
453
Escorrenta (mm)=
107.068
Caudal (m/seg)=
44.364
Qr(m/seg)=
63.4
%Error
30.026
Precipitacin(mm)=
563.4
Escorrenta (mm)=
143.667
Caudal (m/seg)=
59.529
Tabla 4.3. Resultados del relleno precipitacin escorrenta usando los datos histricos del mes de Junio.
Como se observa en las Figura 4.2, Figura 4.3 y Tabla 4.2, Tabla 4.3 el relleno es mejor cuando se
toman todos los valores de la serie histrica, ya que al rellenar un ao con registro cuyas
condiciones son similares al del ao con faltante, el porcentaje de error entre el valor real y el
calculado es ms pequeo cuando se considera el registro histrico completo, que cuando se
considera solo el registro histrico de los meses de Junio.
4.1.3.
REDES NEURONALES
Para determinar el mejor relleno con redes neuronales es esencial observar las grficas de
simulacin que arroja el programa para determinar cul es la que se ajusta mejor a la tendencia
general observada a lo largo de los aos. A continuacin se presenta la grfica (Figura 4.4) de
simulacin que mejor sigue la tendencia general del comportamiento histrico de los caudales.
Figura 4.4. Grfica de simulacin que da el mejor ajuste
96
4.2.
RESULTADOS DEL MODELO DE SIMULACIN CHAC NECESARIOS PARA

EL ANLISIS
En el presente apartado se muestran los resultados de la calibracin y simulacin del modelo de

simulacin CHAC, los criterios y el proceso que se realiz para elegir los parmetros necesarios
para simular.
4.2.1.
RESULTADOS DE LA CALIBRACIN DEL CHAC
Para la calibracin del modelo CHAC, se cuenta con 9 aos hidrolgicos completos, en comn
entre las series histricas de precipitaciones medias, evapotranspiracin potencial media y
caudales promedio mensuales.
Durante el proceso de calibracin pueden obtenerse varias combinaciones de los parmetros que
ajustan algunas de las partes del hidrograma simulado respecto a los puntos reales. Por lo que se
hace necesario tener claro el propsito de la simulacin, es decir, qu condiciones de
comportamiento de los caudales se necesita conocer y para que se desea utilizar dicha
informacin.
Para el presente proyecto el propsito que se persigue es el relleno de caudales promedio
mensuales por lo que la calibracin se enfoc en compensar volmenes, aunque se trat de
controlar tambin la curva de recesin y los picos. Luego de varias iteraciones, los parmetros que
dan los mejores resultados se muestran en la Tabla 4.4:
MOSCOSO
PARMETRO
VALOR
Coef. ETP (adim.)
1
3
Caudal sub. Inicial (m /s)
C, Excedencia (adim)
0.4
Humedad Mxima (mm/mes)
270
Humedad Inicial. (mm/mes)
Infiltracin Mxima (mm/mes)
170
-1
R ama de des carga, (dias )
0.02
Tabla 4.4 Valores de los parmetros del CHAC, resultados de la calibracin de la estacin de Moscoso
El CHAC presenta una serie de grficos para facilitar la calibracin, los correspondientes al mejor
ajuste se presenta a continuacin:
97
En la Figura 4.5 se muestra el hidrograma de un ao medio, los puntos representan los valores
reales y la lnea verde continua, el simulado por el CHAC, puede observarse que el error medio es
de 4.36%, el cual se encuentra dentro del rango aceptable del 5%.
Figura 4.5 Grfico de hidrogramas de un ao medio simulado y real
La Figura 4.6 muestra qu tan cercanos estn los valores de caudales promedio anuales
simulados por el CHAC a los reales y la Figura 4.7 los parmetros que mejor ajustan las curvas de
los hidrogramas de series mensuales simulados respecto a los registrados.
Figura 4.6 Grfico de correlacin entre aos simulados y aos reales
98
Figura 4.7 Series mensuales de caudales registrados y simulados
Otros grficos de inters que se pueden visualizar durante la calibracin es el que muestra el
registro completo de precipitacin y evapotranspiracin media de la cuenca para el perodo de
calibracin y otro que muestra la Evapotranspiracin potencial media registrada en la cuenca
respecto a la Evapotranspiracin real media calculada por el CHAC, siempre para el perodo de
calibracin.
4.2.2.
RESULTADOS DE LA SIMULACIN DEL CHAC
Con los parmetros resultantes de la calibracin (ver Tabla 4.4), se realiza la simulacin como se
vio en el apartado 3.4.5, de la cual se obtienen los grficos que a continuacin se muestran:
Grfico de registros de precipitaciones medias mensuales ( Figura 4.8 )
Figura 4.8 Grfico de registro de precipitaciones medias mensuales
99
Grfico de registros de precipitacin y evapotranspiracin potencial media mensual (Figura 4.9)
Figura 4.9 Grfico de precipitaciones y evapotranspiraciones medias mensuales, para el perodo de simulacin
Grfico de registros de evapotranspiracin real y evapotranspiracin potencial media mensual

(Figura 4.10)
Figura 4.10 Grfico de Evapotranspiracin potencial y real medias para el perodo de simulacin.
100
Grfico de registros de precipitacin y evapotranspiracin real media mensual (Figura 4.11)
Figura 4.11 Grfico de precipitaciones y evapotranspiracin real de la cuenca para el perodo de simulacin.
Grfico de caudales promedio y caudales subterrneos mensuales ( Figura 4.12).
Figura 4.12 Grfico de caudales promedios superficiales y subterrneos generados para el perodo de simulacin
En todos los grficos anteriores se puede ampliar la vista, para una mejor visualizacin como se
observa en el Anexo K.
101
4.3.
COMPARACIN Y ANLISIS DE RESULTADOS
Como se menciona en el apartado 4.1 existe un faltante para la estacin Moscoso que se rellen
con todos los mtodos aplicables de acuerdo a las condiciones de los datos y a los requerimientos
de cada mtodo. Al observar la Tabla 4.1 es evidente que los resultados son distintos entre s por
lo que no se puede determinar cuales son los mtodos cuyos resultados se acercan ms al valor
real por ello es necesario evaluar de alguna manera que tan confiables son los resultados
obtenidos con cada mtodo.
Para determinar cules mtodos dan valores aceptables es necesario corroborar su efectividad,
por lo que se rellena un valor del que se tenga registro real, pero no puede ser cualquier dato, ya
que segn el anlisis de datos realizado en el captulo 3 apartado 3.2 los caudales son variables
mes a mes y ao con ao (Tabla 3.8), por tanto como el faltante que deseamos completar se
encuentra en el mes de Junio es necesario evaluar otros meses de Junio con registros.
Tambin es necesario determinar para qu aos evaluar dichos meses de Junio conocidos, por lo
que se clasifica los registros de caudal en aos Arriba del Promedio, Promedios o Abajo del
Promedio, entendindose por un ao hidrolgico promedio aquel que de acuerdo al anlisis de
Terciles tiene caudales anuales que se ubican en el tercio medio, por lo que tiene valores que
estn en la mediana de los datos ms o menos la desviacin estndar, tal como se observa en la
Tabla 4.5 siguiente:
102
Tabla 4.5. Caudales promedios mensuales anuales y para el mes de Junio.
De acuerdo a la Tabla 4.5 un ao promedio sera aquel con un valor anual de 18.478.19 m/seg,
sobre este rango se considera un ao hidrolgico arriba del promedio y abajo del rango ao debajo
del promedio. Tambin se puede observar que no necesariamente un ao de caudal promedio
corresponde a un mes de caudal promedio, puede estar arriba o debajo del promedio.
De la tabla anterior, se observa que el ao 1976/77 que es el que tiene el faltante en el mes de
Junio que se desea completar, es un ao debajo de lo normal para caudales y segn la Tabla 3.2
del Captulo 3 es un ao Seco aunque el mes de Junio fue Hmedo con la precipitacin ms alta
registrada. Para analizar el comportamiento de los mtodos se rellenan todos los meses de Junio
de los aos con registros para la estacin Moscoso, es decir se efecta un relleno para los meses
de Junio desde 1965/66 hasta 1980/81. Los resultados as obtenidos para los meses de Junio se
analizan y comparan para determinar la efectividad de cada mtodo. Un ejemplo del relleno de un
ao con registro se presenta en la Tabla 4.6 en las que los caudales estn en m/seg:
103
Mtodos
Junio 1973/74
Real
%Variacin
N/A
N/A
N/A
Correlacin Iterativa
8.804
63.4
86.1129
Markoviano
30.465
63.4
51.9479
Thomas Fiering
30.284
63.4
52.2334
Entre Estaciones
28.028
63.4
55.7922
76.199
63.4
-20.1882
Redes Neuronales
24.757
63.4
60.9511
Thornwaite
62.604
63.4
1.2555
N/A
N/A
N/A
Transposicin Caudales Areas
33.238
63.4
47.5741
Transposicin Caudales Areas/Precipitacin
41.342
63.4
34.7918
33% Precipitacin
61.941
63.4
2.3013
21% Precipitacin
39.417
63.4
37.8281
Correlacin Simple
Curva Msica
Tabla 4.6. Resultados del relleno con los mtodos analticos aplicables para el mes de Junio de 1973/74.
En la Tabla 4.6 se presenta en rojo los resultados cuyo porcentaje de variacin respecto al valor
real es menor al 30% que equivale a una variacin de 8.238 m/seg respecto a la mediana de
27.46 m/seg, que es menos de la mitad de la desviacin estndar calculada para ese mes de
acuerdo a la Tabla 3.8 del Captulo 3, por lo que se considera una variacin aceptable en trminos
estadsticos, aunque sea alto desde el punto de vista hidrolgico. El cual considera mejor que el
porcentaje de variacin no sobrepase el 20% que equivale a 5 m/seg de la mediana, pero dado
que el perodo de registro en anlisis es corto el considerar dicho 20% provoca que no se tengan
suficientes mtodos con resultados aceptables con los cuales determinar la tendencia de
comportamiento de los mtodos para poder establecer en que casos los mtodos son efectivos.
Al rellenar se debe tener en cuenta que algunos mtodos dan resultados de caudal cero, lo cual no
es posible porque el Ro Grande de San Miguel no se seca en ninguna poca, por lo que hay que
sustituir este valor por el caudal base del Ro. El caudal base para el Ro Grande de San Miguel se
calcula con el mtodo de precipitacin escorrenta (Apartado 4.3.5) y tiene un valor promedio de
3.57 m/seg.
Las tablas con el relleno de los 16 aos de registros para el mes de Junio se presentan en el
Anexo N. Con los resultados de dichas tablas y los de la Tabla 4.5 se determina la efectividad
general de cada mtodo, comparando el nmero de aciertos obtenidos con cada metodologa
respecto al nmero total de registros. Tambin se analiza el comportamiento de la precipitacin
anual y mensual del ao en estudio, adems de la precipitacin anual del ao anterior al que se
esta analizando, para predecir que tipo de caudal se espera en el mes de Junio de dicho ao,
basndose en los comportamientos de caudales conocidos se predice el de los aos de los que no
se tiene registro para el mes de Junio, es decir 1976/77 y de 1981/82 en adelante. Todo esto para
determinar cuales mtodos son mejores para rellenar y/o extender caudales arriba del promedio,
104
en el promedio o abajo del promedio y evaluar la efectividad con que lo hacen, para ello se
comparan el nmero de aciertos, para cada comportamiento, de cada uno de los mtodos,
respecto a la cantidad total que se presenta de dichos comportamientos en el registro histrico
conocido. A continuacin se presenta la tabla con el anlisis anteriormente descrito:
Tabla 4.7. Anlisis de efectividad de los mtodos para el relleno del mes de Junio.
En la Tabla 4.7 se tiene lo siguiente:
N/A representa que el mtodo no es aplicable porque dicho ao no cumple con los
requerimientos de la metodologa.
Con una X se marcan los mtodos con resultados aceptables (abajo del 30% de variacin).
En blanco se dejan los mtodos cuyos resultados no son adecuados.
Los mtodos se representan con nmeros de la siguiente forma:
105
1) Correlacin Simple
2) Correlacin Iterativa
3) Markoviano
4) Thomas Fierin
5) Entre Estaciones
6) Precipitacin Escorrenta
7) Redes Neuronales
8) Thornwaite
9) Curva Msica
11) Transposicin Caudales Areas/Precipitacin
12) 33%Precipitacin
13) 21%Precipitacin
Los mtodos de Correlacin Simple y Curva Msica no se toman en cuenta en la Tabla 4.7
porque para el caso particular de la estacin Moscoso no son aplicables como se detallo en el
Captulo 3 apartado 3.2.2 literales A y C.
De la Tabla 4.7 se define que para el mes de Junio se tiene lo siguiente:
Correlacin Iterativa: No presenta ninguna tendencia, para acertar en ningn tipo especfico de
comportamiento de caudal.
Estocsticos Markoviano, Thomas Fiering y Entre Estaciones: Aceptables para predecir

caudales promedios.
Precipitacin Escorrenta: til para determinar caudales arriba del promedio.
Redes Neuronales: Sus resultados no presentan ninguna tendencia a determinar mejor algn
comportamiento de caudal en particular.
Thornwaite: Efectivo para determinar caudales arriba del promedio.
Transposicin de Caudales con relacin de reas: Para caudales abajo del promedio, aunque
es bastante confiable en general porque tiene el mayor nmero de aciertos.
Transposicin de Caudales con relacin de reas y Precipitaciones: Para caudales abajo del
promedio, pero menos confiable que el anterior.
Escorrenta igual al
33% de la precipitacin: Efectivo para calcular caudales arriba del
promedio.
Escorrenta 21% de la precipitacin: Para caudales en el promedio.
De los mtodos que calculan satisfactoriamente caudales arriba del promedio (Este
comportamiento se define en base a consideraciones presentadas en el apartado 4.3.12) es
106
mejor el 33% de la precipitacin, porque da porcentajes de variacin ms pequeos que los de

Thornwaite, por lo que el mes de Junio de 1976/77 faltante se completa con este mtodo
obtenindose un valor de 77.0417.39 m/seg.
Pero las observaciones obtenidas de la Tabla 4.7 son validas nicamente para completar meses
de Junio. Para generalizar los resultados de los mtodos se realiza un anlisis como el descrito
anteriormente para Mayo, Julio, Septiembre, Noviembre y Enero.
Lo que se hace es que para cada ao con registros reales medidos se rellena el caudal de mes,
con lo que se determina la tendencia de los comportamientos de caudales para cada ao en ese
mes, es decir se encuentra si estn arriba, abajo o en el promedio del mes y de acuerdo a esto se
define el comportamiento que se esperara de los caudales que faltan para ese mes en cada ao.
Con esto se evala la efectividad de los mtodos para determinar caudales con los distintos
comportamientos, arriba, abajo y en el promedio. Los clculos realizados se presentan en el Anexo
N.
A continuacin se presenta el anlisis de los resultados desde la perspectiva de cada mtodo y se
determina los que se recomiendan para el relleno y/o extensin, adems se presentan las tablas
con los datos rellenados y extendidos con los mtodos aplicables, el las cuales se presentan
guiones para representar valores que no es posible completar con el mtodo, en negro los valores
reales, en rojo los calculados por el mtodo y en azul los valores de cero que definen las
metodologas sustituidos por el caudal base. Las tablas presentan valores de caudal en m/seg.
4.3.1.
CORRELACIN ITERATIVA
Los resultados de este mtodo no son confiables a pesar de la buena correlacin que existe entre
la estacin Moscoso y la estacin base Vado Marn. Porque no sirve para completar ningn tipo de
comportamiento de caudal en especial y su efectividad general es baja.
Para los aos arriba o debajo del promedio la poca efectividad se debe a que la lnea de tendencia
se acerca a los valores que ms se observan, es decir a los valores prximos a la mediana, los
datos que difieren de la media quedan entonces lejos de la tendencia general y son estos los
representados por los aos arriba y debajo del promedio.
Para aos promedios, los resultados se acercan ms al valor real, a medida que el comportamiento
de cada mes se acerca ms a su mediana; pero, este acercamiento es burdo porque no toma en
cuenta las variaciones mensuales que pueden darse ao con ao, si no que mas bien, trata de
107
adaptarse a una lnea recta que no necesariamente es la forma exacta del comportamiento de los
caudales, que pueden ser ligeramente mayores o menores.
La efectividad del mtodo depende de que tan alejados se presenten los datos reales, de la
tendencia lineal que mejor se ajusta a ellos. A medida que se corrijan las pequeas inconsistencias
que presenta la serie histrica, mayor cantidad de puntos se acercarn a la tendencia lineal y
mejores sern los resultados.
4.3.2.
MTODO ESTOCSTICO: MARKOVIANO
De acuerdo a los resultados, el mtodo Markoviano da valores adecuados cuando se trata de

meses con caudales de comportamiento promedio, respecto al resto de los registros histricos de
ese mes. Debido a que uno de los fundamentos del mtodo es que la serie completa de registros
histricos debe poder ajustarse a una distribucin normal, el mtodo da buenos resultados ya que
el coeficiente de oblicuidad para el registro completo es cercano a cero por lo que se trata de una
serie simtrica que se ajusta bien a una distribucin normal. Para los meses secos no se cumple
la efectividad del mtodo ya que son los que presentan mayores asimetras. Se aconseja el relleno
con este mtodo y la extensin siempre y cuando se respete el criterio de no completar vacos mas
all del 50% de los datos completos que se tengan. A continuacin se presenta la tabla con los
resultados del mtodo (Tabla 4.8):
AO
HIDROL.
1964-1965
1965-1966
1966-1967
1967-1968
1968-1969
1969-1970
1970-1971
1971-1972
1972-1973
1973-1974
1974-1975
1975-1976
1976-1977
1977-1978
1978-1979
1979-1980
1980-1981
1980-1982
1980-1983
MAY JUNIO JULIO AGO SEPT OCT NOV DIC ENERO FEB MAR ABRIL
Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s
7.800 31.480 79.070
12.140 9.250 8.670 6.140 5.620 6.080
12.580 23.220 17.280 22.790 71.830 31.550 11.900 8.020 5.820 4.640 3.480 7.900
22.710 62.030 56.330 37.210 49.430 47.890 15.150 11.160 9.300 7.840 8.580 9.780
7.980 24.400 13.950 13.530 38.490 44.170 10.130 7.600 6.170 5.090 3.790 4.330
10.310 29.450 20.860 14.570 45.810 40.400 14.780 8.580 6.770 4.920 4.150 4.760
12.400 35.100 30.300 66.400 181.000 81.200 22.100 6.980 5.080 4.000 3.030 2.970
15.700 43.000 37.400 49.000 86.000 73.600 13.100 7.450 4.460 3.460 3.030 2.660
8.830 23.700 10.500 60.700 58.300 71.100 10.700 5.040 3.530 2.530 1.970 3.570
14.200 22.300 8.290 8.490 20.900 41.600 7.950 3.440 2.750 2.060 1.990 2.890
15.270 63.400 28.740 42.900 87.800 110.000 19.000 6.190 4.140 2.920 2.310 2.400
6.420 15.020 11.160 10.310 55.900 38.190 4.980 3.160 2.350 1.740 1.300 1.250
11.200 6.850 13.820 33.700 88.090 55.440 28.220 4.160 3.130 2.360 2.030 4.090
7.350 30.495 16.620 8.360 20.110 20.470 4.000 2.930 2.330 2.240 2.150 2.200
5.880 30.020 3.180 12.140 18.310 9.090 5.800 2.510 2.100 1.920 1.720 2.160
5.950 8.130 25.430 25.530 69.020 44.330 7.790 3.470 1.900 1.690 1.440 4.470
5.020 25.460 31.250 28.610 58.470 50.050 14.470 4.900 3.430 2.700 2.560 2.350
18.110 58.100 18.250 40.800 56.420 63.270 11.870 5.670 4.380 2.910 2.690 2.540
11.024 34.125 10.664 18.387 23.914 15.698 12.862 10.112 9.776 9.629 9.466 9.825
12.989 14.863 30.221 30.308 60.326 45.022 14.568 10.904 9.613 9.442 9.239 11.739
Tabla 4.8. Resultados del relleno con el mtodo estocstico Markoviano.
108
4.3.3.
MTODO ESTOCSTICO: THOMAS FIERING
Los resultados como en el caso del mtodo anterior son aceptables, pero no tan buenos porque
este mtodo solamente toma los registros mensuales histricos y no toda la serie, como existen
algunos meses cuya simetra es baja (coeficientes de oblicuidad alejados de cero), Tabla 3.8
Captulo 3: Julio, Septiembre, Noviembre y de Diciembre hasta Abril, aunque el mtodo emula el
comportamiento de los caudales en el perodo previo al relleno, la serie resultante no es exacta a
los valores reales medidos, porque la distribucin de los datos no es simtrica (No se ajusta a una
distribucin normal). Aunque la efectividad general del mtodo es baja debido a la cantidad de
meses con resultados deficientes, el mtodo es aconsejable para los meses de Mayo, Junio,
Agosto y Octubre, aunque siempre es preferible emplear el Estocstico Markoviano.
4.3.4.
MTODO ESTOCSTICO: ENTRE ESTACIONES
Los resultados, como en los mtodos anteriores son recomendables, en realidad, aunque su
efectividad es igual de buena que la del mtodo Estocstico Markoviano, los valores son tales que
presenta porcentajes de variabilidad ms pequeos respecto a los dems mtodos estocsticos.
Lo anterior es debido a que el proceso de emular la serie previa a la simulacin incluye no slo las
caractersticas de la propia estacin, si no que tambin los de la estacin base lo que hace que el
ajuste sea mejor. Se puede usar para todos los meses excepto los secos, aconsejndose su uso
para rellenar y/o extender datos, aunque este ltimo proceso para el caso de Moscoso no es
posible ya que el mtodo requiere que la estacin base tenga datos completos no solo en el
perodo previo a la simulacin, si no que tambin en el simulado, lo cual no cumple Vado Marn
que es la estacin base utilizada.
4.3.5.
Este mtodo tiene la efectividad general ms alta y acierta del 67-100% de las veces para
determinar caudales con comportamiento arriba del promedio, es en suma el mejor mtodo de
todos, a pesar que la correlacin entre precipitacin escorrenta no es tan buena, solo tiene 0.86.
Los errores en la efectividad son pocos y pueden deberse a ciertas inconsistencias en los registros
de caudal y precipitacin por lo que bastara efectuar una correccin de las estadsticas.
Con la ecuacin de la tendencia que describe la nube de puntos en la grfica de la Figura 4.2
podemos obtener el caudal base promedio del Ro Grande de San Miguel, obteniendo el valor de
escorrenta cuando la precipitacin es igual a cero. El valor resultante es de 8.634 mm que
equivalen a 3.578 m/seg de caudal base.
109
Aunque este mtodo da resultados aceptables el nico faltante de la estacin Moscoso que puede
rellenarse con l, es el de Junio de 1976/77 porque la ecuacin encontrada es nicamente vlida
para datos dentro del rango de valores con la que fue creada. Aunque para el caso particular del
mes de Junio de 1976/77 el valor de precipitacin es el mximo registrado histricamente por lo
que se sale del rango de la grfica obtenida y por lo tanto, el valor de caudal encontrado es una
extrapolacin de la tendencia, lo cual no es recomendable en el relleno, evidencindose esto por el
dato tan alto obtenido (Tabla 4.1).
4.3.6.
REDES NEURONALES
Este mtodo optimiza las constantes en la ecuacin que trata de describir el comportamiento de los
caudales en el tiempo, hasta que obtiene una combinacin de constantes que forman una ecuacin
tal, que se ajusta a la forma que ms se repite de comportamiento de caudales, a lo largo del
perodo de calibracin, incluyendo las pequeas variaciones particulares de la tendencia general
del hidrograma, como se muestra en la Figura 4.4. Aunque trata de copiar la forma general que se
presenta en todos los aos, se adecua mas al ltimo ao del perodo de calibracin, por lo que en
general los resultados son mejores cuando se espera que el ao simulado se comporte parecido al
ltimo de calibracin como puede verse en las tablas de resultados del Anexo N.
Es un mtodo que es ms efectivo para rellenar y/o extender meses con comportamientos de
caudal promedio o abajo del promedio, pero su efectividad general y por tipo es mucho menor que
los mtodos estocsticos por lo que se prefieren estos por sobre las Redes Neuronales.
Aunque una red ms compleja y un proceso de calibracin minucioso que sea menos subjetivo
(depende del criterio del usuario para determinar si la grafica de simulacin sigue el
comportamiento del perodo de calibracin) mejoraran los resultados considerablemente.
4.3.7.
THORNWAITE
Este mtodo da buenos resultados en general y para caudales con comportamiento arriba del
promedio tiene una efectividad del 100% para todos los meses excepto los secos. Estos resultados
se deben a que el mtodo es una simplificacin del ciclo hidrolgico y normaliza la humedad inicial
a un valor de 100 mm/mes, que genera excedentes de escurrimiento elevados, los cuales son
demasiado grandes para caudales abajo del promedio, pero resultan apropiados para generar
caudales arriba del promedio. En la Tabla 4.9 se presentan los resultados del relleno.
110
AO
MAYO
JUNIO
JULIO
AGOSTO SEPT
NOV
DIC
ENERO FEB
MARZO
ABRIL
HIDROL. Qm/s
1972
14.200
Qm/s
Qm/s
Qm/s
Qm/s Qm/s
OCT
Qm/s
Qm/s
Qm/s
Qm/s
Qm/s
Qm/s
22.300
8.290
8.490
20.900 41.600
7.950
3.440
2.750
2.060
1.990
2.890
1973
15.270
63.400
28.740
42.900
87.800 110.000 19.000
6.190
4.140
2.920
2.310
2.400
1974
6.420
15.020
11.160
10.310
55.900 38.190
4.980
3.160
2.350
1.740
1.300
1.250
1975
11.200
6.850
13.820
33.700
88.090 55.440
28.220
4.160
3.130
2.360
2.030
4.090
1976
7.350
78.581
16.620
8.360
20.110 20.470
4.000
2.930
2.330
2.240
2.150
2.200
1977
5.880
30.020
3.180
12.140
18.310 9.090
5.800
2.510
2.100
1.920
1.720
2.160
1978
5.950
8.130
25.430
25.530
69.020 44.330
7.790
3.470
1.900
1.690
1.440
4.470
1979
5.020
25.460
31.250
28.610
58.470 50.050
14.470
4.900
3.430
2.700
2.560
2.350
1980
18.110
58.100
18.250
40.800
56.420 63.270
11.870
5.670
4.380
2.910
2.690
2.540
1981
65.494
65.862
50.424
45.639
61.716 62.579
63.141
63.505
63.743
63.897
63.997
64.062
1982
63.626
68.679
45.700
30.764
52.061 34.985
23.886
16.672
11.982
8.934
6.953
5.665
1983
4.828
7.402
9.075
5.899
32.230 46.995
56.593
62.832
66.887
69.523
71.236
72.349
1984
73.073
56.214
65.398
49.746
64.820 74.618
80.987
85.127
87.818
89.567
90.703
91.442
1985
91.923
92.235
69.611
74.397
79.915 61.473
42.597
30.327
22.352
17.168
13.799
11.609
1986
10.185
9.260
8.658
8.833
30.511 28.679
27.488
26.713
26.210
25.883
25.670
25.532
1987
25.442
32.171
38.343
30.593
26.847 24.412
22.829
21.800
21.131
20.696
20.414
20.230
1988
20.111
38.784
38.712
85.782
90.970 63.742
46.044
34.540
27.063
22.203
19.044
16.990
1989
15.655
17.181
31.993
54.383
91.951 66.642
50.192
39.499
32.548
28.030
25.094
23.185
1990
21.944
27.316
22.425
24.452
56.994 70.097
78.614
84.150
87.748
90.087
91.607
92.596
1991
93.238
78.384
68.730
48.155
57.086 51.826
48.406
46.184
44.739
43.801
43.190
42.793
1992
42.536
30.781
21.342
24.386
60.823 47.047
38.093
32.272
28.489
26.030
24.432
23.393
1993
22.863
29.276
33.445
36.154
57.247 47.014
40.363
36.039
33.229
31.403
30.215
29.443
1994
28.942
28.616
28.404
31.834
53.366 49.712
47.337
45.794
44.790
44.138
43.714
43.439
1995
43.259
41.519
35.544
61.157
78.793 62.977
52.696
46.014
41.670
38.847
37.012
35.819
1996
37.611
44.069
55.575
51.221
57.164 53.225
50.665
49.001
47.919
47.216
46.759
46.462
1997
46.269
50.987
54.054
37.687
50.340 39.291
32.108
27.440
24.406
22.433
21.151
20.318
1998
19.776
14.885
25.164
48.595
42.318 83.616
63.676
50.714
42.289
36.813
33.253
30.940
1999
29.436
37.609
37.585
43.994
68.956 61.020
55.862
52.510
50.330
48.914
47.993
47.395
Tabla 4.9. Resultados del relleno con el mtodo de Thornwaite.
4.3.8.
TRANSPOSICIN DE CAUDALES CON RELACIN DE REAS
Presenta resultados variables, como puede tener alta efectividad puede que no tenga ninguna,
tanto a nivel general como para determinar caudales abajo del promedio, ya que la tendencia de
que es mejor para estos casos es evidente en las tablas del Anexo N.
Esta variabilidad hace que el mtodo sea poco confiable y se debe a la lejana entre la estacin
Moscoso y Vado Marn que se usa de base. Aunque se recomienda su uso para rellenar y/o
extender los meses de Mayo, Junio, Agosto y Noviembre, con la limitante de que depende de si la
estacin base tiene datos en los meses y aos que se desean completar. En la Tabla 4.10 se
presenta los resultados del relleno y extensin con este mtodo:
111
AO
MAY
JUN
JUL
AGO
SEPT
OCT
NOV
DIC ENERO FEB MARZO ABRIL
HIDROL. Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s
1964
7.800 31.480 79.070 28.687 52.943 29.382 12.140 9.250 8.670 6.140 5.620 6.080
1965
12.580 23.220 17.280 22.790 71.830 31.550 11.900 8.020 5.820 4.640 3.480 7.900
1966
22.710 62.030 56.330 37.210 49.430 47.890 15.150 11.160 9.300 7.840 8.580 9.780
1967
7.980 24.400 13.950 13.530 38.490 44.170 10.130 7.600 6.170 5.090 3.790 4.330
1968
10.310 29.450 20.860 14.570 45.810 40.400 14.780 8.580 6.770 4.920 4.150 4.760
1969
12.400 35.100 30.300 66.400 181.000 81.200 22.100 6.980 5.080 4.000 3.030 2.970
1970
15.700 43.000 37.400 49.000 86.000 73.600 13.100 7.450 4.460 3.460 3.030 2.660
1971
8.830 23.700 10.500 60.700 58.300 71.100 10.700 5.040 3.530 2.530 1.970 3.570
1972
14.200 22.300 8.290 8.490 20.900 41.600 7.950 3.440 2.750 2.060 1.990 2.890
1973
15.270 63.400 28.740 42.900 87.800 110.000 19.000 6.190 4.140 2.920 2.310 2.400
1974
6.420 15.020 11.160 10.310 55.900 38.190 4.980 3.160 2.350 1.740 1.300 1.250
1975
11.200 6.850 13.820 33.700 88.090 55.440 28.220 4.160 3.130 2.360 2.030 4.090
1976
7.350 54.446 16.620 8.360 20.110 20.470 4.000 2.930 2.330 2.240 2.150 2.200
1977
5.880 30.020 3.180 12.140 18.310 9.090 5.800 2.510 2.100 1.920 1.720 2.160
1978
5.950 8.130 25.430 25.530 69.020 44.330 7.790 3.470 1.900 1.690 1.440 4.470
1979
5.020 25.460 31.250 28.610 58.470 50.050 14.470 4.900 3.430 2.700 2.560 2.350
1980
18.110 58.100 18.250 40.800 56.420 63.270 11.870 5.670 4.380 2.910 2.690 2.540
1994
4.019 7.569 3.770 14.002 21.785
1995
5.664 10.876 12.294 27.268 49.884 36.612 10.537 6.659 4.974 3.199 2.549 3.375
1998
6.365 10.938 21.989 28.252 21.214
2.487 2.306 2.487
2.877
58.782 12.323 6.331 3.403 2.374 2.956
Tabla 4.10. Tabla de relleno y extensin para Moscoso con Transposicin de Caudales con relacin de reas.
4.3.9.
TRANSPOSICIN DE CAUDALES CON RELACIN DE REAS Y PRECIPITACIONES
Los resultados son similares que en el mtodo anterior, ya que la variacin de precipitaciones entre
Moscoso y Vado Marn es del 10%, y no es incidente en los resultados del mtodo, lo que baja
ligeramente la efectividad de este mtodo respecto al anterior son los meses de precipitacin cero
que hacen que se generen caudales de valor cero, los cuales no se presentan para el Ro Grande
de San Miguel. A continuacin en la Tabla 4.11 se presentan los resultados del relleno con este
mtodo.
AO
MAYO JUNIO JULIO AGOSTO SEPT OCT
HIDROL. Qm/s Qm/s Qm/s Qm/s

8.490
NOV
DIC
ENERO FEB
MARZO ABRIL
Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s
1972
14.200 22.300 8.290
20.900 41.600 7.950 3.440 2.750 2.060 1.990
2.890
1973
15.270 63.400 28.740 42.900 87.800 110.000 19.000 6.190 4.140 2.920 2.310
2.400
1974
6.420 15.020 11.160 10.310 55.900 38.190 4.980 3.160 2.350 1.740 1.300
1.250
1975
11.200 6.850 13.820 33.700 88.090 55.440 28.220 4.160 3.130 2.360 2.030
4.090
1976
7.350 62.768 16.620
8.360
2.200
1977
5.880 30.020 3.180
12.140 18.310 9.090
5.800 2.510 2.100 1.920 1.720
2.160
1978
5.950 8.130 25.430 25.530 69.020 44.330 7.790 3.470 1.900 1.690 1.440
4.470
1979
5.020 25.460 31.250 28.610 58.470 50.050 14.470 4.900 3.430 2.700 2.560
2.350
20.110 20.470 4.000 2.930 2.330 2.240 2.150
112
AO
MAYO JUNIO JULIO AGOSTO SEPT OCT
HIDROL. Qm/s Qm/s Qm/s Qm/s
NOV
DIC
ENERO FEB
MARZO ABRIL
1980
18.110 58.100 18.250 40.800 56.420 63.270 11.870 5.670 4.380 2.910 2.690
2.540
1994
4.164 8.145 3.690
3.234
1995
5.453 11.229 12.815 27.743 49.531 36.425 7.691 7.050 4.974 4.479 2.204
2.770
1998
7.206 11.270 21.375 33.319 18.593
3.077
15.875 23.396
1.809 2.306
3.57
69.541 14.692 9.496 1.701 0.192
Tabla 4.11. Resultados del relleno con el mtodo de Transposicin de caudales rea/ precipitacin.
Los caudales que el mtodo calcula como cero debido a los valores de precipitacin se sustituyen
por el caudal base de 3.57 m/seg, presentndose en azul en la tabla anterior.
4.3.10. ANLISIS DE PRECIPITACIN

Como se puede ver en el anlisis de Hidrogramas y Pluviogramas del Anexo C, la escorrenta
superficial depende de la precipitacin, es decir, mientras llueva hay escurrimiento, e
inmediatamente deja de hacerlo, la escorrenta superficial cesa, por tanto conviene determinar qu
porcentaje de la precipitacin corresponde a la escorrenta. Se hicieron dos anlisis, uno
considerando nicamente el registro histrico de los meses de Junio y otro tomando toda la serie
histrica de escorrentas desde que se tiene registro pluviomtrico; para el primer caso, el
resultado indic que la escorrenta equivale al 21% de la precipitacin, y en el segundo indic que
era el 33%. Este ltimo resultado da buenos valores de escorrenta y por ende de caudal cuando el
comportamiento es arriba del promedio, siempre y cuando no se trate de un mes seco porque las
precipitaciones cercanas a cero y cero dan resultados muy por debajo de lo real, ya que durante
estos mtodos la escorrenta no depende de la lluvia sino del caudal subterrneo. Se recomienda
el uso de este mtodo teniendo en cuenta que para completar los aos despus del 81 se hace
bajo el supuesto que la relacin precipitacin escorrenta se mantiene constante, lo cual no es
posible de verificar para esta estacin. Los valores completados con esta metodologa se
presentan a continuacin (Tabla 4.12):
AO
OCT
NOV

1964/65 7.80 31.48 79.07
Qm/s
-
12.14 9.25
8.67
6.14
5.62
6.08
1965/66 12.58 23.22 17.28
22.79
71.83
31.55
11.90 8.02
5.82
4.64
3.48
7.90
1966/67 22.71 62.03 56.33
37.21
49.43
47.89
15.15 11.16
9.30
7.84
8.58
9.78
1967/68 7.98
24.40 13.95
13.53
38.49
44.17
10.13 7.60
6.17
5.09
3.79
4.33
1968/69 10.31 29.45 20.86
14.57
45.81
40.40
14.78 8.58
6.77
4.92
4.15
4.76
1969/70 12.40 35.10 30.30
66.40
181.00 81.20
22.10 6.98
5.08
4.00
3.03
2.97
1970/71 15.70 43.00 37.40
49.00
86.00
13.10 7.45
4.46
3.46
3.03
2.66
1971/72 8.830 23.700 10.500 60.700 58.300 71.100 10.700 5.040 3.530 2.530 1.970
3.570
1972/73 14.200 22.300 8.290
20.900 41.600 7.950 3.440 2.750 2.060 1.990
2.890
1973/74 15.270 63.400 28.740 42.900 87.800 110.000 19.000 6.190 4.140 2.920 2.310
2.400
8.490
73.60
113
AO
OCT
NOV
HIDROL. Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s Qm/s
1974/75 6.420 15.020 11.160 10.310 55.900 38.190 4.980 3.160 2.350 1.740 1.300 1.250
1975/76 11.200 6.850 13.820 33.700 88.090 55.440 28.220 4.160 3.130 2.360 2.030
1976/77 7.35 77.037 16.62
20.11
20.47
2.20
5.800 2.510 2.100 1.920 1.720
2.160
1978/79 5.950 8.130 25.430 25.530 69.020 44.330 7.790 3.470 1.900 1.690 1.440
4.470
1979/80 5.020 25.460 31.250 28.610 58.470 50.050 14.470 4.900 3.430 2.700 2.560
2.350
1980/81 18.110 58.100 18.250 40.800 56.420 63.270 11.870 5.670 4.380 2.910 2.690
2.540
1981/82 26.062 49.772 29.084 34.129 49.827 40.433 1.340 2.885 1.121 0.643 0.014
2.283
1982/83 54.722 45.588 24.421 13.359 62.092 21.276 3.282 2.475 0.014 0.178 1.135
4.075
1983/84 8.560 38.997 19.020 28.920 47.584 44.152 10.925 1.518 0.643 2.229 0.656
2.803
12.140 18.310 9.090
4.00
2.93
2.33
1984/85 14.467 42.484 48.815 28.646 49.635 19.963 3.309 0.055 0.014
2.24
4.090
2.15
1977/78 5.880 30.020 3.180
8.36
3.57
0.246 13.619
1985/86 19.006 31.983 34.649 49.334 50.073 28.892 20.305 0.793 0.137 0.397 0.014
3.377
1986/87 25.269 31.463 16.641 35.387 44.494 28.468 4.225 0.164 0.109 0.014 5.032
2.147
1987/88 15.027 49.745 38.874 29.932 28.291 8.067
1.613 0.055
3.57
0.014 1.737
2.830
1988/89 19.881 58.318 35.141 77.748 52.411 24.736 10.474 0.109
3.57
3.57
2.352
1989/90 31.272 32.871 42.593 54.394 73.031 27.005 11.650 1.231
3.57
1990/91 29.262 40.761 27.306 33.323 59.685 50.893 15.301 1.860
3.57
0.109 1.709 10.324

0.000
3.57 0.848 3.268
0.027
1991/92 30.369 43.988 14.932 37.028 45.697 33.610 2.201 5.128
3.57 0.000 2.078 6.427

3.57
1992/93 14.631 37.479 23.614 32.721 62.297 27.142 4.444 0.656 0.930 0.000 1.422 10.597
3.57
1993/94 41.581 33.295 18.172 26.964 51.673 28.974 2.366 0.314 3.57 0.000 0.342 8.108
0.273
1994/95 21.563 16.422 15.615 48.897 50.852 33.637 6.358 0.109 0.014 3.57 2.598 11.267
.000
1995/96 19.827 46.477 28.933 55.911 55.611 29.357 1.367 0.738 0.137 0.000 0.697 11.964
0.287
1996/97 47.666 38.341 45.738 35.182 41.869 33.145 4.581 0.068 0.520 0.123 0.574 2.366
1997/98 13.140 53.163 17.160 32.037 44.453 25.118 7.890 0.164 0.014 0.014 2.721
2.981
1998/99 23.423 36.632 35.264 51.249 28.414 69.927 25.365 0.424 0.041 0.014 0.041
5.579
1999/00 25.638 46.832 33.364 39.517 55.747 33.350 5.182 0.260 0.014 0.014 0.027
1.135
2000/01 43.386 39.722 18.309 46.613 68.491 18.897 2.666 0.137
0.342
1.682
2001/02 45.506 15.520 29.973 35.210 35.524 45.219 1.682 0.150 0.000 0.000 0.178
0.602 0.055
4.704
3.57
3.57
Tabla 4.12. Resultados del relleno con el mtodo de anlisis de precipitacin.
Los caudales que el mtodo calcula como cero debido a los valores de precipitacin se sustituyen
por el caudal base de 3.57 m/seg y se presentan en azul en la tabla anterior.
4.3.11. MODELO DE SIMULACIN CHAC
Durante el proceso de calibracin se encontraron varias combinaciones de valores de los

parmetros que cumplan con el criterio del error medio inferior al 5% y con el ajuste de volmenes,
pero se observaron las siguientes situaciones:
Si la curva de recesin simulada se ajusta lo mejor posible a los valores reales, los picos de los
meses de Junio y Septiembre quedan sobrados.
114
Si se trata de controlar los picos, la curva de recesin se aleja de los valores reales que se
presentan en el hidrograma.
Con ninguna combinacin posible se pudo lograr una exacta calibracin, es decir, que la curva del
hidrograma de ao medio simulado coincida con los puntos del hidrograma del ao medio real.
Debido a que el propsito de la calibracin y simulacin es rellenar series histricas de caudales
promedio mensuales, la mejor calibracin del modelo de simulacin CHAC se defini bajo los
criterios siguientes:
Error medio entre caudales anuales inferior al 5%.
Lograr el mejor ajuste basndose en la compensacin de volmenes
Ajustar las curvas de recesin real y simulada
Que exista la mayor cantidad de aos de calibracin cuyo valor de caudal promedio mensual
anual se acerque al real.
Que los valores obtenidos de la simulacin se adapten lo mejor posible al anlisis estadstico
realizado para los registros histricos de caudal promedio mensual desde el ao hidrolgico de
1964/65 al 1980/81, en concreto que los valores estuvieran dentro del rango del caudal real
ms o menos la desviacin estndar de los registros por mes (Tabla 4.13).
Mes
Mayo
Desv.Est. 4.938
Junio Julio
Agosto Sept. Oct.
Nov.
Dic. Enero Febrero Marzo Abril Anual
17.39
18.612
6.24
2.53 2.241
18.93
38.85 24.51
1.7226
1.801
2.23
8.17
Tabla 4.13 Desviacin estndar de cada mes, segn el registro histrico de caudales promedio mensuales
Basndose en lo anterior, resultados de la calibracin y posterior simulacin, se tienen las

siguientes observaciones:
Del hidrograma del ao medio simulado y los puntos del hidrograma de ao medio real, los cuales
se muestran en la Figura 4.13, la curva de recesin en los meses de, Noviembre, Diciembre y
Enero no se puede ajustar al hidrograma del ao medio real, esto debido a que el rgimen de
lluvias sobre la regin hidrogrfica de Moscoso presenta una baja sbita en el mes de Noviembre,
lo que genera que los caudales tambin disminuyan considerablemente a partir del mismo mes.
115
Figura 4.13 Hidrograma de ao medio real y simulado.
En las siguientes tablas se muestran comparaciones entre los valores de caudales promedio
3
mensuales (en m /s) reales y simulados marcados en rojo. En azul se muestran los errores que
cumplen ser menores al 30% y que el valor del caudal est dentro del rango que proporciona la
desviacin estndar segn la Tabla 4.13.
Ao H. Mayo Junio
Julio
Agosto
Sept.
Oct.
Nov.
Dic.
4.60
11.90
11.00
61.70
53.60
63.30
23.10
12.80
7.00
3.80
2.10
1.20
21.40
8.80
23.70
10.50
60.70
58.30
71.10
10.70
5.00
3.50
2.50
2.00
3.60
21.70
%Error 47.73 49.79
4.76
1.65
8.06
10.97 115.89 156.00 100.00
52.00
5.00
66.67
1.38
1971/72
Enero Febrero
Marzo Abril Anual
Tabla 4.14 Porcentaje de error absoluto entre caudales simulados y reales para el ao hidrolgico 1971/72
Al observar los valores de la Tabla 4.14 los valores de Julio, Agosto, Septiembre, Octubre y Marzo
presentan un valor cercano entre el real y simulado. Los meses que presentan el mayor error son
los de Noviembre, Diciembre y Enero, lo que concuerda con la observacin de que el ajuste de la
curva de recesin para esos meses no se pudo lograr satisfactoriamente. Pero en general el
promedio anual simulado y real son cercanos lo que se refleja con un valor de error bajo.
Ao H. Mayo Junio
1972/73
8.80
8.90
Julio
Agosto
Sept.
Oct.
Nov.
Dic.
Enero Febrero
6.90
5.40
12.70
15.30
9.20
5.10
2.80
1.50
Marzo Abril Anual

0.80
0.50
6.50
11.40
14.20 22.30
8.30
8.50
20.90
41.60
7.90
3.40
2.80
2.10
2.00
2.90
%Error 38.03 60.09
16.87
36.47
39.23
63.22
16.46
50.00
0.00
28.57
60.00
82.76 42.98
116
En la Tabla 4.15 puede observarse que en general en este ao no se ajustan los volmenes, los
caudales simulados estn muy por debajo de los registrados, aunque en el mes de Enero el caudal
simulado y real son iguales, mientras que en los meses de Julio, Noviembre y Febrero estn dentro
del rango de la desviacin estndar del mes, el promedio anual no cumple ningn criterio de
calibracin.
Por otro lado se intent calibrar exclusivamente para ese ao y se observ que al ajustar este ao
tambin se ajust el ao hidrolgico de 1975/76, pero los caudales promedio anuales de los otros 7
aos elevan sus valores.
Ao H. Mayo Junio
1973/74
Julio
Agosto
58.20
26.10
71.80
85.20 113.70 29.00
15.90
8.70
15.30 63.40
28.70
42.90
87.80 110.00 19.00
6.20
4.10
9.06
67.37
2.96
5.30
%Error 65.36
8.20
Sept.
Oct.
3.36
Nov.
Dic.
Enero Febrero
52.63 156.45 112.20
4.80
Marzo Abril Anual

2.60
1.50
35.20
2.90
2.30
2.40
32.10
65.52
13.04
37.50
9.66
Ao H. Mayo Junio
Julio
Agosto
Sept.
Oct.
Nov.
Dic.
Enero Febrero
Marzo Abril Anual
1.30
17.70
9.90
10.00
48.10
24.90
14.20
7.80
4.30
2.30
1.30
0.70
11.90
6.40
15.00
11.20
10.30
55.90
38.20
5.00
3.20
2.30
1.70
1.30
1.30
12.60
%Error 79.69 18.00
11.61
2.91
13.95
34.82 184.00 143.75 86.96
35.29
0.00
46.15
5.56
1974/75
En los aos hidrolgico 1973/74 y 1974/75, se observa segn la Tabla 4.16 y Tabla 4.17 que los
caudales correspondientes a los meses de caudales pico, tienen resultados satisfactorios, al igual
que el promedio anual, de nuevo se verifica que en los puntos donde se dificulta la adaptacin
respecto al ao hidrolgico medio real (ver Figura 4.13), los valores simulados se pierden, es decir,
el error es grande y adems sus valores se salen del rango de la desviacin estndar del registro
del mes correspondiente.
Ao H. Mayo Junio
Julio
Agosto
Sept.
Oct.
Nov.
Dic.
2.60
2.50
4.90
26.80
71.40
42.30
21.10
12.30
6.80
3.70
2.00
1.10
16.50
11.20
6.80
13.80
33.70
88.10
55.40
28.20
4.20
3.10
2.40
2.00
4.10
21.10
%Error 76.79 63.24
64.49
20.47
18.96
23.65
25.18 192.86 119.35
54.17
0.00
73.17 21.80
1975/76
Enero Febrero
Marzo Abril Anual
Tabla 4.18. Porcentaje de error absoluto entre caudales simulados y reales para el ao hidrolgico 1975/76
Al ver la Tabla 4.18, en este ao de nuevo los meses de alta precipitacin presentan errores
aceptables y dentro de la desviacin estndar del mes, al igual que para el valor promedio anual,
por lo que es otro ao satisfactorio en la calibracin.
117
Ao H. Mayo Junio
Julio
Agosto
Sept.
Oct.
Nov.
Dic.
2.60
16.90
11.80
16.70
13.30
8.40
4.60
2.50
4.00
1976/77
84.00
Enero Febrero
1.40
Marzo Abril Anual

0.80
0.40
7.30
16.60
8.40
20.10
20.50
2.90
2.30
2.20
2.20
2.20
%Error 64.38
1.81
40.48
16.92
35.12 110.00 58.62
8.70
36.36
63.64
13.60
81.82
Tabla 4.19. Porcentaje de error absoluto entre caudales simulados y reales para el ao hidrolgico 1976/77
En este ao se observa segn la Tabla 4.19, que en tres meses los valores de caudales son
aceptables, pero no se puede decir nada acerca del promedio anual aunque el valor simulado se
encuentra dentro del rango posible para ese mes, segn las observaciones al inicio del apartado
4.3.
Ao H. Mayo Junio
Julio
Agosto
Sept.
Oct.
Nov.
Dic.
11.80
12.10
15.90
9.60
5.40
3.00
Enero Febrero
3.30
32.50
5.90
30.00
3.20
12.10
18.30
9.10
5.80
2.50
2.10
1.90
%Error 44.07
8.33
268.75
0.00
13.11
5.49
6.90
20.00
23.81
52.63
1977/78
1.60
0.90
Marzo Abril Anual

0.50
0.30
8.10
1.70
2.20
7.90
70.59
86.36
2.53
Dentro de la calibracin, este es el ao que mejor se ajusta, tanto en los meses de Junio, de
Agosto hasta Enero, como en el valor promedio anual, como se aprecia en la Tabla 4.20. Aunque
es el nico en el que el valor del mes de Julio se pierde considerablemente.
Ao H. Mayo Junio
Julio
Agosto
Sept.
Oct.
Nov.
Dic.
20.40
11.40
6.30
7.80
3.50
1.90
0.80
1.30
19.90
37.00
81.70
39.90
5.90
8.10
25.40
25.50
69.00
44.30
%Error 86.44 83.95
21.65
45.10
18.41
9.93
1978/79
Enero Febrero
161.54 225.71 231.58
3.40
Marzo Abril Anual

1.90
2.50
18.90
16.60
1.70
1.40
4.50
100.00
35.71
44.44 13.86
En la Tabla 4.21 se observa que el ao 1978/79 aunque solo los meses de Julio, Septiembre y
Octubre, que son meses de alta precipitacin el valor es aceptable, as como el valor promedio
anual, por lo que se puede decir que es satisfactorio para la calibracin.
Ao H. Mayo Junio
Julio
Agosto
Sept.
Oct.
Nov.
Dic.
Enero Febrero
Marzo Abril Anual
2.20
41.40
30.90
53.30
65.50
58.70
23.60
12.90
7.10
3.90
2.10
1.20
25.20
5.00
25.50
31.30
28.60
58.50
50.00
14.50
4.90
3.40
2.70
2.60
2.30
19.10
%Error 56.00 62.35
1.28
86.36
11.97
17.40
62.76 163.27 108.82
44.44
19.23
47.83 31.94
1979/80
118
Ao H. Mayo Junio
Julio
Agosto
Sept.
Oct.
Nov.
Dic.
18.90 62.50
39.30
53.50
85.10
63.50
25.20
13.80
7.60
18.10 58.10
18.30
40.80
56.40
63.30
11.90
5.70
4.40
2.90
4.42
114.75
31.13
50.89
0.32
111.76 142.11 72.73
44.83
1980/81
%Error
7.57
Enero Febrero Marzo Abril Anual

4.20
2.30
1.30
31.40
2.70
2.50
23.80
14.81
48.00 31.93
Para los aos de 1979/80 y 1980/81, 4 meses poseen valores de caudal dentro del rango
aceptable para cada uno (ver Tabla 4.22 y Tabla 4.23), pero el valor promedio anual en ambos no
cumple por lo que se considera que la calibracin no es satisfactoria para estos dos aos.
En general de todas las calibraciones realizadas y analizadas para los 9 aos conocidos, los
volmenes se ajustaron y la calibracin se logr con bajo error para 6 aos, de los cuales los
caudales promedio anuales simulados se acercaban bastante a los reales. La efectividad del
modelo CHAC no depende de si el comportamiento del caudal es arriba, abajo o en el promedio si
no ms bien del ajuste realizado en la calibracin entre el hidrograma real y el simulado, ya que en
los puntos de los meses en que ambos coinciden se tienen altos porcentajes de efectividad. A
continuacin se presentan los resultados rellenados y extendidos con el modelo de simulacin
CHAC (Tabla 4.24):
AO
HIDR. Qm/s Qm/s Qm/s
Qm/s
1971/72
OCT
NOV
DIC
ENERO
FEB
MARZO ABRIL Anual
Qm/s Qm/s
Qm/s Qm/s
8.80
23.70
10.50
60.70
58.30
71.10
10.70
5.00
3.50
2.50
2.00
3.60
21.70
1972/73 14.20
22.30
8.30
8.50
20.90
41.60
7.90
3.40
2.80
2.10
2.00
2.90
11.40
1973/74 15.30
63.40
28.70
42.90
87.80 110.00 19.00
6.20
4.10
2.90
2.30
2.40
32.10
1974/75
15.00
11.20
10.30
55.90
38.20
5.00
3.20
2.30
1.70
1.30
1.30
12.60
1975/76 11.20
6.80
13.80
33.70
88.10
55.40
28.20
4.20
3.10
2.40
2.00
4.10
21.10
1976/77
7.30
84.00
16.60
8.40
20.10
20.50
4.00
2.90
2.30
2.20
2.20
2.20
14.14
1977/78
5.90
30.00
3.20
12.10
18.30
9.10
5.80
2.50
2.10
1.90
1.70
2.20
7.90
1978/79
5.90
8.10
25.40
25.50
69.00
44.30
7.80
3.50
1.90
1.70
1.40
4.50
16.60
1979/80
5.00
25.50
31.30
28.60
58.50
50.00
14.50
4.90
3.40
2.70
2.60
2.30
19.10
1980/81 18.10
58.10
18.30
40.80
56.40
63.30
11.90
5.70
4.40
2.90
2.70
2.50
23.80
1981/82
6.40
2.90
31.70
21.90
28.00
58.10
53.80
21.60
11.90
6.50
3.60
2.00
1.10
20.20
1982/83 35.20
45.90
25.10
15.00
59.50
21.70
13.00
7.20
3.90
2.20
1.20
0.60
19.20
1983/84
0.40
12.10
7.70
8.90
31.10
43.50
17.80
10.10
5.50
3.00
1.70
0.90
11.90
1984/85
0.50
16.40
42.70
26.30
58.70
25.40
15.00
8.30
4.50
2.50
1.40
0.80
16.90
1985/86
0.70
6.20
14.60
42.60
60.80
35.60
23.90
14.20
7.80
4.30
2.30
1.30
17.90
1986/87
2.60
7.80
5.70
11.10
28.10
20.90
12.20
6.70
3.70
2.00
1.10
0.60
8.50
1987/88
0.30
26.10
29.80
24.30
21.30
12.50
6.90
3.80
2.10
1.10
0.60
0.30
10.80
1988/89
0.60
41.50
29.30
121.90
87.80
39.90
22.10
12.50
6.90
3.80
2.10
1.10
30.80
1989/90
5.60
12.10
30.00
61.90
122.90 42.60
23.10
13.30
7.30
4.00
2.20
1.20
27.20
1990/91
4.40
19.20
15.80
20.70
67.40
26.50
15.60
8.60
4.70
2.60
1.40
21.50
71.90
119
AO
OCT
NOV
DIC
ENERO
FEB
MARZO ABRIL Anual
HIDR. Qm/s Qm/s Qm/s
Qm/s
Qm/s Qm/s
Qm/s Qm/s
1991/92
5.20
24.50
11.30
17.30
35.10
30.50
15.60
8.60
4.70
2.60
1.40
0.80
13.10
1992/93
0.40
10.60
9.10
14.80
68.80
29.90
16.40
9.00
4.90
2.70
1.50
0.80
14.10
1993/94 15.40
19.90
12.60
12.60
45.40
27.90
15.20
8.30
4.60
2.50
1.40
0.80
13.90
1994/95
1.20
1.20
0.70
24.20
48.50
36.10
17.50
9.60
5.30
2.90
1.60
0.90
12.50
1995/96
0.90
22.40
17.80
63.30
84.00
43.90
21.60
11.90
6.50
3.60
2.00
1.10
23.20
1996/97 23.80
30.00
52.10
42.50
54.70
45.00
21.00
11.50
6.30
3.50
1.90
1.00
24.50
1997/98
0.60
32.50
12.10
15.50
34.70
21.90
12.90
7.10
3.90
2.10
1.20
0.60
12.10
1998/99
1.60
11.10
19.30
52.70
30.70 116.30 41.40
21.30
11.70
6.40
3.50
1.90
26.50
1999/00
3.10
26.50
25.00
37.70
78.80
48.70
22.00
12.10
6.60
3.70
2.00
1.10
22.30
2000/01 17.60
29.00
15.60
40.50
104.10 30.00
17.50
9.60
5.30
2.90
1.60
0.90
22.90
Tabla 4.24. Serie de Caudales Promedio Mensuales Histricos reales y generados por el modelo de Simulacin
CHAC
A continuacin se presenta la Tabla 4.25 con
el resumen de la efectividad de los mtodos
analticos y del modelo de simulacin CHAC, tanto general como de acuerdo al tipo de
comportamiento de caudal que mejor reflejan (arriba, abajo o en el promedio) o mensual en el
caso del modelo. En dicha tabla se tiene:
N/S:
No se sabe
N/A:
No aplica
A:
Serie histrica de caudales o escorrenta de la estacin en estudio incompleta
B:
Serie histrica de caudales o escorrenta de la estacin base incompleta
C:
Patrn de estaciones formado por escorrentas.

Serie histrica de caudales de la estacin en estudio completa en un perodo
D:
previo al de simulacin
Serie histrica de caudales de la estacin base completa en un perodo previo y
E:
en el de simulacin.
F:
Perodo de simulacin
Cantidad de entradas, Factor de aprendizaje, Nmero de iteraciones y Error
G:
mnimo.
H:
Serie histrica de Precipitacin media completa de la estacin en estudio.
I:
Serie histrica de Precipitacin media completa de la estacin base.
J:
Serie histrica de Evapotranspiracin potencial media completa.

Parmetro de Excedencia (K C), Hmedad mxima (a Hmx) y Hmedad
K:
inicial (Hi)
rea, Permetro, Longitud del Cauce, Elevacin Mxima y Mnima de la cuenca
L:
en estudio.
120
M:
rea de drenaje de la estacin en estudio.

rea, Permetro, Longitud del Cauce, Elevacin Mxima y Mnima de la cuenca
N:
base.
O:
rea de drenaje de la estacin base.

Ramas de descarga, Caudal subterrneo inicial, coeficiente de descarga y de
P:
ETP
Esta relacin precipitacin escorrenta solo es valida para los meses de
transicin.
Mtodo
Tipo
Datos de
Tipo de
Efectividad
Meses de
Efectividad por
entrada
caudal
general (%)
aplicacin
tipo o mes (%)
N/S
N/S
Relleno
A, C
N/S
N/S
2) Correlacin iterativa
Relleno
A, B
Ninguno
12.5-27
D, F
Prom.
25-40
D, F
Prom.
25-33
D, E, F
Prom.
18.75-27
Relleno y
3) Markoviano
Extensin
Relleno y
4) Thomas Fierin
Extensin
Relleno y
5) Entre Estaciones
Extensin
7) Redes Neuronales
8) Thornwaite
9) Curva Msica
Relleno
Relleno y
Extensin
Relleno y
Extensin
Relleno
10) Transposicin Caudales Relleno y

Areas
Extensin
A, H
D, F, G
12) 33%Precipitacin
13) 21%Precipitacin
14) CHAC
Extensin
Relleno y
Extensin
Relleno y
Extensin
Arriba prom.
Prom y
Abajo prom.
40-60
27-37.5
los secos
Todos menos
los secos
Mayo, Junio,
Agosto y Oct.
Todos menos
los secos
Todos
Todos menos
los secos
Todos menos
N/A
40-80
40-60
40-80
33-100 y 67-100
20-80 y 20-40
H, J, K
Arriba prom
30-50
A, B, C
N/S
N/S
N/S
N/S
Abajo prom.
0-53
Todos
0-80
Abajo prom.
0-50
Todos
0-75
Arriba prom
30-60
H*
Prom.
20
Todos
37.5
A, B, L, M,
N, O
11) Transposicin Caudales Relleno y A, B, H, I, L,

Areas/Precipitacin
Prom y
Todos menos
M, N, O
Relleno y
A, H, J, K,
Extensin
M, P
los secos
Todos menos
los secos
Junio
Jul. Sept. Oct.
Mar. Jun y
Ago
Tabla 4.25. Resumen de los mtodos estudiados y su efectividad.
121
100
100
20
60, 80, 70, 60, 40
y 40
Las efectividades mensuales del modelo de simulacin CHAC se presentan a continuacin en la

Tabla 4.26:
Meses
Mayo
Junio
Julio
Agosto
Sept.
Oct.
Nov.
Dic.
Enero
Febrero
Marzo
Abril
Efectividad (%)
10
40
60
40
80
70
30
10
30
10
60
Tabla 4.26. Efectividades mensuales del modelo de simulacin CHAC.
4.3.12. SERIE HISTRICA DE CAUDALES PROMEDIO MENSUALES COMPLETA
Debido a que ningn mtodo es efectivo por s solo para todos los caso de comportamiento de
caudal y para todos los meses, para completar el registro histrico de la estacin Moscoso se
realiza una combinacin de los resultados de los mtodos analticos y los del modelo de simulacin
CHAC. Para realizar dicha combinacin se evalan los resultados del relleno de meses con datos
medidos, desarrollado en el apartado 4.3 y el Anexo N:
De la Tabla 4.7 se tiene que para el mes de Junio de 1976/77 la precipitacin anual fue abajo
del promedio, la mensual arriba del promedio y la precipitacin anual del ao anterior (1975/76)
estuvo en el promedio, por lo que se espera que el caudal para ese mes sea Promedio, pero
considerando que la precipitacin mensual es la ms alta registrada histricamente es ms
probable que se trate de un ao con caudal arriba del promedio.
Para los meses de Mayo, Junio, Agosto y Noviembre se usa para caudales que se comportan
arriba del promedio el 33% de la precipitacin excepto para Mayo y Noviembre que es
necesario completarlos con Estocstico Markoviano o con Transposicin de Caudales con
relacin de reas, el primero solo se puede usar en los dos primeros aos de extensin y el
segundo cuando existan caudal registrado para la estacin Base Vado Marn. Caudales abajo
del promedio se completan con el mtodo de Transposicin de Caudales con relacin de
reas, siempre y cuando Vado Marn presente registro, y finalmente los caudales cuyo
comportamiento es promedio con Estocstico Markoviano para los dos primeros aos de
extensin (1981/82 y 1982/83) y con CHAC para los siguientes, excepto para los meses de
Mayo y Noviembre para los cuales tiene una efectividad muy baja, 10 y 30% respectivamente.
Para los meses de Septiembre y Octubre con caudales arriba y abajo del promedio se emplea
Thornwaite, mientras que para caudales en el promedio se usa el 33% de precipitacin.
122
Con el CHAC se completa los meses de Marzo debido a que su efectividad es del 60% para
ese mes. El resto de los meses secos no es posible completarlos con ningn mtodo, ni
tampoco con el modelo de simulacin CHAC debido a que presentan efectividades muy bajas.
Considerando que las caractersticas estadsticas de la serie determinadas a partir de los

registros medidos desde 1964/65 hasta 1980/81 se mantienen constantes, se verifica que los
resultados obtenidos con los mtodos analticos y el modelo de simulacin CHAC se
mantengan dentro del mnimo y mximo calculado para cada mes en la Tabla 3.7. Resaltados
en amarillo en la Tabla 4.27, se presentan los que no cumplen con este requisito.
Los resultados obtenidos para el ao 1987/88 y 1996/97 no son confiables ya que presentan
valores que generan hidrogramas cuya forma no se observa histricamente para la Estacin
Moscoso, en los aos con registro de caudales promedios mensuales.
.
A continuacin se presenta la Tabla 4.27 con los resultados obtenidos y en el Anexo N los
hidrogramas resultantes de la extensin de la serie histrica:
MAYO
JUNIO
JULIO AGOSTO SEPT
OCT
NOV
DIC
ENERO
FEB
MARZO
ABRIL
HIDROL. Qm/s
AO
Qm/s
Qm/s
Qm/s
Qm/s
Qm/s
Qm/s
Qm/s
Qm/s
Qm/s
Qm/s
Qm/s
1972
14.200
22.300
8.290
8.490
20.900 41.600
7.950
3.440
2.750
2.060
1.990
2.890
1973
15.270
63.400
28.740
42.900
87.800 110.000 19.000
6.190
4.140
2.920
2.310
2.400
1974
6.420
15.020
11.160
10.310
55.900 38.190
4.980
3.160
2.350
1.740
1.300
1.250
1975
11.200
6.850
13.820
33.700
88.090 55.440
28.220
4.160
3.130
2.360
2.030
4.090
1976
7.350
77.037
16.620
8.360
20.110 20.470
4.000
2.930
2.330
2.240
2.150
2.200
1977
5.880
30.020
3.180
12.140
18.310
5.800
2.510
2.100
1.920
1.720
2.160
1978
5.950
8.130
25.430
25.530
69.020 44.330
7.790
3.470
1.900
1.690
1.440
4.470
1979
5.020
25.460
31.250
28.610
58.470 50.050
14.470
4.900
3.430
2.700
2.560
2.350
1980
18.110
58.100
18.250
40.800
56.420 63.270
11.870
5.670
4.380
2.910
2.690
2.540
11.024 34.125
10.664
18.387
49.827 40.433
12.862
2.000
14.568
1.200
1981
1982
12.989
9.090
14.863
30.221
30.308
62.092 21.276
1983
11.100
7.400
8.600
32.230 46.995
1.70
1984
15.200
41.200
26.200
49.635 19.963
1.40
1985
5.600
13.800
41.700
50.073 28.892
2.40
1986
7.200
5.400
10.300
30.511 28.679
1.10
1987
24.500
28.900
24.100
26.847 24.412
0.60
1988
58.318
35.141
77.748
90.970 63.742
2.20
1989
11.400
28.800
61.300
91.951 66.642
2.30
1990
40.761
27.306
33.323
56.994 70.097
2.70
1991
23.100
11.200
17.000
45.697 33.610
1.50
1992
9.800
8.700
14.300
62.297 27.142
1.50
1993
19.000
12.400
12.400
57.247 47.014
1.40
1994
4.019
7.569
3.770
14.002
50.852 33.637
1995
5.664
10.876
12.294
27.268
78.793 62.977
28.900
51.000
42.600
57.164 53.225
1996
123
1.60
10.537
2.00
2.00
MAYO
JUNIO
JULIO AGOSTO SEPT
HIDROL. Qm/s
AO
Qm/s
Qm/s
Qm/s
Qm/s
30.700
12.100
15.300
50.340 39.291
10.938
21.989
28.252
28.414 69.927
1999
46.832
33.364
39.517
55.747 33.350
2.10
2000
27.9
15.5
40.1
68.49
1.60
1997
1998
6.365
OCT
NOV
DIC
ENERO
FEB
MARZO
ABRIL
Qm/s
Qm/s
Qm/s
Qm/s
Qm/s
Qm/s
Qm/s
18.897
1.20
58.782
3.70
Tabla 4.27. Relleno y Extensin de la serie histrica de caudales promedio mensuales para la estacin Moscoso.
Donde:
Celeste:
33% de la precipitacin
Rojo:
Thornwaite
Verde:
Markoviano
Anaranjado: Transposicin de Caudales con reas.

Morado:
CHAC
Rosado:
CHAC al 40% de efectividad
124
5. CONCLUSIONES Y RECOMENDACIONES
5.1.
5.1.1.
CONCLUSIONES
CONCLUSIONES GENERALES
a) El conocer las caractersticas fsicas, climticas y morfolgicas, de una cuenca es

imprescindible antes de la ejecucin de ciertos procesos o anlisis. En este proyecto se
enfatiza la necesidad de contar con dichos parmetros para poder delimitar, enfocar y
representar los procesos en el ciclo hidrolgico de la manera mas real posible.
b) Las caractersticas fsicas de una cuenca representadas por el rea, Longitud del cauce,
Permetro, Pendiente, Elevacin Mxima y Mnima, son los parmetros que comnmente se
revisan para determinar la similitud entre una cuenca y otra, siempre y cuando el rgimen
climtico sea parecido.
c) Tres aos de registros completos y consistentes son suficientes para los mtodos
Estocsticos, por lo que alimentar la base de datos a partir del presente ao 2004, de forma
constante y completa garantiza que en poco tiempo se puedan revisar nuevamente la
efectividad de los mtodos.
d) El Salvador posee una red hidrometeorolgica incompleta, ya que algunas de las estaciones
fueron clausuradas en la poca de la Guerra y no han sido habilitadas, por lo que hay zonas
sin registro de caudal, precipitacin y/o evaporacin.
e) La longitud de los registros histricos completos es corta (4 aos o menos), tanto en los aos
60/70 como en la actualidad, lo que dificulta que las metodologas den resultados confiables,
principalmente aquellas que simulan basndose en perodos de calibracin (Estocsticos y
Redes Neuronales).
f)
Los anlisis de datos, efectividad de los mtodos y conclusiones obtenidas a partir del anlisis
de la estacin Moscoso puede no ser vlidos para la poca actual, ya que se trabaj con datos
de las dcadas de los 60 y 70, que no necesariamente reflejan las condiciones actuales de las
variables hidrolgicas como el Caudal, Precipitacin y Evapotranspiracin.
125
g) El comportamiento de los caudales es difcil de predecir, porque aunque dependen de muchos

factores, en el caso de Moscoso la precipitacin es la variable determinante de la escorrenta
para los meses lluviosos y sta es completamente aleatoria, as tenemos que, aunque el ao
de 1976/77 es un ao seco segn el anlisis de precipitaciones, en el mes de Junio de dicho
ao, se tiene la lluvia ms alta registrada histricamente para el perodo en anlisis, por lo
tanto, es lgico que el caudal obtenido para rellenar el faltante correspondiente a ese mes en la
estacin Moscoso este arriba del promedio y no en el promedio como se espera.
h) Conocer el mecanismo de respuesta de una regin hidrogrfica ante la recarga y la
cuantificacin de la misma es fundamental en la gestin de sta, para evaluar la disponibilidad,
estado actual y mejor manejo de los recursos.
5.1.2.
CONCLUSIONES SOBRE LOS MTODOS ANALTICOS EMPLEADOS EN LA
ESTACIN DE MOSCOSO.
a) Existen diversos mtodos para evaluar o analizar el comportamiento de una cuenca. La

aplicacin de una tcnica particular u otra depende de las caractersticas hidrolgicas y
meteorolgicas de la zona de estudio, los datos existentes y los medios, tiempos y recursos
disponibles. Es decir cada mtodo tiene sus requerimientos, limitantes y condiciones, por lo
que hay que evaluar los resultados de cada uno basndose en caractersticas propias de cada
metodologa y de los aos o meses especficos a rellenar y/o extender. Una adecuada
estandarizacin de su comportamiento podra determinarse con la aplicacin y contraste de
distintos mtodos y tcnicas, aunque con esto no se pueda definir el valor exacto que adopte el
caudal ante los fenmenos que se presentan y contribuyan a l, pero s se puede identificar y
acotar el rango de variabilidad de ste.
b) Para rellenar perodos con faltantes en aos completos para una estacin como Moscoso, la
cual no posee registros actuales, es posible emplear los mtodos aplicables (Estocstico
Markoviano, 33% de la precipitacin, Thornwaite y Transposicin de Caudales con relacin de
reas), pero asumiendo que las caractersticas estadsticas de los parmetros hidrolgicos se
mantienen constantes a lo largo del tiempo, lo cual no es del todo cierto debido a los cambios
climticos, de uso de suelo, aumento de las extracciones, entre otros.
c) Los mtodos por s solos no son lo suficientemente efectivos para rellenar y/o extender la serie
histrica de Moscoso por lo que se completa la estadstica con una combinacin de los
resultados de los siguientes mtodos: 33% de precipitacin, Thornwaite, Estocstico
Markoviano, Transposicin de caudales con relacin de reas y el modelo CHAC. Aunque la
126
eleccin de los mtodos con resultados efectivos y la combinacin de los mismos, dependen
del criterio hidrolgico de la persona que efecta el relleno y/o extensin.
d) La eficacia de los mtodos para cualquier estacin, aumenta cuando se hace un anlisis en el
que se determina para que tipo de comportamiento de caudal (arriba, abajo o en el promedio),
dan mejores resultados cada uno de los mtodos.
e) Los mtodos aplicables para rellenar la estacin Moscoso sern aquellos cuyo porcentaje de
variacin respecto al valor real no sobrepase el 30% que equivale a valores de caudal abajo de
la desviacin estndar de los datos histricos para cada mes. De acuerdo a esto los mtodos
recomendables son los siguientes:
-
Para la extensin son: el 33% de la precipitacin, Thornwaite, Transposicin de caudales

con relacin de reas y el mtodo estocstico Markoviano.
Para rellenar el faltante de Junio de 1976/77 en Moscoso, son: Thornwaite y el 33% de

precipitacin, siendo este ltimo el ms efectivo y exacto histricamente por lo es el que se
emplea.
f)
El mtodo de Correlacin no es efectivo para la estacin Moscoso, por la poca cantidad de

datos disponibles y por las inconsistencias en los registros, las cuales no se pueden ajustar por
falta de informacin histrica sobre el funcionamiento de las estaciones hidromtricas.
g) Los mtodos de Transposicin de Caudales con relacin de reas y el de reas con

precipitaciones, especialmente el primero, son los ms indicados para completar faltantes para
meses como Junio u otros, cuyo comportamiento sea similar a este.
h) Los mtodos estocsticos para la estacin Moscoso y adaptados para que funcionen con
caudales, a pesar de que stos no son completamente aleatorios y no presentan una
distribucin completamente simtrica, dan resultados aceptables y son confiables para
completar caudales cuyo comportamiento se espera este arriba del promedio.
i)
El mtodo de Thornwaite y el 33% de precipitacin, aplicados a la estacin Moscoso, tienen

una efectividad del 100% en la obtencin de caudales arriba del promedio, por lo que basta
determinar cuales meses y en que aos se presenta dicho comportamiento para los caudales
con un buen registro de precipitaciones y un adecuado anlisis de stos.
j)
Redes Neuronales, es el mtodo analtico de simulacin que presenta la eficacia mas baja en
la determinacin de valores de caudal con comportamiento medio, porque adems de que la
127
red empleada es simple y el proceso de calibracin es subjetivo, (depende de la minuciosidad

del usuarios para determinar cuando lo simulado se comporta igual que el perodo de
calibracin) emula el comportamiento de ltimo ao de calibracin mientras que del resto solo
toma la tendencia general, por lo que usar esta metodologa implica asumir que el ao
simulado se comporta igual que el ltimo correspondiente al perodo de calibracin.
k) El mtodo de precipitacin escorrenta, resulta ser l ms eficaz para determinar caudales sin
necesidad de analizar los datos, para definir si se trata de meses con caudales esperados
arriba, abajo o en el promedio, a pesar de que la lluvia y la escorrenta presentan para la
estacin Moscoso una dispersin en la nube de puntos difcil de caracterizar por una sola
tendencia.
5.1.3.
CONCLUSIONES SOBRE EL MODELO DE SIMULACIN EMPLEADO EN LA
ESTACIN MOSCOSO.
a) Los modelos de simulacin nos permiten analizar de un modo ordenado y racional diferentes
situaciones para obtener un panorama amplio de posibles resultados de un problema
hidrolgico en particular.
b) Si bien los modelos de simulacin representan una herramienta eficaz para la realizacin de
estudios hidrolgicos o diseos hidrulicos, se debe tener bien claro cul es el objetivo de la
simulacin al momento de extender y/o rellenar una serie de registros hidromtricos. Para el
caso de diseo de una obra hidrulica, como vertederos o el control de inundaciones, interesa
que el modelo simule los picos altos. Para el manejo de embalses, interesa el control del
volumen y por ltimo, si la informacin es requerida para la factibilidad de alimentacin de
sistemas de riego en verano, se busca simular la curva de recesin. En general de los
aspectos anteriores podemos destacar que el simular o calibrar debe tener una orientacin
hacia un fin.
c) El uso de un modelo de simulacin hidrolgico de pocos parmetros, como es el caso del
CHAC, es de fcil aplicacin en las cuencas de nuestro pas, debido a que no se cuenta con un
estudio amplio, continuo y actualizado de todos los procesos que intervienen en el ciclo
hidrolgico, pero debido a las simplificaciones propias del modelo, los resultados son eficaces
solo para algunos meses y no tanto como los que se obtendran de aquellos modelos ms
complejos que requieren de un mayor nmero de parmetros.
128
d) Para la determinacin de los parmetros requeridos por el CHAC, se hace una aproximacin
de sus valores, los cuales pueden no necesariamente acercarse al comportamiento real de las
variables involucradas. Dicha aproximacin se hace estableciendo hiptesis obtenidas del
anlisis histrico de los pluviogramas e hidrogramas para la estacin en estudio.
e) El modelo supone que la cuenca y los parmetros que la caracterizan son homogneos, lo que
no es completamente verdadero, pero debido a esto, los parmetros obtenidos de la
calibracin del modelo CHAC representan el valor promedio del conjunto de caractersticas
fsicas de la cuenca, segn los parmetros, de manera que la funcin de stos no es
describirla
fsicamente,
sino
simular
su
comportamiento
general
mediante
valores
representativos.
f)
En este proyecto, la finalidad es el relleno y/o extensin de caudales promedios mensuales,

para realizar un balance hdrico, entonces la mejor calibracin se enfoca a la compensacin de
volmenes y un equilibrio entre control de picos y curva de recesin, adems de procurar que
el mayor nmero de aos simulados se ajusten a los reales conocidos.
g) El modelo de simulacin CHAC es una herramienta til para estudios hidrolgicos, a pesar que
no pudo acoplarse en algunos puntos del hidrograma del ao medio del registro histrico de la
estacin Moscoso, pero se debe en parte al limitado nmero de aos completos para la
calibracin. Puede implementarse su uso en el futuro cuando se cuente con registros
confiables y amplios para lograr una calibracin ptima.
h) La eficacia del modelo CHAC no depende de los distintos comportamientos que puede
presentar el caudal (arriba, abajo o en el promedio). El modelo de simulacin CHAC presenta
valores confiables en Moscoso para los meses en que el hidrograma simulado se ajusto al
hidrograma real durante la calibracin, presentando una eficacia general baja respecto a otros
mtodos pero alta para algunos meses en particular por lo que es mejor emplear sus
resultados en combinacin con los de otros mtodos.
i)
Los ajustes que se logran con el modelo son buenos, aunque el limitado nmero de datos en
los que se sustenta, dificulta que se asuman sus resultados como una respuesta real. No
obstante, un anlisis de los resultados realizado contra otros mtodos, permite asumir algunos
como una buena aproximacin a los valores reales probables.
129
5.2.
RECOMENDACIONES
a) Se recomienda hacer un estudio para evaluar en que zonas se requieren estaciones

hidromtricas y meteorolgicas. Para mejorar la distribucin de dicha red en algunas regiones
hidrogrficas que no posean una cantidad representativa de dichas estaciones.
b) Instalar ms estaciones que midan la Evaporacin o los parmetros meteorolgicos con las
cuales pueden determinarse, de ser posible que en las mismas estaciones se midan todos los
parmetros meteorolgicos.
c) Alimentar la base de datos actual en forma constante y permanente tanto hidromtrica como
pluviomtrica por lo menos durante 3 aos para revisar nuevamente las metodologas y poder
determinar si los registros histricos son representativos de las condiciones actuales.
d) La estacin Moscoso que no registra desde 1980, vale la pena reactivarla y llevar un control
constante del funcionamiento de sta, ya que por su ubicacin y condiciones geomorfolgicas,
la hacen indicada para relacionarla con otras estaciones importantes con registros actuales,
como Vado Marn y Villeras. En general es necesario determinar cules estaciones
clausuradas presentan condiciones tales por las que vale la pena su reactivacin.
e) Analizar peridicamente la consistencia de los registros medidos y corregir oportunamente,
para lo que se aconseja llevar una bitcora que refleje la cantidad y tipo de extracciones, el tipo
de aparato de medicin, la ubicacin y cualquier anormalidad que pueda afectar la medicin de
los caudales.
f)
Hacer un estudio sobre el comportamiento del suelo en cuanto a su capacidad de Infiltracin,

Almacenamiento Mximo y Coeficiente de Excedencia, as tambin factores como la
sedimentacin y explotacin de caudales, porque el desconocimiento de los cules, es en
parte la causa de que los resultados de ciertos mtodos y algunos del modelo no sean
coherentes a los reales.
g) Analizar el comportamiento de los caudales subterrneos y de los acuferos para determinar si

la contribucin de estos al ro en estudio, es considerable.
h) Previo al relleno se aconseja realizar un anlisis estadstico detallado de los registros histricos
de caudal, precipitacin y evapotranspiracin, tanto para la estacin en anlisis como para las
aledaas, as como de las condiciones de los usos de suelo para la cuenca y rea de drenaje
130
correspondiente a la estacin en estudio. Es necesario evaluar la consistencia con todas las

estaciones cercanas, efectuar correcciones de ser necesario y determinar criterios que
permitan comparar las estaciones entre s.
i)
Es aconsejable determinar para que tipo de comportamiento de caudal se adaptan mejor los
resultados de cada mtodo ya que este anlisis aumenta considerablemente el porcentaje de
efectividad de dichos mtodos.
j)
El anlisis previo del comportamiento de la escorrenta respecto a la precipitacin es

importante que sea una de las primeras cosas que se realice porque puede darse el caso
como para la estacin Moscoso que la lluvia es tan importante para la generacin de los
caudales en los meses lluviosos que sea suficiente con determinar el porcentaje de
precipitacin que corresponde a la escorrenta, para completar caudales faltantes con distintos
comportamientos.
k) Al efectuar el relleno y analizar los resultados debe tenerse muy en cuenta el propsito para el
cual se quiere completar la serie.
l)
Una vez determinado el propsito del relleno y/o extensin es aconsejable evaluar varios
mtodos, al menos 3, comparar los resultados y analizarlos teniendo en cuenta las limitaciones
y caractersticas de cada mtodo.
m) Para analizar la efectividad de los mtodos se recomienda rellenar con cada uno, meses con
registros reales y determinar patrones de comportamiento comn en los resultados anual y
mensual.
n) Para mejorar los resultados del mtodo de correlacin se deben ajustar las inconsistencias de
la serie histrica.
o) Se recomienda analizar los registros histricos con una red neuronal ms compleja y modificar
el criterio de eleccin de la mejor simulacin para que no sea tan subjetivo y por ende sujeto a
errores.
p) Se recomienda hacer un estudio sobre las humedades iniciales promedios para el perodo en
que se desean conocer las escorrentas y modificar el valor normalizado que tiene el mtodo
de Thornwaite para bajar los resultados que genera, de manera que se adapten a una mayor
cantidad de situaciones.
131
q) Es importante determinar correctamente qu tipo de grfica se adapta mejor a la tendencia

general de la nube de puntos para la dispersin de la precipitacin escorrenta, para lo que se
recomienda probar varios tipos de tendencias, encontrar sus ecuaciones y evaluar distintos
meses con datos conocidos para saber cul es la que mejor se ajusta.
r)
LLevar un adecuado registro se precipitaciones y escorrentas garantiza que faltantes aislados

se puedan completar con una confiabilidad del 60% sin necesidad de efectuar ningn anlisis
de datos previo.
s) Implementar mediciones de otras variables que intervienen en el proceso del ciclo hidrolgico,
como por ejemplo, medicin de la infiltracin, humedad del suelo, transmisibilidad, nivel de
agua subterrnea, entre otros. Esto con el objetivo de poder aplicar un modelo de simulacin
que requiera ms parmetros y lograr una mejor calibracin.
t)
Los resultados del uso del modelo de simulacin pueden considerarse como una primera
aproximacin para el posterior desarrollo de un modelo con mayor nmero de variables que
brindara mejores resultados, lo que hace necesario seguir recabando informacin y
estructurando una base de datos adecuada, es decir, el establecimiento de una red de
observacin del mayor nmero de parmetros que intervengan en el modelo de simulacin,
con un control peridico al menos mensual.
132
GLOSARIO
Aforo de caudales
Conjunto de operaciones para determinar el caudal en un curso de agua para un nivel observado.
Anlisis de regresin
Mtodo estadstico desarrollado para investigar la interdependencia o relacin entre dos o ms
variables mensurables. La forma ms corriente de anlisis de regresin es la regresin lineal.
Balance hdrico
Balance de entradas y salidas de agua al interior de una regin hidrolgica bien definida (una
cuenca hidrogrfica; un lago), teniendo en cuenta las variaciones efectivas de la acumulacin.
Balance de agua basado en el principio de que durante un cierto intervalo de tiempo el aporte total
a una cuenca o masa de agua debe ser igual a la salida total de agua ms la variacin neta en el
almacenamiento de dicha cuenca o masa de agua.
Balance trmico
Balance de prdidas y ganancias de calor de un sistema dado (por ejemplo, una masa de agua)
para un perodo especfico.
Calibracin
Determinacin experimental de las relaciones entre la cantidad que ha de medirse y la indicacin
del instrumento, del dispositivo o del proceso de medida. Determinacin, comprobacin o
rectificacin de la graduacin de cualquier instrumento que se utilice para efectuar mediciones
cuantitativas. Proceso de mediciones u observaciones para establecer la relacin entre dos
cantidades.
Calibracin del modelo
Ajuste de los parmetros de un modelo, ya sea en base a consideraciones fsicas o mediante
optimizacin matemtica, de manera que la concordancia entre los datos observados y los
resultados del modelo sea la mejor posible
Caudal
Volumen de agua que fluye a travs de una seccin transversal de un ro o canal en la unidad de
tiempo.
133
Caudal base
Parte del caudal que se incorpora a una corriente de agua, procedente principalmente de aguas
subterrneas, pero tambin de lagos y glaciares, durante perodos largos en los que no se
producen precipitaciones o fusin de nieve.
Caudal medio mensual
Media aritmtica de todos los caudales medios mensuales para un mes dado, en el perodo
considerado.
Ciclo hidrolgico
Sucesin de fases por las que pasa el agua en su movimiento de la atmsfera a la tierra y en su
retorno a la misma: evaporacin del agua del suelo, mar y aguas continentales, condensacin del
agua en forma de nubes, precipitacin, acumulacin en el suelo o en masas de agua y
reevaporacin, el ciclo hidrolgico abarca no solamente el movimiento y distribucin del agua
dentro de las masas continentales (escorrenta, infiltracin, percolacin, etc.) sino tambin el
movimiento y circulacin desde la hidrsfera a la atmsfera (evaporacin), desde la atmsfera a la
litsfera (precipitacin) y desde esta ltima nuevamente a la hidrsfera y la atmsfera (escorrenta,
evaporacin, transpiracin).
Coeficiente de correlacin
Medida de la interdependencia de dos variables. Su cuadrado se obtiene dividiendo la covarianza
de las variables por el producto de sus desviaciones tpicas.
Correlacin
Interdependencia o relacin entre dos variables mensurables.
Correlacin serial
Correlacin entre elementos de una muestra de una serie temporal (o espacial) y aquellos
elementos retrasados o adelantados en un intervalo fijo de tiempo (o espacio).
Cuenca
Lmite natural de un recurso hdrico. Cuando llueve o cuando hay deshielos el agua fluye
eventualmente hacia el ocano. O puede infiltrarse en el suelo llegando a las napas. A medida que
fluye, el agua recoge sedimentos, contaminantes y basuras.
Cuenca de drenaje
Que tiene una salida nica para su escorrenta superficial.
134
Cuenca hidromtrica
Todo el territorio comprendido entre el nacimiento y la desembocadura y que vierte a un mismo ro
o lago. Que tiene una salida nica para su escorrenta superficial
Cuenca hidrogrfica
Es el rea de aguas superficiales o subterrneas, que vierten a una red hidrogrfica natural con
uno o varios cauces naturales, de caudal continuo o intermitente, que confluyen en un curso mayor,
que, a su vez, puede desembocar en un ro principal, en un depsito natural de aguas, en un
pantano o directamente en el mar.
Cuenca representativa
Cuenca que permite el estudio del ciclo hidrolgico en una regin sin modificaciones importantes
de su rgimen natural, mediante la observacin simultnea de datos climticos e hidrolgicos.
Cuenca donde se efectan estudios hidrolgicos intensivos bajo condiciones relativamente
estables. Cuenca en la cual se ha instalado una red de estaciones hidrolgicas para efectuar de
forma simultnea observaciones hidrometeorolgicas e hidromtricas de manera que los datos as
obtenidos sean representativos de una amplia zona, en lugar de realizar mediciones en todas las
cuencas de la regin considerada.
Erosin
Desgaste y transporte de elementos del suelo por el paso de corrientes de agua, glaciares, vientos
y olas. Prdida de la capa vegetal que cubre la tierra, dejndola sin capacidad para sustentar la
vida. Destruccin, deterioro y eliminacin del suelo. Los factores que acentan la erosin del suelo
son: el clima, la precipitacin y la velocidad del viento, la topografa, la naturaleza, el grado y la
longitud del declive, las caractersticas fsico, qumicas del suelo, la cubierta de la tierra, su
naturaleza y grado de cobertura, los fenmenos naturales como terremotos y factores humanos
como tala indiscriminada, quema subsecuente.
Escorrenta Superficial
Parte de la precipitacin que fluye por la superficie del suelo.
Escurrimiento
Corriente de agua sobre el suelo antes de ingresar a un canal definido. Dcese tambien
escorrenta. Parte del agua de lluvia, nieve derretida o agua de riego que fluye por la superficie
terrestre y finalmente regresa a los arroyos. Un escurrimiento puede arrastrar contaminantes de
aire o de la tierra y llevarlos a las aguas receptoras.
135
Estacin Hidromtrica
Estacin en la cual se obtienen datos sobre el agua de ros, lagos o embalses, referidos a uno o
ms de los elementos siguientes: nivel, caudal, transporte y depsito de los sedimentos,
temperatura del agua y otras propiedades fsicas del agua, caractersticas de la capa de hielo y
propiedades qumicas del agua.
Estacin Pluviomtrica
Estacin en la que slo se realizan observaciones acerca de la precipitacin.
Evapotranspiracin
Agua que la evaporacin o transpiracin de las plantas extrae del suelo. Se considera sinnimo de
uso consuntivo. Proceso conjunto de la evaporacin y transpiracin. Prdida de agua de un rea
especifica y para un perodo de tiempo determinado, como consecuencia de la evaporacin de la
superficie del suelo y de la transpiracin de la planta.
Flujo Hidromtrico
Trmino general para el agua que fluye por el cauce de un ro o canal.
Hidrograma
Expresin, grfica o no, de la variacin del caudal a lo largo del tiempo.
Hidrologa Estadstica
Procesos y fenmenos hidrolgicos que se describen y analizan por los mtodos de la teora de
probabilidad.
Hidrologa Estocstica
Procesos y fenmenos hidrolgicos que se describen y analizan por los mtodos de la teora de
probabilidad.
Homogeneidad
Calidad de homogneo del mismo gnero.
Modelo
Representacin bajo cualquier forma de un objeto, proceso o sistema. En hidrologa, un modelo es,
en la mayora de los casos, la representacin matemtica de una cuenca, un sistema hdrico, una
serie de datos, etc.
136
Modelo Hidrolgico Conceptual

Representacin matemtica simplificada de alguno o todos los procesos del ciclo hidrolgico por
medio de un conjunto de conceptos hidrolgicos expresados en forma matemtica y ligados por
una secuencia espaciotemporal que se corresponde con la que se produce en la naturaleza. Los
modelos hidrolgicos conceptuales se aplican en la simulacin del comportamiento de una cuenca.
Monitoreo
Observacin, muestreo y anlisis de rutina de sitios o parmetros designados con el objeto de
determinar la eficiencia del tratamiento o el cumplimiento de estndares o requisitos.
Percolacin
Flujo de un lquido a travs de un medio poroso no saturado, por ejemplo de agua en el suelo, bajo
la accin de la gravedad. Movimiento de penetracin del agua en el suelo y el subsuelo. Este
movimiento es generalmente lento y da origen al nivel fretico.
Proceso Estocstico
Aquel que produce variables x(s), donde s toma valores consecutivos en un cierto intervalo t. En la
mayora de los casos, s y t se refieren al tiempo pero tambin pueden referirse al espacio.
Radiacin
Emisin y propagacin de energa a travs del espacio o de un medio material; tambin la energa
as propagada. Dispersin de energa por ondas electromagnticas ms que por conduccin y
conveccin.
Registro de caudales
Anotacin de los datos de caudal de un fluido que pasa por un punto dado. El registro, por lo
general, es automtico.
Simulacin
Reproduccin o representacin mediante un modelo de un suceso o secuencia de sucesos
relacionados, como por ejemplo simulacin de un sistema de recursos hdricos.
Telemetra
Registro de datos obtenidos a distancia, por instrumentos de medida.
137
BIBLIOGRAFIA
PGINAS WEB
CONICYT,http://www.thedigitalmap.com/~carlos/p51_94/ProyectoCONICYT51_94.pdf, Marzo
2004.
Grupo de Ecologa Matemtica Facultad de Ciencias Exactas NCPBA,

http://www1.hcdn.gov.ar/dependencias/cyacyreta/inf_recibidos/Balance%20hidrico.pdfMarzo
2004
IFCIA, http://www.ifcia.org/cipenedo/cursos/scx/archivospdf/Tema3-0.pdf, Junio 2004.
Maldonado-de-Len O.A., O.L. Palacios, J.L. Oporeza, R. Springall, y D.S. Fernndez,

http://www.colpos.mx/agrocien/Bimestral/2001/may-jun/art-8.pdf, Marzo 2004
Pontificia Universidad Catlica Chile PUCC,

http://www2.ing.puc.cl/power/paperspdf/minder.pdf, Marzo 2004.
UNESCO, http://www.unesco.org.uy/phi/libros/lineamien.PDF, Marzo 2004.
TESIS
Baratta. M.A., I.E. Garca, M.O. Rodrguez y A.F. Torres [1993] Balance Hdrico de la
Repblica de El Salvador. Trabajo de graduacin presentado para optar al grado de Ingeniero
Civil en la Universidad Tecnolgica. San Salvador, El Salvador.
Campos M.R., G.E. Melgar y A.M. Montoya [2002] Anlisis del comportamiento hidrolgico de
la cuenca del ro Torola, proyecto hidroelctrico El Chaparral. Trabajo de graduacin
presentado para optar al grado de Ingeniero Civil en la Universidad Centroamericana Jos
Simen Caas. San Salvador, El Salvador.
Cativo, J.I., E.A. Rodriguez, K.G. Velasquez [1996] Evaluacin del Aprovechamiento de los
Recursos Hdricos en el rea de Panchimalco. Trabajo de graduacin presentado para optar al
grado de Ingeniero Civil en la Universidad Centroamericana Jos Simen Caas. San
Salvador, El Salvador.
139
Castillo, J.G. [1983] Consideraciones para la Evaluacin y Prediccin de Inundaciones en la

Cuenca del Ro Grande de San Miguel. Trabajo de graduacin presentado para optar al grado
de Ingeniero Civil en la Universidad Centroamericana Jos Simen Caas. San Salvador, El
Salvador.
Ibarra, F.E., J.C. Basagoitia [1996] Aplicacin del modelo HBV (Sistema Mike-11) para la
calibracin de cuencas hidrogrficas en El Salvador. Trabajo de graduacin presentado para
optar al grado de Ingeniero Civil en la Universidad Centroamericana Jos Simen Caas. San
Salvador, El Salvador.
TEXTOS
Arum, J.L., J. Jara y L. Salgado [2000] Anlisis Hidrolgico. UC Editores, Santiago, Chile.
Linsley, R.K., M.A. Kohler y J.L.H. Paulhus
[1998] Hidrologa para Ingenieros. Editorial
McGraw-Hill, Mxico, Mxico, D.F.
Monsalve, G. [1999] Hidrologa en la Ingeniera 2 Edicin. Editorial Alfaomega, Mxico,

Mxico, D.F.
Salguero, J. [2002] Elementos de Probabilidad y Estadstica. UCA Editores, San Salvador, El

Salvador.
140
ANEXO A.
CLCULO DE PRECIPITACIN MEDIA O AREAL.
En este anexo se presentan los resultados y el procedimiento utilizado para el clculo de la

Precipitacin Media o Areal sobre una regin hidrogrfica, a partir de las series histricas de
precipitacin registradas en las diferentes estaciones pluviomtricas del pas.
El clculo de la precipitacin media se realiza auxilindose de los programas Arc View y el modelo
CHAC como se ejemplifica a continuacin para la estacin Moscoso.
1- Iniciando el programa de Arc View, se agrega el tema del mapa de las cuencas y
estaciones pluviomtricas de El Salvador, como se muestra en la Figura A.1, entonces se
genera la vista que se ve en la Figura A.2. Los polgonos de Thiessen se obtienen para
todo El Salvador por medio de una extensin de Arc View que determina dichos polgonos
(ver Figura A.3 y Figura A.4).
Figura A.1. Ventana de Arc View para agregar un tema.
Figura A.2. Mapa de cuencas y estaciones pluviomtricas de El Salvador
Figura A.3. Herramienta de Arc View para crear polgonos de Thiessen
A- 1
Figura A.4. Polgonos de Thiessen de estaciones pluviomtricas para todo El Salvador
2- Despus de haber poligonizado el pas, se corta el rea de drenaje correspondiente a la

estacin Moscoso como se muestra en la Figura A.5. De la informacin de las tablas en
Arc View se obtiene las reas de influencia de cada estacin pluviomtrica y se divide
entre el rea total de la cuenca obtenindose as los pesos que se resumen en la Tabla
A.1.
Figura A.5. Polgonos de Thiessen de estaciones pluviomtricas. rea drenaje estacin de Moscoso
Cdigo
de
estacin
pluviomtrica
Peso
M15
0.25
M2
0.06
U20
0.11
Z2
0.37
Z6
0.12
M6
0.03
N11
0.06
1.00
Tabla A.1. Pesos para Precipitacin Media o Areal
A- 2
3- Haciendo uso del modelo de simulacin CHAC, el cual posee un mdulo de clculo
llamado Ponderaciones Lema como se ver en el anexo K. Se introducen los registros de
precipitacin de cada estacin con influencia sobre la regin de estudio y los pesos de
cada estacin. Luego el CHAC crea los archivos de texto de las precipitaciones medias de
la regin hidrogrfica.
En la Tabla A.2 se presentan los resultados de Precipitacin media:
Tabla A.2. Serie de precipitacin media del rea de drenaje de la estacin Moscoso
A- 3
ANEXO B.
CLCULO DE EVAPOTRANSPIRACIN POTENCIAL AREAL
El presente anexo muestra los pasos para obtener la Evapotranspiracin Potencial media o areal a
partir de los datos de las series histricas de las estaciones evapomtricas.
Para obtener la evapotranspiracin potencial de cada estacin se multiplican los datos de
evapotranspiracin de referencia de cada estacin por el factor Kc. Entonces el proceso para
calcular la Evapotranspiracin Potencial media o areal de cada regin hidrogrfica en estudio es:
1. Clculo del valor kc.
El coeficiente kc es una variable cuyo valor depende del tipo de planta y de su estado de
crecimiento
vegetativo.
Utilizando
los
valores
establecidos
por
la
FAO
[www.fao.org/docrep/x0409e/x0409e0a.htm, Agosto 2004], los cuales varan mes a mes.

En la Tabla B.1 se muestra la variacin de Kc mes a mes y para cada tipo de uso de suelo que
existe en la cuenca del Ro Grande de San Miguel, especficamente en el rea de drenaje de
Moscoso:
Tabla B.1. Variacin mensual de Kc a partir del tipo de uso del suelo en el rea de drenaje de la estacin Moscoso
B- 1
Luego haciendo uso del mapa de usos de suelo del ao 2002 [Ministerio del Medio Ambiente y
Recursos Naturales, MARN] y utilizando el programa de Arc View, se obtiene para cada rea de
drenaje correspondiente a cada estacin, el rea de cada uso de suelo y se multiplica dicha rea
por el kc correspondiente a cada mes. Luego se realiza la sumatoria de cada producto y se divide
entre el rea total de la cuenca para obtener el Kc correspondiente a cada mes, como se muestra
en las siguientes hojas de clculo de Excel:
Tabla B.2. Hoja de clculo para obtener la variacin mensual de Kc para la estacin de Moscoso
2. Luego de calcular los valores de Kc se multiplican por los valores mensuales de

evapotranspiracin de referencia para convertirlos a potencial, una vez hecho esto se pasan a
evapotranspiracin media o areal, este proceso se realiza de igual forma como se obtiene la
precipitacin media en el anexo A. Haciendo uso del CHAC se introducen los archivos de
evapotranspiracin potencial de la estacin y se introducen los pesos que le corresponden. De esta
manera se obtiene la Evapotranspiracin Potencial Areal.
Del paso 2 se obtiene los siguientes resultados:
B- 2
Figura B.1. Polgonos de Thiessen de estaciones evapomtricas para todo El Salvador
Figura B.2. Polgonos de Thiessen de estaciones evapomtricas. rea drenaje estacin de Moscoso
Cdigo de
estacin
Peso
evapomtrica
M18
0.17
M6
0.32
U6
0.03
Z2
0.48
1.00
Tabla B.3. Pesos para Evapotranspiracin Potencial Media Areal
B- 3
Tabla B.4. Serie de Evapotranspiracin Potencial areal correspondiente al rea de drenaje de la estacin Moscoso
Los registros de la Tabla B.4.son los que requiere el modelo de simulacin.
B- 4
ANEXO C.
ANLISIS DE PLUVIOGRAMAS E HIDROGRAMAS Y
ESTIMACIN DE PARMETROS UTILIZADOS EN MODELO DE SIMULACIN

DEL CHAC Y THORNWAITE.
En el apartado 2.4.5 se muestran los parmetros que requiere la calibracin del modelo de
simulacin CHAC, en la realidad los valores reales no son conocidos, pues es esto uno de los
propsitos de la calibracin, es decir, encontrar los valores promedio que estos parmetros toman
para simular la respuesta de la cuenca o regin en estudio frente a los eventos
hidrometeorolgicos.
A continuacin se muestran las herramientas y procedimientos utilizados en este proyecto para
obtener una primera aproximacin a los parmetros para calibrar el modelo de simulacin CHAC, a
partir de la informacin con que se cuenta, en este caso precipitaciones y caudales promedios
mensuales, provenientes de los registros histricos de la estacin de Moscoso.
La principal herramienta con la que se trabaj fue con los hidrogramas de caudales promedio s
mensuales y con los pluviogramas de precipitacin media por mes.
1. Se trazaron las grficas de caudal promedio mensual contra el tiempo en mes y la precipitacin
media contra el tiempo en meses para los aos hidrolgicos de 1971/72 a 1980/81, tal como se
muestra en las Figuras C-2 a C-11. De ests grficas se analiza las tendencias de las curvas de
ambas grficas ao a ao.
Con el propsito de obtener los volmenes correspondientes al caudal base, caudal superficial y
caudal subterrneo, se realiz el anlisis de los hidrogramas haciendo una adaptacin del
procedimiento para el anlisis de hidrogramas de creciente [Monsalve, 1999: c6 p.197],
identificando en cada uno el punto A, B, C, D y E, los cuales se muestran en la Figura C.1.
Figura C.1. Hidrograma para anlisis
C- 1
2. A travs de la herramienta del programa de hojas de clculo de Excel.

Se calcul el volumen de caudal base representado por el rea bajo la curva que se obtiene
uniendo a travs de una lnea recta los puntos A y E de los hidrogramas.
El volumen de caudal superficial se obtuvo calculando el rea bajo la curva entre los puntos A a E
y restndole el calculado como caudal base.
El volumen de caudal subterrneo se obtuvo calculando el rea bajo la curva de recesin.
Figura C.2. Hidrograma y Pluviograma del ao hidrolgico 1971/1972
Figura C-3 Hidrograma y Pluviograma del ao hidrolgico 1972/1973
C- 2
C- 3
C- 4
Aproximacin del parmetro C
Del anlisis anterior, a continuacin se muestra el resumen de los volmenes de los aos
hidrolgicos histricos, adems tambin se presenta la relacin de volumen de caudal superficial
entre volumen de precipitacin obtenindose as los diferentes valores de C para cada ao,
entonces el valor inicial de C fue tomado del promedio de los valores obtenidos para cada ao, tal
como se muestra en la Tabla C.1.
Ao H.
VQbase
VQsup
VQsub
VPRE
1971/72
137376000
382838400
5106240
1404362400
0.3704
1972/73
105235200
99817920
5158080
898615800
0.2282
1973/75
309355200
376410240
5987520
1572550800
0.4361
1974/76
79263360
184433760
3240000
851789400
0.3096
1975/77
227253600
232139520
5261760
1557729600
0.2949
1976/77
64074240
57127680
5572800
658147200
0.1842
1977/78
58190400
55935360
4458240
743637600
0.1535
C- 5
Ao H.
VQbase
VQsup
VQsub
VPRE
1978/79
351604800
51425280
3732480
1479542400
0.2724
1979/80
156962095
180153425
6091200
1073140800
0.3141
1980/81
195177600
259848000
6583680
1382989800
0.3290
Promedio
0.2892
Tabla C.1. Volmenes de caudal base, superficial, subterrneo y Precipitacin. Valores de C
Para tener una idea de la relacin de los volmenes de los caudales con relacin al volumen
precipitado, se obtuvo el porcentaje de dicha relacin para la estacin de Moscoso, como se
muestra en la Tabla C.2.
% de la Relacin del
volumen de caudal
base entre el volumen
de precipitacin
8.78
% de la Relacin del
volumen de caudal
superficial entre el volumen
de precipitacin
24.47
% de la Relacin del
volumen de caudal
subterrneo entre el
volumen de precipitacin
4.11
Tabla C.2. Resultado del anlisis anual de los Pluviogramas e Hidrogramas.
Aproximacin del parmetro Humedad mxima.
ste se obtuvo de las reas de cada uso de suelo, calculadas en el Anexo B, multiplicadas por la
humedad del suelo segn los valores de un estudio realizado en Espaa [Aplicacin del Modelo
SIMPA. Folleto del Libro Blanco de Espaa] y dividiendo la sumatoria de cada producto entre el
rea total del rea de drenaje de Moscoso, tal como se muestra en la Tabla C-3:
C- 6
Tabla C-3 Clculo de Hmx en funcin del uso del suelo
Aproximacin del parmetro de Infiltracin mxima.
Con la suposicin que la infiltracin es igual a la recarga del acufero y en las observaciones de los
hidrogramas se puede ver que el caudal subterrneo es alimentado por la recarga del acufero, por
lo que el volumen de mximo caudal subterrneo ser la Infiltracin mxima. Para la estacin de
3
Moscoso se obtuvo que el caudal subterrneo tena un valor aproximado de 3 m /s. En la Tabla C4 se muestra el clculo que se obtiene de sacar la equivalencia entre el caudal subterrneo y
lmina de agua en un mes correspondiente a la infiltracin.
Qsub (m /s)
3
Infiltracin
(mm/mes)
217
Tabla C-4 Infiltracin debida a la recarga del acufero.
Aproximacin del parmetro de Humedad inicial.
C- 7
Se observ de los hidrogramas que en el mes de Abril se presentaba un leve aumento de

precipitacin con respecto a Marzo, por lo que se consider que para Mayo habra una humedad
debida a la diferencia de precipitacin entre Abril y Marzo, en la Tabla C-5 se muestra para el
registro histrico los excedentes de precipitacin en Abril con respecto a Marzo pero solo se toman
los valores positivos. A estos valores se sac el promedio y se le rest el porcentaje de
Evapotranspiracin e Infiltracin.
Tabla C-5 Clculo de Humedad Inicial
C- 8
ANEXO D.
D.1
ANLISIS DE DATOS PARA LA ESTACIN VILLERAS
ANLISIS HISTRICO DE CAUDALES
Villeras tiene registros desde 1970/71 hasta 2003/04 pero presenta mltiples faltantes. El perodo
cuyo registro es ms continuo corresponde a los aos entre 1970/71 hasta 1978/79 presentando
solamente 3 vacos, Junio 1976/77 y Mayo, Junio del 1978/79. Despus tiene registros en los aos
1995/96 con faltante en el mes de Mayo y completos los aos de 2002/03 al 2003/04.
1. Analizando la serie completa se observa que el promedio no es representativo de los datos
reales, se ajusta mejor la mediana principalmente en los meses de Noviembre a Abril, el
promedio solo refleja bien los meses de Mayo y Julio.
2. La desviacin estndar de todos los datos es alta porque se presentan grandes picos que
se alejan de la media en especial en los meses de Junio y de Agosto a Octubre.
3. El coeficiente de oblicuidad es mayor que cero, analizando toda la serie de datos, por lo la
distribucin no es simtrica y por lo tanto no es normal.
4. El anlisis por perodos da resultados semejantes al de la totalidad de la muestra.
5. Con un anlisis mensual en los meses de Mayo y Junio que tienen la mayor parte de los
faltantes, el promedio y la mediana son semejantes y se ajustan a los datos observados
por lo que cualquiera de los parmetros es buena base de comparacin. La desviacin
estndar es alta debido a los picos que se presentan y el coeficiente de oblicuidad refleja
que solamente vale la pena ajustar a una distribucin normal el mes de Junio ya que para
Mayo se tiene un valor mucho mayor que cero. Los valores en los faltantes deberan ser
aproximadamente 10 y 24 para Mayo y Junio respectivamente.
6. Se pueden rellenar sin problemas los faltantes de Junio 76/77 y Mayo, Junio de 78/79. El
resto de vacos no es recomendable por el criterio del 50%
D- 1
D.2 ANLISIS DE DATOS CON ESTACIONES ALEDAAS A VILLERAS

VILLERAS con MOSCOSO
Se puede rellenar los 2 faltantes del ao 1978/79 pero no los de Junio 1976/77, Mayo de 1995/96
porque Moscoso no tiene datos esos meses.
El perodo comn que comparten es de 1970/71 hasta 1978/79, siendo el factor de correlacin de:
0.9999
VILLERAS con VADO MARIN
Los perodos en comn son dos, el primero de 1970/71 hasta 1978/79 y el ao de 1995/96. Por lo
que se puede rellenar los 4 faltantes de esos aos. Hay que notar que Vado Marn no tiene ningn
faltante durante los perodos en estudio. Se pueden rellenar los meses Junio 1976/77, Mayo, Junio
del 1978/79 y Mayo de 1995/96, con un factor de correlacin de: 0.9992
VILLERAS con LAS CONCHAS
Tienen como perodo comun los aos desde 1970/71 hasta 1978/79 por lo que se puede rellenar
los 3 faltantes que tiene Villeras en ese perodo. Conchas en esos aos solamente tiene 2 datos
que han sido rellenados previamente y para efectos de este estudio se consideran faltantes. Se
pueden rellenar los meses Junio 1976/77, Mayo, Junio del 1978/79, siendo el factor de correlacin
de: 0.9993.
VILLERAS con LA CANOA
Tienen como perodo comun 2 aos 1977/78 al 1978/79 con los cuales se puede rellenar los
faltantes de Villerias de los meses Mayo y Junio de 1978/79. La estacin presenta un factor de
correlacin es: 0.9979.
VILLERAS con EL DELIRIO
No tiene sentido obtener la correlacin porque en el perodo en comn no tiene faltantes la
estacin.
Como el factor de correlacin es bueno para todas las estaciones se determina la estacin base
basndose en un anlisis estadstico de la serie histrica de caudales promedios con la estacin
D- 2
Villeras y las estaciones aledaas, en el que se determina cul estacin tiene datos similares a
los de Villeras y por ende puede considerarse como base. Es importante notar que aunque se
analicen varias estaciones s en un perodo faltante slo una tiene datos con los que se pueda
efectuar el relleno, esa ser la estacin base, siempre y cuando el factor de correlacin sea mayor
de 0.85. A continuacin se presentan los resultados en la siguiente tabla:
Parmetros
Faltante
Correlacin
Villeras
Las Conchas Vado Marn Moscoso
La Canoa Estacion B
Qmx(m/s)
Junio
Qmn(m/s)
1976/77
0.9993
0.9992
0.9999
0.9979
24.696
Qprom(m/s)
43.671
35.160
26.553
19.335
Vado Marn
58.900
99.120
96.320
63.400
29.770
por ser la
7.280
16.970
12.400
6.850
8.900
nica con
Qmediana(m/s)
20.400
35.500
27.550
23.000
19.335
datos
Desv. Estan.(m/s)
16.360
26.905
25.554
19.000
14.757
Correlacin
0.9993
0.9992
0.9999
0.9979
Qprom(m/s)
7.939
14.589
10.919
10.089
6.470
Qmx(m/s)
Mayo
12.400
23.000
19.000
15.700
7.210
Qmn(m/s)
1978/79
4.310
9.730
7.530
5.880
5.730
Qmediana(m/s)
8.135
14.100
9.905
8.830
6.470
Desv. Estan.(m/s)
2.972
3.882
3.237
4.090
1.047
Correlacin
0.9993
0.9992
0.9999
0.9979
Qprom(m/s)
24.696
43.671
35.160
26.553
Moscoso
19.335
Qmx(m/s)
Junio
58.900
99.120
96.320
63.400
29.770
Qmn(m/s)
1978/79
7.280
16.970
12.400
6.850
8.900
Qmediana(m/s)
20.400
35.500
27.550
23.000
19.335
Desv. Estan.(m/s)
16.360
26.905
25.554
19.000
14.757
Correlacin
0.9993
0.9992
0.9999
0.9979
Qprom(m/s)
7.939
14.589
10.919
10.089
6.470
Moscoso
Vado Marn
Qmx(m/s)
Mayo
12.400
23.000
19.000
15.700
7.210
por ser la
Qmn(m/s)
1995/96
4.310
9.730
7.530
5.880
5.730
nica con
Qmediana(m/s)
8.135
14.100
9.905
8.830
6.470
datos
Desv. Estan.(m/s)
2.972
3.882
3.237
4.090
1.047
PATRN PARA VILLERAS

Contrario a Moscoso para la estacin Villeras s es posible obtener un patrn de estaciones. Lo
mejor es hacer el patrn con las estaciones Moscoso, Vado Marn y Conchas aunque solo se
pueda rellenar 2 faltantes los meses de Mayo y Junio de 1978/79, porque La Canoa solo tiene 2
aos de registros en comn con Villeras lo que la hace poco confiable.
D- 3
ANEXO E.
CDIGOS Y MANUALES DE USUARIO PARA PROGRAMA

CORRELACIN Y CONSISTENCIA
E.1. EJECUCIN DEL PROGRAMA

Para correr el programa basta con copiar el archivo ejecutable Correlacin en cualquier lugar de la
computadora para luego ejecutarlo dndole doble clic sobre el archivo, como se observa no se
requiere un proceso de instalacin. La ventana que se abre es la siguiente (Figura E.1)
Para introducir
# de estac.
Para indicar
al programa
en
donde
estan
los
archivos.
Ventana
de
procesos.
Ventana
de
guardar
Botones
Figura E.1. Ventana principal programa Correlacin.
E- 1
opcin.
de
E.2. INTRODUCCIN DE DATOS

El programa requiere la siguiente informacin, como datos de entrada:
Nmero de estaciones de la regin hidrogrfica con las que se desea revisar la consistencia
para posteriormente rellenar, sin incluir la estacin que se quiere completar. Para introducir el
nmero, slo se digita en el cuadro de texto que est a la par de la vieta Nmero de
estaciones y luego dar un clic sobre el botn Introducir. El mximo nmero de estaciones que
admite el programa es 3, presentando un mensaje de error en caso de superar este nmero,
Figura E.2. Cuando se introduce un nmero menor a tres, por ejemplo 2, aparece un mensaje
No hay estacin en el cuadro de texto correspondiente a la estacin 3, lo mismo pasa si se
coloca 1 como nmero de estacin, el cuadro de texto de la estacin 2 y 3 aparece No hay
estacin, como se observa en la siguiente figura (Figura E.3).
Figura E.2. Mensaje de error cuando se supera el nmero de estaciones lmite del programa.
Figura E.3. Proceso de Introduccin de datos en el programa Correlacin.
El programa pide tambin las direcciones de los archivos de texto con la informacin de
escorrenta correspondiente a las estaciones de la regin. Al presionar en el botn Abrir
correspondiente a la estacin a rellenar, automticamente se abre una ventana con directorio
de la computadora para que el usuario elija el archivo donde prepar la informacin (Figura
E.4), el cual debe tener un formato como el detallado en el captulo 3 y extensin txt. Una vez
electo el archivo presione Abrir y regresar a la ventana del programa en donde se presenta
en la caja de texto aledaa al botn abrir la direccin donde se encuentra el archivo con los
E- 2
datos de escorrenta de la estacin a rellenar, tal como se muestra en la Figura E.5. Se repite
el proceso para cada una de las estaciones con las que se revisar la consistencia.
Figura E.4. Ventana para abrir archivos de entrada.
Figura E.5. Direccin del archivo de entrada abierto.
E.3. PROCESAMIENTO DE LA INFORMACIN

Una vez abiertos los archivos correspondientes al nmero de estaciones de la regin hidrogrfica
presione Procesar y Rellenar y el programa revisar s es posible formar el patrn de estaciones o
no, cuando el patrn es posible calcula el factor de correlacin respecto a la estacin en anlisis y
verifica que sea mayor de 0.85 antes de proceder al relleno.
Tambin obtiene el factor de correlacin de la estacin a rellenar respecto a cada una de las
estaciones en estudio, revisa que sean mayores de 0.85 y determinar cual es el mayor de todos
con lo que establece la estacin base y procede al relleno con la estacin elegida.
S los factores de correlacin son iguales y mayores de 0.85 rellena con la Estacin 1, es decir la
primera que se introduzca. S ninguna de las estaciones tiene un buen factor de correlacin y no es
posible formar el patrn el programa indica que es mejor rellenar con otro mtodo. Toda la
informacin anterior aparece en la ventana de procesos, incluyendo la ecuacin con la que se
efecta el relleno, como se muestra a continuacin en la Figura E.6 y Figura E.7.
E- 3
Figura E.6. Ventana de procesos.
Figura E.7. Ventana de procesos continuacin.
E.4. GUARDAR LOS RESULTADOS

Cuando el procesamiento de los datos es satisfactorio, es decir que los factores de correlacin
tienen valores aceptables el
programa automticamente efecta el relleno de los faltantes al
presionar el botn Procesar y Rellenar. Lo nico que falta es guardar los resultados en un archivo
para poder acceder a l y procesar la informacin.
Para guardar basta hacer clic sobre botn Guardar Resultados, para que se abra una ventana
con un directorio de la computadora en el que se indica en que lugar se desea guardar el archivo
de salida, como puede observarse en la Figura E.8 el tipo de archivo ya esta definido como txt.
Figura E.8. Ventana para guardar el archivo con la serie rellena.
E- 4
En la ventana de guardar, aparece cul archivo pide que se guarde, ya que adems de la estacin
completa, el programa pide que se guarden los acumulados de cada estacin introducida, el
acumulado del patrn, los datos de la estacin a rellenar incompletos (estacin con la que se
trabaj) y el acumulado de la estacin a rellenar. Una vez finalizado el proceso de guardado
aparece en la ventana de guardar la direccin del ltimo archivo guardado, tal como se muestra a
continuacin en la Figura E.9:
Figura E.9. Proceso de guardar resultados y grficas programa Correlacin.
Tambin en la Figura E.9 se presenta una serie de botones de opcin con los que se puede
obtener una grfica de los acumulados de la estacin a rellenar respecto a los acumulados del
patrn, estacin 1, estacin 2 o estacin 3, para ello basta con hacer clic en cualquiera de los
botones de opcin. La grfica se muestra en otra ventana pero son bastante burdas porque solo
son para revisar la consistencia de los datos, s se desea presentar los resultados en forma grfica
se recomienda auxiliarse de otros programas como EXCEL o GRAFER, en los cuales se puede
introducir los archivos de salida del programa Correlacin y graficarlos.
Para salir del programa basta con hacer clic en el botn Salir o sobre la cruz que se encuentra en
la esquina superior derecha de la ventana.
Los archivos de salida presentan los registros de la estacin en anlisis junto con los valores
rellenos, seguidos y en una sola lnea, sin los aos a que pertenecen. Tienen un formato como el
que se muestra a continuacin:
3
22
11
50
99
27.5901991497924
12
39
48
20
13
1
28
75
21.2539635911329
200
Debido a la forma de presentar los datos es necesarios ordenarlos por lo que se recomienda abrir
el archivo de texto de salida desde EXCEL como de ancho fijo y separados por espacios para
poder
procesar
la
E- 5
informacin.
ANEXO F.
MANUAL DE USUARIO PROGRAMA REDES NEURONALES
F.1. EJECUCIN DEL PROGRAMA

Para correr el programa basta con copiar el archivo ejecutable Redes en cualquier lugar de la
computadora para luego ejecutarlo dndole doble clic sobre el archivo, como se observa no se
requiere un proceso de instalacin. La ventana que se abre es la siguiente (Figura F.1):
Figura F.1. Ventana principal programa Redes.
F.2. INTRODUCCIN DE DATOS

Como se mencion en el captulo 3 los datos que requiere el programa son los siguientes:
Serie histrica de caudales en m/seg de la estacin a rellenar en formato de texto. Tiene que
ser un archivo de datos completos previos al o los faltantes que se desean rellenar.
Factor de aprendizaje Beta, que puede variar en un rango de ] 0,1[.
Error mnimo que puede poseer cualquier valor, siendo un valor recomendado el de 0.001.
Nmero de iteraciones, las cuales pueden tener cualquier valor, la nica limitante es la
capacidad del ordenador. Un valor apropiado es de 10000 iteraciones.
La cantidad de entradas, puede tener cualquier valor siempre y cuando sea menor que el
nmero de datos que se introducen para la calibracin.
F- 1
El nmero de datos a simular es la cantidad de meses que se desean predecir y deben ser
menor o igual que la cantidad de datos de calibracin.
Al hacer clic sobre el boton Examinar se abre la misma ventana de la Figura E-4, para que el
usuario elija la ubicacin del archivo que contiene la serie histrica de caudales con los que se
calibra la red neuronal.
Se escriben los datos iniciales de Beta, error mnimo, nmero de iteraciones, cantidad de entradas
en sus respectivas cajas de texto y se coloca el nmero de meses a simular, para comenzar con la
calibracin.
F.3. PROCESO DE CALIBRACIN DE LA RED NEURONAL

Los valores de Error mnimo debajo de 0.001 y el Nmero de iteraciones arriba de 10000 no
afectan el desempeo de la red por lo que se recomienda fijarlos en esos datos para facilitar la
calibracin.
Luego de escribir los valores iniciales de todos los parmetros y el nmero de meses a simular
hacer clic en el botn verde Procesar, el cual se pondr de color rojo durante el tiempo que se
tarde el programa en evaluar los datos. Una vez finalizado el proceso se presenta en la ventana del
estado del programa el nmero de entradas que tiene la red, cantidad de datos que tena el
archivo de texto, el primer y ltimo dato introducidos, el error absoluto y el nmero de iteraciones.
Para calibrar la red se deben ajustar los parmetros iniciales hasta que el error absoluto sea bajo o
la grfica de simulacin muestre que la red se ajusto satisfactoriamente a la tendencia de los
datos. Es importante notar que no es tan importante el error absoluto como la verificacin grfica,
ya que pueden haber valores de error cercanos a cero con datos simulados de cero tambin, con
lo que la red esta indicando que efectivamente no tiene error porque no logro sacar ninguna salida.
Para verificar la simulacin el programa presenta una grfica de simulacin como la que se
observa en la Figura F.2, al hacer clic sobre el botn Simular.
F- 2
Figura F.2. Grfica de Simulacin Redes Neuronales
En la grfica se presenta en rojo los datos del perodo de calibracin introducidos en el archivo de
texto y en azul los datos simulados. S la grfica de los valores simulados no guarda la misma
forma y tamao que los datos de calibracin se cierra la grfica con un clic sobre la cruz que se
encuentra en la esquina superior derecha, para regresar a la ventana principal.
Al regresar a la ventana hacemos clic sobre el botn Limpiar estado del programa, para borrar
todo lo que tiene la ventana de estado, cambiamos los parmetros y de nuevo hacemos clic sobre
el botn procesar. Verificamos los resultados de la simulacin y repetimos el proceso si no es
satisfactoria la simulacin o guardamos los resultados si es adecuada.
Para facilitar el proceso de calibracin se recomienda variar primero el valor de beta, mientras se
mantienen fijos los dems parmetros porque es el que hace que los datos simulados tomen la
forma general de los datos de calibracin. Una vez que la forma general es apropiada se fija Beta
junto con el resto de parmetros y se comienza a variar el nmero de entradas hasta obtener la
forma especfica (pequeos picos, cadas etc.). A continuacin se presentan una serie de figuras
de simulacin con el proceso de calibracin, la Figura F.3 presenta la simulacin con los valores de
Beta=0.1 y el nmero de entradas de 11 para una cantidad de datos de calibracin de 132 meses.
La Figura F.4 es el resultado de fijar todos los parmetros excepto Beta el cual llego a un valor de
0.00001 y finalmente la Figura F.5 es variando la cantidad de entradas y fijando el resto de
parmetros.
Figura F.3. Simulacin con parmetros iniciales.
F- 3
Figura F.4. Simulacin variando Beta.
Figura F.5. Simulacin variando cantidad de entradas.
F.4. GUARDAR LOS RESULTADOS

Una vez que la simulacin es satisfactoria se guardan los resultados para lo cual se hace clic sobre
la barra de men, en el men Archivo, que se encuentra en la parte superior izquierda de la
ventana principal del programa con lo que se despliegan tres submens como se muestra en la
Figura F.6, de los cuales se hace clic en Guardar los resultados de la simulacin, para abrir una
ventana de guardar como la de la Figura E-8, en la que el usuario puede especificar la ubicacin y
nombre del archivo de texto que contendr la serie rellena de datos, que incluye el perodo de
calibracin (azul) y el de simulacin (rojo) seguidos uno del otro y en una sola columna como se
muestra en la Figura F.7.
Figura F.6. Forma de guardar los resultados en el programa de Redes Neuronales.
F- 4
Figura F.7. Salida de resultados programa de redes neuronales.
El programa tambin permite guardar los parmetros o pesos de la simulacin resultante, para
poder cargarlos y usarlos posteriormente. Para guardar los pesos se abre el men Procesamiento
y se elige el submen Guardar archivo de pesos, como se muestra en la Figura F.8, Para cargar
nuevamente los pesos solo es necesario abrir el programa y hacer clic sobre Procesamiento,
Cargar pesos desde un archivo.
Figura F.8. Forma de guardar y cargar los parmetros y pesos de la red neuronal.
Una vez se termina de usar el programa se puede salir de l dando clic sobre la cruz que se
encuentra en la esquina superior derecha o abriendo el men Archivo y elegir el submen Salir
del Programa, como se observa en la Figura F.6.
F- 5
ANEXO G.
MANUAL DE USUARIO DEL PROGRAMA CURVA MSICA
G.1. EJECUCIN DEL PROGRAMA

Para correr el programa es suficiente con copiar el archivo ejecutable Curva Msica en cualquier
lugar de la computadora para luego ejecutarlo dndole doble clic sobre el archivo, como se
observa no se requiere un proceso de instalacin. La ventana que se abre es la siguiente (Figura
G.1):
Figura G.1. Ventana principal programa Curva Msica
G.2. INTRODUCCIN DE DATOS

El programa pide como archivos de entrada: la serie histrica de la estacin a rellenar, la serie de
acumulados de la estacin a rellenar, del patrn de estaciones y de la estacin base. Estos
archivos son los archivos de salida del programa de Correlacin, por lo que no es necesario
preparar los datos ni darles formato, simplemente se abren los archivos que el usuario guard
junto con la serie completa del programa de Correlacin.
Para abrir los archivos se hace clic sobre el botn Abrir e inmediatamente se abre una ventana
igual a la de la Figura E-4 que permite al usuario elegir el archivo de texto creado previamente con
el programa de correlacin, correspondiente a lo que solicita el programa en la vieta aledaa al
botn abrir seleccionado. Cuando el archivo se abre aparece en el cuadro de texto correspondiente
al botn abrir la direccin donde se encuentra el archivo seleccionado y el programa procede a
leerlo desde all.
G- 1
Se realiza el mismo proceso hasta que los 4 archivos solicitados por el programa estn abiertos,
con lo que se finaliza la entrada de datos al programa.
G.3. PROCESAR Y GUARDAR

Una vez este abierta toda la informacin solicitada por el programa se hace clic sobre el botn
Procesar y Guardar resultados, con lo que el programa evala los datos y completa los faltantes
segn los fundamentos del mtodo, expuestos en el Captulo 2.
El programa abre una ventana similar a la de la Figura E-8, en la que pide al usuario elija una
ubicacin en la PC y nombre para el archivo con los resultados del relleno. Una vez guardado el
archivo aparece en la ventana de procesos la direccin donde est el archivo completo.
G.4. SALIR DEL PROGRAMA

Una vez finalizado el relleno se cierra el programa haciendo clic sobre la cruz que se encuentra en
la esquina superior derecha.
Se aconseja abrir el archivo de salida en formato texto desde Excel para ordenarlo y convertir los
datos de escorrenta a caudal.
G- 2
ANEXO H.
MANUAL DE USUARIO DEL PROGRAMA TRANSPOSICIN DE

CAUDALES
H.1. EJECUCIN DEL PROGRAMA

Para correr el programa basta con copiar el archivo ejecutable Transposicin de Caudales en
cualquier lugar de la computadora para luego ejecutarlo dndole doble clic sobre el archivo, como
se observa no se requiere un proceso de instalacin.
Como se mencion en la teora referente al mtodo de Transposicin de caudales expuesta en el
captulo 2, existen 3 modalidades de este mtodo: relacionando nicamente las reas, reas y
precipitaciones medias y solamente elevaciones medias. En este programa se desarrollan las dos
primeras, una seguida de la otra.
La ventana que se abre al iniciar el programa es la siguiente y corresponde a la primera modalidad
de mtodo, es decir relacionando nicamente las reas (Figura H.1):
Figura H.1. Ventana principal programa de Transposicin de Caudales.
H.2. ENTRADA DE DATOS MODALIDAD 1

Tambin dentro de estas dos formas del mtodo de Transposicin puede darse el caso que se
utilicen datos de estaciones que se encuentren en cuencas diferentes o en la misma cuenca, a
continuacin se presenta el proceso para ambos casos:
H- 1
S se trata de estaciones ubicadas en cuencas diferentes se colocan los datos

correspondientes a cada cuenca, es decir el rea de la cuenca A (Km), el permetro P (Km), la
longitud del cauce ms largo L (Km), la elevacin mxima Hmx (msnm) y la mnima Hmn
(msnm). Se escriben en el cuadro de texto que se encuentra a la par de la vieta que indica el
parmetro que s esta introduciendo. Una vez escrito el valor se hace clic sobre el botn
Introducir e inmediatamente el cuadro de texto se pone en blanco y la vieta indica el nombre
de otro parmetro necesario (Figura H.2, crculo azul) y las unidades en que debe introducirse.
Se contina metiendo parmetros hasta que el cuadro de texto indique Entrada Completa
(Figura H.2, crculo rojo).
Figura H.2. Introduccin de datos mtodo de Transposicin de Caudales.
Se coloca en el cuadro de texto aledao (Figura H.2, crculo amarillo), el rea de drenaje de la
estacin en Km y se hace clic en el otro botn Introducir.
Luego se hace clic sobre el botn Abrir Archivo para que se abra la ventana de la Figura E-4
y el usuario pueda indicar en que ubicacin y nombre tiene el archivo con la serie histrica de
la estacin que se desea completar. El formato del archivo es el mismo que el presentado en el
captulo 3 con la excepcin que los valores estan expresados en unidades de caudal (m/seg) y
no de escorrenta (mm). Una vez abierto el archivo aparece en el cuadro de texto aledao la
direccin y nombre del archivo seleccionado (Figura H.2).
Se repite el procedimiento para introducir los datos de la cuenca completa.
S se trata de estaciones pertenecientes a la misma cuenca, el procedimiento es el mismo con

el cuidado de que los datos de la cuenca completa y la cuenca a rellenar deben ser iguales por
tratarse de la misma cuenca.
H- 2
H.3. PROCESAMIENTO DE LA INFORMACIN Y GUARDADO DE LOS RESULTADOS

CON MODALIDAD 1
Una vez el usuario termine de introducir la informacin pertinente se hace clic en el botn
Procesar la informacin con lo que el programa toma los datos de las cuencas y calcula los
siguientes parmetros: Factor de forma, factor de compacidad, pendiente media y ancho promedio,
para cada cuenca, para luego compararlos entre s y verificar que no varen ms del 15%. S la
variacin es mayor en cualquiera de los parmetros el programa da un mensaje en la ventana de
procesos que indica que las cuencas no son similares por lo que se debe emplear otro mtodo
(Figura H.3).
Figura H.3. Mensaje de la ventana de proceso cuando las cuencas no son similares entre s.
De lo contrario el programa indica que las cuencas son similares y efecta el relleno presentando
en la ventana de procesos los datos rellenos (Figura H.4). Una vez realizado el completado de
datos pide que se guarden los resultados presionando Guardar o que se pruebe con la modalidad
2 s las precipitaciones medias son diferentes en las estaciones que se estn analizando haciendo
clic sobre el botn Continuar.
Figura H.4. Mensaje en la ventana de procesos cuando las cuencas son similares entre s.
S las cuencas no tienen regmenes de lluvia diferentes se presiona Guardar con lo que se abre
una ventana como la de la Figura E-8 que permite al usuario indicar la ubicacin y nombre del
archivo de texto con la serie histrica de caudales junto con los faltantes rellenos. Debajo de los
botones de salir, guardar y continuar aparece una vieta con la ubicacin y nombre del archivo con
los resultados.
H- 3
El archivo de resultados tiene la forma que se muestra en la Figura H.5, incluye los datos de toda
la serie con sus fechas y los datos faltantes completos pero seguidos en una sola fila, por lo que se
recomienda abrirlo desde Excel para ordenarlo.
Figura H.5. Archivo de texto de salida para el programa de Transposicin modalidad 1.
H.4. ENTRADA DE DATOS MODALIDAD 2

Es importante notar que para obtener resultados, con la modalidad 2 es necesario introducir la
informacin solicitada en la ventana de la Figura H.1 tal como se hace con la Modalidad 1 y
presionar en el botn de Procesar la informacin, la nica diferencia es que cuando el programa
pida que se guarden los resultados se debe presionar Continuar en lugar de Guardar, con lo que
se abre la siguiente ventana (Figura H.6).
Figura H.6. Ventana para la modalidad 2 en el mtodo de Transposicin de Caudales.
En la ventana anterior el programa pide al usuario que ingrese los archivos de precipitaciones
medias completas correspondientes a cada estacin, la que se desea rellenar y la completa que
sirve de referencia.
Al presionar sobre Abrir Archivo, se abre la ventana de la Figura E-4 que permite que el usuario
busque en su computadora los archivos de precipitacin correspondientes. Estos archivos deben
tener un formato semejante al que se present para escorrenta en el captulo 3. Una vez abiertos
H- 4
los archivos necesarios aparece en el cuadro de texto la direccin y nombre correspondiente al

archivo elegido por el usuario.
H.4. PROCESAMIENTO DE LA INFORMACIN Y GUARDADO DE LOS RESULTADOS

CON MODALIDAD 2
Luego de ingresar los archivos de precipitacin para ambas estaciones se hace clic sobre el botn
de Procesar informacin, con lo cual el programa procede al relleno de los faltantes, mientras lo
realiza aparece en la ventana de procesos Procesando informacin, por favor espere, cuando
el programa termina el completado pide que se guarden los resultados presionando Guardar.
Como en todos los programas se abre la ventana de la Figura E-8 con lo que el usuario elige el
nombre y direccin del archivo de texto que contiene la serie histrica con los faltantes completos.
Cuando se finalice el proceso basta con presionar en Salir o hacer clic en la cruz de la esquina
superior derecha para terminar el programa. Como en la modalidad anterior los resultados de los
faltantes rellenos se presentan en una sola fila con los aos respectivos y junto con los dems
datos de la serie como se observa en la Figura H.5. El archivo de texto de salida se puede abrir
desde Excel para ordenarlo segn las preferencias del usuario.
H- 5
ANEXO I.
MANUAL DE USUARIO DE LOS PROGRAMAS PARA MTODOS

ESTOCSTICOS
I.1. EJECUCIN DEL PROGRAMA

Se tienen tres mtodos estocsticos desarrollados, cada uno con su respectivo programa. Para
correr cualquiera de ellos basta con que el usuario copie el archivo ejecutable correspondiente al
mtodo que desea emplear, Markoviano, Thomas Fiering o Entre estaciones, es decir los
programas Estocstico 1, 2 y 3 respectivamente, en cualquier lugar de su computadora para luego
ejecutarlo dando doble clic sobre el archivo.
Como se observa no se requiere un proceso de instalacin. Las ventanas que se abren para cada
programa son las siguientes (Figuras de la I.1 a la I.3):
Figura I.1. Ventana del programa estocstico Markoviano.
Figura I.2. Ventana del programa estocstico Thomas Fiering.
I- 1
Figura I.3. Ventana del programa estocstico Entre Estaciones.
I.2. INGRESO DE DATOS

Para los programas Estocstico 1 y 2 se requiere que el usuario presione el botn Examinar para
que se muestre la ventana de abrir archivos que se presenta en la Figura E-4, la cual permite al
usuario indicar la direccin y nombre del archivo de texto que contiene un perodo de registro
completo de la serie histrica de caudales promedios mensuales de la estacin que se desea
rellenar, previo a o los faltantes que se quieren completar. Una vez abierto el archivo el programa
presenta en el cuadro de texto aledao al botn Examinar la direccin y nombre del archivo
seleccionado (Figura I.4 en circulo rojo).
Para el programa Estocstico 3 se sigue el mismo proceso con la variante de que adems se
requiere abrir un archivo con los datos de la estacin aledaa que servir de base para rellenar la
incompleta. Este archivo debe contener registros completos en el perodo previo al faltante y en
donde existan stos.
En los tres programas es necesario introducir el nmero de meses que se desean simular (Figura
I.4 en circulo azul), para ello se escribe el valor en el cuadro de texto que se encuentra al lado del
botn Procesar. El nmero de meses a simular deben ser los que siguen al perodo completo que
se introdujo en el archivo de texto de entrada y no debe superarlos en cantidad, es decir que el
perodo a simular debe ser menor o igual que el perodo de registro completo que se introduce
como informacin de entrada.
Figura I.4. Ingreso de datos para los programas estocsticos.
I- 2
I.3. PROCESAMIENTO DE LA INFORMACIN

Cuando se ha ingresado toda la informacin necesaria se presiona el botn Procesar, para
cualquiera de los tres programas, e inmediatamente aparecen en la ventana de procesos los
nombres y direcciones de los archivos cargados, la cantidad de datos de cada uno y cuntos de
stos son datos necesarios para el programa (saca de la cuenta los que son fechas), luego se
presenta en la ventana de procesos una serie de clculos que el programa desarrolla, necesarios
para simular los datos requeridos. Finalmente la ventana de proceso presenta los valores de los
datos simulados, como se observa en la secuencia de figuras siguientes (Figura I.5, I.6 e I.7):
Figura I.5. Ventana de procesos mtodos estocsticos, cantidad de datos cargados.
Figura I.6. Ventana de procesos mtodos estocsticos, algunos clculos realizados.
Figura I.7. Ventana de procesos mtodos estocsticos, valores simulados.
La ventana de procesos muestra la misma secuencia de figuras que observadas anteriormente no

importando de si se trata del mtodo estocstico Markoviano, Thomas Fiering o Entre Estaciones,
aunque cada uno presenta diferentes clculos realizados de acuerdo a los fundamentos de cada
mtodo y al inicio del procesamiento se muestra en la ventana el nombre del programa del que se
trata.
I- 3
I.4. GUARDAR LOS RESULTADOS Y SALIR DEL PROGRAMA

Cuando el programa termina el procesamiento de la informacin se activa el botn Guardar
Resultados, el cual debe presionar el usuario para abrir la ventana de guardar con la que se le
indica al programa el nombre y direccin con que se desea guardar el archivo de texto con los
meses simulados, el cual tiene un formato como el que se muestra a continuacin (Figura I.8), no
importando de cul de los tres programas se trate.
Figura I.8. Archivo de salida con los resultados de la simulacin.
Este archivo de texto puede abrirse desde Excel para ordenar la informacin y presentarla de
acuerdo a las preferencias del usuario. Una vez guardado el archivo se puede terminar el
programa haciendo clic sobre la cruz que aparece en la esquina superior derecha.
I- 4
ANEXO J.
MANUAL DE USUARIO DEL PROGRAMA PARA MTODO DE

THORNWAITE
J.1. EJECUCIN DEL PROGRAMA

Para correr el programa es suficiente como con los programas anteriores, copiar el archivo
ejecutable Thornwaite en cualquier lugar de la computadora para luego ejecutarlo dando doble clic
sobre el archivo, como se observa no se requiere un proceso de instalacin. La ventana que se
abre es la siguiente (Figura J.1):
Figura J.1. Ventana principal programa mtodo de Thornwaite.
J.2. ENTRADA DE DATOS

Los datos que requiere el programa son los siguientes:
Serie histrica de evapotranspiracin potencial media mensual, en formato de texto y

expresada en milmetros, presentada de igual forma que la escorrenta segn la figura formato
del Captulo 3.
Serie histrica de precipitacin potencial media mensual, en formato de texto y expresada en

milmetros, presentada de igual forma que la escorrenta segn la figura formato del Captulo 3.
El parmetro de excedencia K, que es el mismo C para el CHAC por lo que se calcula de igual
forma haciendo un anlisis de los hidrogramas y pluviogramas tal como se presenta en el
Anexo C, el valor obtenido es de aproximadamente 0.35.
Almacenamiento inicial del perodo, Hi, en mm/mes, calculado tambin en el Anexo C, el valor
obtenido por este proceso es de aproximadamente 50mm/mes.
J- 1
Almacenamiento mximo, a, en mm/mes, con valores aproximados calculados en el Anexo C,

de acuerdo a este el valor es de aproximadamente 190mm/mes.
Nmero de perodos, que representan el nmero de meses para los cuales se quiere calcular
la escorrenta. Este nmero tiene que ser menor o igual que el nmero de meses de datos de
precipitacin y evapotranspiracin ingresados.
Para las series de evapotranspiracin y precipitacin el programa indica en el cuadro de texto qu

serie corresponde a cada una como se observa en la figura siguiente (Figura J.2).
Figura J.2. Datos de entrada para el programa Thornwaite.
J.3. PROCESAMIENTO DE LA INFORMACIN

Cuando los datos de entrada estn completos se activa el botn de Procesar. Haciendo clic sobre
l se inicia el procesamiento de la informacin con lo que se calcula la escorrenta para cada mes.
En la ventana de procesos se observa el nmero de datos de precipitacin y evapotranspiracin
ingresados y por tanto el nmero mximo de valores de escorrenta que el mtodo puede
determinar. A continuacin se muestra en la ventana de procesos los valores de escorrenta
calculados, tal como se presenta en la Figura J.3.
Figura J.3. Ventana de procesos para el programa de Thornwaite.
J- 2
J.4. GUARDAR LOS RESULTADOS Y SALIR DEL PROGRAMA

Para este programa al presionar el botn Procesar se abre la ventana de guardar para que el
usuario ingrese el nombre y direccin donde desea ubicar los resultados del programa, antes de
procesar los datos de entrada.
Los resultados se presentan en un archivo de texto como se muestra en la Figura J.4, en el que se
observa que los datos calculados se presentan en una sola fila, por lo que es aconsejable abrirlos
desde Excel para ordenarlos y pasarlos a valores de caudal.
Una vez finalizado el proceso se puede cerrar el programa haciendo clic sobre la cruz que se
encuentra en la esquina superior derecha.
Figura J.4. Archivo de salida con los resultados del programa de Thornwaite.
J- 3
ANEXO K.
MANUAL DE USUARIO PARA MODELO DE SIMULACIN CHAC
K.1. GENERALIDADES
La aplicacin CHAC ha sido desarrollada por el Centro de Estudios Hidrogrficos, CEDEX, con
metodologas propias con el fin de proporcionar una herramienta til para el desarrollo de trabajos
hidrolgicos, se trata de una aplicacin desarrollada en Visual Basic para MS WINDOWS, de fcil
manejo a travs de una interfaz grfica.
Esta aplicacin es de libre distribucin, respondiendo a uno de los fines del CEDEX, la
transferencia de tecnologa a la sociedad. La presente versin es preliminar y previa a la primera
versin definitiva, por encontrarse esta ltima todava en desarrollo.
El procedimiento de instalacin y apertura de la aplicacin CHAC es semejante a la de otros
programas elaborados para el entorno WINDOWS.
K.2. EJECUCIN
Una vez puesta en marcha la aplicacin aparece la ventana general de la misma (Figura K.1):
Figura K.1. Ventana principal de la aplicacin
En esta ventana aparecen los elementos principales de la aplicacin:

Mens desplegables. Permiten ejecutar las distintas tareas que abarca la aplicacin.
Botones: Realizan las mismas tareas que los mens desplegables proporcionando un
acceso ms rpido.
Ventana principal: En ella se despliega la informacin durante el uso de la aplicacin.
K- 1
Botn de imprimir grficos. Este botn se ha separado del resto para disponer de l en
cualquier circunstancia en que se tenga un grfico desplegado.
Al comenzar el trabajo con el CHAC, la mayora de las opciones de los mens y casi todos los
botones estn inhabilitados, hasta que se cree un nuevo proyecto o se abra uno creado
previamente, ya que sin esta informacin previa el resto de mens y botones no son tiles.
K.3. APERTURA DE UN PROYECTO

Para comenzar un trabajo debe crearse un proyecto. Un proyecto es el conjunto de datos,
selecciones, resultados, grficos, etc., relacionados con un cierto trabajo. Todas las operaciones
realizadas durante el trabajo se almacenan en ficheros internos de manera que el trabajo puede
recuperarse en cualquier momento. Todo ello se agrupa bajo un directorio y un nombre con el fin
de independizar los distintos trabajos que realice el usuario.
Pulsando el botn de Crear un proyecto nuevo (o desplegando el men correspondiente)
aparece la ventana de creacin de proyecto nuevo (Figura K.2):
Figura K.2. Ventana de definicin del proyecto [Manual del usuario del CHAC].
El nombre del proyecto se define mediante el directorio asociado, donde se guardan los ficheros de
datos. El nombre del directorio ser el del proyecto. El usuario puede:
Seleccionar un directorio existente para crear un proyecto nuevo. La ventana incluye un
buscador para elegir directorio de proyecto (pulsar ACEPTAR).
Seleccionar un directorio raz del que colgar el nuevo directorio (pulsar CREAR
NUEVO). Cuando se elige esta ltima opcin aparece la ventana de la Figura K.3:
K- 2
Figura K.3. Ventana para nombrar el proyecto [Manual del usuario del CHAC].
Una vez se introduce el nombre del proyecto se presiona aceptar, quedando creado el proyecto. Si
no se indicase la direccin donde se quiere guardar el proyecto, los directorios de proyectos se
crean por defecto en el subdirectorio de proyectos del directorio del programa. No est permitido
guardar proyectos en el directorio del programa ni en el directorio proyectos.
K.4. CARACTERSTICAS DE LOS FICHEROS DE DATOS: EL FORMATO LEMA

Los ficheros de datos, tipo LEMA, son ficheros ASCII con extensin .txt en los que se ordenan las
series temporales mensuales con las coordenadas del punto de medida (estacin meteorolgica o
hidromtrica) con el siguiente formato de datos:
Tabla K.1. Formato LEMA [Manual del usuario del CHAC].
K- 3
Es importante hacer notar que columnas se les llama a cada carcter que forma los datos y que no
necesariamente tiene que llenar el nmero de columnas asignados para cada uno de dichos datos,
pueden ser menores pero en ningn caso ms grandes. Otra observacin importante es que una
vez finalizada la introduccin de datos para un ao, se cambia de fila y se prosigue con el siguiente
hasta que se completa el registro de una estacin, finalizado ste, se comienza en la siguiente fila
con los datos de la siguiente estacin y as sucesivamente hasta que se introduzcan todas las
estaciones con las que se quiere trabajar.
La falta de dato se indica con un 100.0. El archivo puede prepararse en Excel u otra hoja de
clculo y luego convertirlo a formato de texto con la herramienta Ficheros Lema incluida en el
CHAC. Es importante recordar que la primera fila de archivo de Excel o de texto debe ir en blanco.
Estas series temporales se refieren a diferentes tipos de variables como pueden ser humedad,
precipitacin total mensual mxima de 24 horas, caudales mnimos instantneos, etc. El tipo de
medida se indica en la cuarta columna mediante un cdigo para el tipo de dato. Para el proyecto
que estamos desarrollando crearemos tres variables en formato LEMA: precipitacin mensual total,
caudales medios mensuales y evapotranspiracin mensual total. En la Tabla K.2 se presentan
todas las variables que maneja el CHAC y los cdigos correspondientes.
El dato de la ltima columna, corresponde al valor anual que ser diferente en funcin del tipo de
variable que se est considerando como se resume en la siguiente tabla:
K- 4
Tabla K.2. Cdigos de tipo de dato en ficheros LEMA [Manual del usuario del CHAC].
K- 5
El manual de usuario del CHAC presenta erroneo el cdigo de ETP areal necesario en los archivos
de este tipo, porque segn la Tabla K.2 debe ser ETA pero cuando se preparan con la Herramienta
Ponderaciones Lema los archivos de salida tiene el cdigo EVA. A continuacin se muestra un
fichero ejemplo en la Figura K.4:
Figura K.4. Formato LEMA [Manual del usuario del CHAC].
K.5. GENERACIN DE FICHEROS LEMA

Puesto que CHAC trabaja con ficheros .txt con formato LEMA, difciles de crear en un procesador
de texto, ofrece la posibilidad de transformar los ficheros provenientes de Excel o Access a dicho
formato dentro del men de Utilidades. En este mismo apartado podremos indicar el mes de
comienzo del ao hidrolgico para el proyecto en cuestin as como borrar los ficheros
pertenecientes al mismo.
Los archivos de Excel o Access tiene que tener el mismo formato descrito anteriormente para los
archivos LEMA con la excepcin que en lugar de espacios basta un cambio de celda y que la
primera fila debe estar en blanco como se observa en la Figura K.5.
Figura K.5. Fichero de Excel. Primera columna en blanco [Manual del usuario del CHAC].
Tras acceder a la opcin de Generacin de ficheros LEMA, Figura K.6 se abre Excel o Access y
se copia todos los datos necesarios y se pegan en CHAC con la opcin Pegar desde el
portapapeles, Figura K.7.
K- 6
Figura K.6. Generacin de ficheros LEMA [Manual del usuario del CHAC].
Tras la transformacin de los ficheros en formato LEMA, CHAC ofrece la opcin de grabarlos en la
direccin deseada pulsando el botn Grabar fichero LEMA, Figura K.8.
Figura K.7. Pegado desde el portapapeles de ficheros Excel o Access [Manual del usuario del CHAC].
Figura K.8. Generacin de ficheros LEMA. Primera columna en blanco [Manual del usuario del CHAC].
Finalmente se tiene un archivo como el que se presenta en la Figura K.9.
Figura K.9. Fichero .txt resultado de la transformacin a LEMA [Manual del usuario del CHAC].
K- 7
Para adaptar el uso del CHAC a cualquier espacio geogrfico, se hace imprescindible ofrecer la
posibilidad de escoger para cada proyecto las caractersticas del comienzo del ao hidrolgico as
como las dimensiones del estudio.
Esta opcin se habilita dentro de la seccin de Utilidades, apareciendo el cuadro de la Figura K.10
tras seleccionar la opcin Preferencias, Ao hidrolgico y Dimensiones. Tambin se ejecuta
automticamente la primera vez que se abre el programa.
El programa viene con el mes de inicio del ao hidrolgico en Octubre debido a que fue elaborado
en Espaa. Para usarlo en El Salvador se debe cambiar el mes de inicio a Mayo.
Figura K.10. Configuracin inicial de Chac [Manual del usuario del CHAC].
K.6. SERIES TEMPORALES

Una vez creados los ficheros LEMA que se usarn para la simulacin, se abren con el botn Abrir
ficheros de datos de series temporales (Figura K:11) que se activa cuando se crea un nuevo
proyecto. Una vez abierto el fichero que se desea trabajar, se activan las opciones del men
Series temporales que permiten acceder a los distintos mdulos de clculo de la aplicacin:
Edicin de las series temporales
Dibujo de las series temporales
Cronograma de las series temporales
Estadstico de las series temporales
Dobles acumulaciones entre estaciones
Completado de series temporales
Ponderacin de series LEMA
Leyes de frecuencia
Ponderacin de informes de Leyes de frecuencia
K- 8
Figura K.11. Botn de carga de ficheros (varios diskettes negros) [Manual del usuario del CHAC].
Tambin se activa la opcin Fichero de datos en el men desplegable de series temporales.

Seleccionando esta opcin o pulsando el botn de abrir ficheros se despliega la ventana de
ficheros (Figura K.12):
Figura K.12. Ventana de abrir fichero de datos [Manual del usuario del CHAC].
Pulsando el botn Abrir fichero se despliega la ventana de seleccin del fichero de datos (Figura
K.13):
Figura K.13. Ventana de seleccin de los ficheros de datos [Manual del usuario del CHAC].
Seleccionado el fichero se cargan los datos en memoria, apareciendo en la ventana de datos del
fichero (Figura K.14):
K- 9
Figura K.14. Ventana del fichero de datos [Manual del usuario del CHAC].
Una vez cerrado el fichero con el botn Cerrar se almacenan los datos en la base de datos de la
aplicacin, quedando habilitados los botones y mens de la aplicacin (Figura K.15):
Figura K.15. Botones de la aplicacin [Manual del usuario del CHAC].
A continuacin se expone el empleo de los mdulos ms importantes de la aplicacin CHAC para

manejo de series temporales:
K.7.DIBUJO DE LAS SERIES TEMPORALES

Seleccionando esta opcin se despliega la ventana de dibujo de series temporales (Figura K.16):
Figura K.16. Ventana de dibujo de series temporales [Manual del usuario del CHAC].
K - 10
En esta ventana aparece un campo para la seleccin de la estacin, con un cursor que permite
visualizar todas las estaciones disponibles en la base de datos. Seleccionada la estacin, se
despliega un grfico con aos hidrolgicos en las abscisas y con precipitaciones mensuales en las
ordenadas, utilizndose como fondo de escala de abscisas los aos primeros y ltimo de toda la
serie de estaciones contenidas en la base de datos, y el mximo valor de precipitacin de todas las
series como fondo de escala de las ordenadas. Ambas escalas pueden modificarse en funcin de
la serie de datos a representar. As, la escala de ordenadas puede ajustarse automticamente al
rango de datos escogiendo la opcin Auto del cuadro Escala Y, mientras en el caso de las
abscisas el usuario puede establecer los aos que desea que se representen mediante la opcin
ampliar.
Tambin se dispone del botn Imprimir grfico que permite volcar el grfico desplegado en
pantalla por impresora.
K.8. CRONOGRAMA
Seleccionando esta opcin se despliega la ventana del cronograma mensual (Figura K.17):
Figura K.17. Ventana del cronograma [Manual del usuario del CHAC].
El cronograma, en el que se representan los periodos cubiertos por las series temporales del
conjunto de las estaciones (aos hidrolgicos en abscisas y estaciones en ordenadas) es til para
estudiar los periodos comunes de existencia de datos de las estaciones, con el fin de determinar el
periodo de estudio comn a todo el conjunto o parte de l. Al igual que el dibujo de las series
temporales es posible imprimir el cronograma desplegado.
K.9. ESTADSTICO
Esta opcin abre la ventana del estadstico (Figura K.18):
K - 11
Figura K.18. Estadstico de las series temporales [Manual del usuario del CHAC].
El estadstico presenta, para cada estacin de la base de datos, un listado de las siguientes
variables estadsticas calculadas para la serie anual:
Nmero total de aos con dato para el conjunto de estaciones
Nmero total de aos de la serie de la estacin
Nmero de aos completos (con datos de todos los meses)
Valor medio de toda la serie anual (mm)
Coeficiente de variacin de la serie anual
Coeficiente de sesgo de la serie anual
Es posible copiar los datos del estadstico al portapapeles mediante la opcin Pegar al
portapapeles.
Las variables estadsticas que calcula son las que se presentan en la Tabla K.3:
Tabla K.3. Variables estadsticas calculadas. [Manual del usuario del CHAC].
K - 12
K.10. DOBLES ACUMULACIONES

CHAC permite efectuar el anlisis de dobles acumulaciones entre estaciones para el estudio de la
correlacin de sus datos mediante la opcin Dobles acumulaciones dentro del men de Series
temporales.
En primer lugar deben agruparse las estaciones en grupos de estaciones homogneas, nmero
patrones de estaciones con las que se trabajar (Figura K.19):
Figura K.19. Ventana de creacin de grupos de estaciones homogneas [Manual del usuario del CHAC].
Decidido el nmero de grupos de estaciones homogneas, aparece la ventana de formacin de los

grupos de estaciones (Figura K.20):
Figura K.20. Ventana de formacin de los grupos de estaciones [Manual del usuario del CHAC].
Esta ventana presenta campos para formar los grupos o patrones de estaciones, seleccionando
cada estacin con el ratn, e incluyndola en cada grupo mediante las flechas, permite rectificar la
decisin de incluir o no una estacin en un grupo, as como modificar el nmero de grupos (puede
introducirse una en un grupo y despus decidirse lo contrario). Al finalizar este proceso se tiene
una ventana como la que se observa en la Figura K.21.
K - 13
Figura K.21. Constitucin de un grupo de estaciones homogneo [Manual del usuario del CHAC].
Para facilitar la constitucin de los patrones de estaciones se cuenta con dos ayudas, que se
presentan en la parte derecha de la ventana mostrada en la Figura K.21:
Grfica o plano de la ubicacin relativa de las estaciones. Permite estudiar la proximidad de las
estaciones.
Estadstico de las estaciones. Permite comparar valores estadsticos importantes para comprobar
la homogeneidad de las estaciones: nmero de aos totales y completados, valor medio,
coeficiente de variacin y coeficiente de sesgo.
En cualquier momento puede cambiarse el nmero de grupos y se puede Imprimir la ubicacin
relativa de las estaciones, para que sea ms clara su visualizacin.
Una vez constituidos los grupos, se aceptan con el botn Aceptar apareciendo la ventana de
dobles acumulaciones en la que se representan los porcentajes de las series acumuladas de las
estaciones seleccionadas.
Para obtener las dobles acumulaciones entre las estaciones de un grupo, basta con escoger el
grupo en el campo de grupos, y seleccionar las estaciones a relacionar en cada eje con el ratn,
obtenindose inmediatamente el grfico de porcentaje de series acumuladas ao a ao en la
ventana de la derecha, como se muestra en la Figura K.22.
Para graficar el patrn con una de las estaciones basta con seleccionar la media para el eje X y la
estacin que nos interesa en el eje Y, aunque solo se representarn las series acumuladas de
datos contemporneos.
K - 14
Figura K.22. Ventana de dobles acumulaciones [Manual del usuario del CHAC].
Tambin se muestra el estadstico para evaluar correctamente la correlacin. Se dispone de

botones para Imprimir los grficos, para Volver a la ventana de constitucin de los grupos en el
caso en que los resultados no sean satisfactorios.
K.11. PONDERACIN DE SERIES LEMA

El modelo CHAC permite el clculo de una serie temporal representativa de una cuenca como por
ejemplo la de precipitacin areal conocida como precipitacin media o la de la evapotranspiracin
areal. Muy importante ya que son este tipo de datos los que se utilizan en la simulacin.
Para ello Chac asigna a los datos de cada uno de los meses de cada estacin considerada para el
estudio (Pi) un peso (,constante para cada estacin) para obtener la media areal segn la
formulacin:
(Ec. K.1)
Este peso es calculado previamente con Thiessen ya que se trata del porcentaje de influencia de
cada estacin en la cuenca.
Escogiendo la opcin Ponderacin de series Lema dentro de Series Temporales se accede a
Ponderacin directa. Al pulsar esta opcin se despliega la ventana siguiente (Figura K.23):
K - 15
Figura K.23. Seleccin de estaciones para el clculo areal [Manual del usuario del CHAC].
De nuevo, como para las dobles acumulaciones, podemos escoger las estaciones seleccionadas
para el estudio sin ms que presionar sobre la flecha. Tras aceptar la seleccin aparece la ventana
en que deben indicarse por teclado los pesos asignados a cada estacin como se muestra en la
Figura K.24.
Figura K.24. Pesos para el clculo areal [Manual del usuario del CHAC].
Tras asignar los pesos y pulsando el botn de Generar fichero de datos areales se aparece en
pantalla la ventana de la Figura K.25 en la que debe indicarse el ciclo anual de clculo en el que
todas las estaciones seleccionadas deben presentar dato, las coordenadas y el cdigo del punto o
estacin al que se asignar el valor areal obtenido, como podra ser por ejemplo el cierre de la
cuenca a una estacin de aforos.
K - 16
Figura K.25. Periodo de generacin de datos areales [Manual del usuario del CHAC].
Al aceptar, Chac genera el fichero con formato .txt de datos ponderados y automticamente
presenta en pantalla una ventana para direccionar y guardar tanto ste como el fichero de pesos
(Figura K.26 y K.27), de forma que ms adelante podremos recuperar este ltimo para nuevos
clculos sin mas que acceder a Recuperar fichero de datos dentro de Ponderacin de series LEMA
(Figura K.28 y K.29).
Figura K.26. Fichero de salida de datos ponderados [Manual del usuario del CHAC].
Figura K.27. Fichero de pesos [Manual del usuario del CHAC].
K - 17
Figura K.28. Recuperacin del fichero de pesos previamente grabado [Manual del usuario del CHAC].
Figura K.29. Recuperacin del fichero de pesos [Manual del usuario del CHAC].
K.12. MODELO DE TMEZ. BASE TERICA

La publicacin Modelo matemtico de transformacin precipitacinaportacin, formulada por
J.Ramn Tmez en el ao de 1977, contiene un apartado de clculo de aportaciones, del cual se
presentan a continuacin las principales ecuaciones:
El clculo del excedente de agua en funcin de la precipitacin (Pi), del dficit de hmedad en el
suelo (Hmx Hi-1) y de la evapotranspiracin potencial (EPi) es:
Pi P0 Ti = 0
Pi P0 Ti =
(Pi P0 )2
Pi + 2 P0
(Ec. K.2)
(Ec. K.3)
donde:
= H mx H i + EPi
K - 18
(Ec. K.4)
P = C (H mx H i 1 )
(Ec. K.5)
Siendo:
Pi
= Precipitacin en el mes i (mm)
Ti
= Excedente de agua en el mes i (mm)
Hmx
= Capacidad mxima de almacenamiento de agua en el suelo (mm)
Hi-1
= Almacenamiento de agua en el suelo en el mes i-1 (mm)
EPi
= Evapotranspiracin potencial en el mes i (mm)
= Parmetro de excedente
El almacenamiento de agua en el suelo (Hi) y la evapotranspiracin real (Ei) en el mes i se obtiene

mediante las siguientes expresiones:
H i = mx (0, H i 1 + Pi Ti EPi )
(Ec. K.6)
E i = mn (H i 1 + Pi Ti , EPi )
(Ec. K.7)
La infiltracin del acufero por lluvia directa (Ii) es funcin del excedente de agua (Ti) y del
parmetro de infiltracin mxima (Imx) se obtiene por medio de la siguiente expresin.:
I i = I mx
Ti
Ti + I mx
(Ec. K.8)
El volumen almacenado en el acufero y su descarga a la red de drenaje superficial o al mar se

realiza mediante las siguientes expresiones:
1 e t
Vi = Vi 1 e t + R i

ASUBi = Vi 1 Vi + R i
(Ec. K.10)
= Coeficiente de agotamiento del acufero (meses )
= Intervalo temporal (mes)
Ri
= Recarga al acufero en el mes i (mm/mes)
Vi
= Volumen almacenado en el acufero en el mes i (mm)
ASUBi
= Aportacin subterrnea correspondiente al mes i (mm/mes)
-1
K - 19
(Ec. K.9)
La aportacin es igual a la parte del excedente (Ti) no infiltrada (Ii) ms la aportacin subterrnea
(ASUBi):
(Ec. K.11)
ASUPi
= Aportacin superficial del mes i (mm/mes)
ATOTi
= Aportacin total durante el mes i (mm/mes)
K.13. CALIBRACIN
Este apartado facilita el ajuste del modelo a las condiciones de la estacin mediante la calibracin
de los parmetros Hmx, C, Imx, y coeficiente de cultivo apoyndose en evaluacin de errores y en
la comparacin visual de los hidrogramas observados y simulados. Bajo el epgrafe de Calibracin,
Chac permite llevar a cabo dos procesos bsicos en la aplicacin de modelos para el clculo de
aportaciones. Son:
Calibracin: Ajuste de los parmetros del modelo durante un periodo por comparacin
entre valores simulados y los caudales reales medidos en estaciones de aforo.
Comprobacin de la capacidad descriptiva del modelo.
Validacin: Comprobacin de la capacidad predctiva del modelo aplicando los
parmetros de la calibracin durante un periodo no empleado para sta.
Dentro del mdulo de Clculo de aportaciones se accede al apartado de Calibracin
presentndose la siguiente ventana (Figura K.30):
Figura K.30. Calibracin. Datos iniciales [Manual del usuario del CHAC].
En este punto debern seleccionarse los ficheros de datos de entrada al modelo de Precipitaciones
areales y ETP areal previamente calculados, si este ltimo se obtuvo con la herramienta del CHAC
presenta los archivos con cdigo EVA, pero no acepta el archivo si no se cambia a EPA. Tambin
K - 20
se introduce el fichero de Caudales registrados. Adems debe indicarse el periodo de calibracin

(validacin) as como la superficie de cuenca, el nmero de das de lluvia por mes y el nmero de
ramas de descarga (mximo: 2).
Tras aceptar aparece la ventana que permitir tantear el ajuste de parmetros (Figura K.31). Se
muestra la grfica de evolucin en el ao hidrolgico medio de los caudales simulados y los
histricos. CHAC permite modificar los parmetros del modelo para ajustar los caudales simulados
a los reales. En la parte superior de la ventana de contraste del ao medio se da informacin sobre
distintos trminos de error.
Figura K.31. Calibracin o validacin de parmetros [Manual del usuario del CHAC].
Los errores calculados entre caudales simulados y reales CHAC corresponden a la formulacin
que se presenta en la Tabla K.4:
K - 21
Tabla K.4. Grficos de calibracin [Manual del usuario del CHAC].
Una vez ajustada la tendencia se puede validar los resultados a travs de la verificacin de las
grficas. Desde la ventana de Grficos de datos calibrados se puede Volver Atrs, Salir, Imprimir
los grficos y en algunos casos modificar la escala horizontal mediante la opcin Ampliar, que
ofrece un cuadro en el que se indican los aos inicial y final de la serie a representar (Figura K.32).
Figura K.32. Ampliar escala abscisas en Grficos [Manual del usuario del CHAC].
Desde la pantalla de calibracin podemos Volver atrs o Calcular los ficheros de resultado a partir
de los valores de parmetros seleccionados generndose entonces los siguientes ficheros (Tabla
K.5):
Tabla K.5. Ficheros de resultados de la calibracin [Manual del usuario del CHAC].
K - 22
K.14. SIMULACIN
Una vez calibrado y validado el modelo de evaluacin de recursos se pasa a la simulacin con el
valor de los parmetros estimados previamente cuyo fin puede ser:
- Completar y ampliar las series de registros histricos con lagunas
- Simular los recursos hdricos en cuencas no aforadas
- Prediccin de caudales considerando series meteorolgicas dadas
Como en el apartado anterior pueden editarse una serie de grficos con los resultados de este
proceso. stos pueden ser (Tabla K.6):
Tabla K.6. Grficos de simulacin [Manual del usuario del CHAC].
Desde esta ventana se puede Volver atrs, Imprimir, Salir y en algunos casos, igual que suceda
en los grficos de calibracin, Ampliar la escala horizontal indicando el periodo a representar.
CHAC genera una serie de ficheros resultado de la Simulacin que se presentan en la Tabla K.7:
Tabla K.7. Ficheros de resultado de la simulacin [Manual del usuario del CHAC].
K - 23
ANEXO L.
TEORA SOBRE REDES NEURONALES
L.1 TEORA GENERAL SOBRE REDES NEURONALES

[http://mailweb.udlap.mx/~pggomez/rna/notas/cap2.html.Junio 2004: c.2]
Las Redes Neuronales Artificiales emulan el funcionamiento del bloque fundamental del sistema
nervioso del cerebro humano, la neurona (Figura L.1).
Figura L.1. Representacin de una neurona humana

Una neurona est compuesta de 3 partes fundamentales:

- cuerpo
- dendritas
- axn
Las dendritas reciben seales de otras clulas en puntos de conexin llamadas sinapsis. De estas
se pasan al cuerpo de la clula, donde son esencialmente "promediadas" con otras seales. Si
este promedio en un determinado tiempo es suficientemente grande, la clula es excitada,
mandando un pulso a travs del axn a otras clulas.
El funcionamiento de un neurn artificial (Figura L.2) es simple, bsicamente consiste en aplicar un
conjunto de entradas, cada una representando la salida de otro neurn, o una entrada del medio
externo, realizar una suma ponderada con estos valores, y filtrar este valor con una funcin de
activacin o de transferencia.
L- 1
X2
W2
SALIDA
Wn
Xn
Figura L.2. Representacin de una neurona artificial
Las entradas, vector X, corresponden a las seales que llegan a la sinapsis de una neurona
biolgica. Cada seal se multiplica por un peso que tiene asociado, W1,W2 ... Wn. Los pesos se
agrupan en el vector W. Cada peso corresponde a la "intensidad" o fuerza de la conexin de una
sinapsis en un neurn biolgico. Estas multiplicaciones se suman. Este "sumador" corresponde
vagamente al cuerpo de una neurona biolgica y es una suma algebraica de las entradas
ponderadas, entonces queda:
NET = X1 W1 + X2 W2 + X3 W3 + ... Xn Wn
(Ec.L.1)
o representado en notacin matricial:

NET = XW
(Ec. L.2)
Donde:
NET = Suma algebraica de las entradas ponderadas
X
= Entradas o seales que llegan a la sinapsis de una neurona
= Pesos o intensidad de la conexin de una sinapsis en una neurona.
La seal NET generalmente se procesa por medio de
una funcin de activacin F, la cual
producir una seal que ser la salida del neurn OUT:

OUT = F(NET)
(Ec. L.3)
Donde:
OUT:
Salida del neurn.
NET:
Suma algebraica de las entradas ponderadas
L- 2
La funcin F puede ser lineal, umbral u otra cualquiera pero se prefieren aquellas que simulen
mejor las caractersticas no lineales de transferencia de una neurona biolgica. Por ello se
emplean funciones "squash como la "sigmoide" o funcin logstica, la cual reduce el rango de NET
de manera que OUT nunca se salga de algn lmite, independientemente de lo grande que sea
NET.
La notacin de este tipo de funciones es la siguiente:
OUT =
1
(1 + e - NET )
(Ec. L.4)
Donde:
OUT: Salida del neurn.
NET: Suma algebraica de las entradas ponderadas.
e:
Base del logaritmo neperiano.
La funcin de activacin determina la ganancia no lineal del neurn. Esta ganancia se puede definir
como la razn de cambio en OUT con respecto a cambio en NET. Note que en los valores
pequeos de NET el cambio de OUT es alto, mientras que para un valor de NET muy grande, el
cambio en OUT es mnimo. Para efectos de este proyecto se usar una funcin "sigmoide" como
funcin de transferencia.
El modelo de un nico neurn artificial es sencillo; el poder de las Redes Neuronales, RNA, se
obtiene de las conexiones entre mltiples neurones.
Los neurones se relacionan entre s formando redes que pueden llegar a ser tan complejas como
el neocognitrn, o tan simples como el perceptrn, dependiendo de la cantidad de neurones en
cada red. En general, se pueden identificar capas o niveles en una red. El modelo ms simple es el
de una capa y es el utilizado en este proyecto, aunque existen neuronas complejas de muchas
capas principales u ocultas. A continuacin se muestra una RNA de una capa (Figura L.3).
L- 3
W11
X1
W 12
Y1
W13
W21
W 22
X2
Y2
W23
W31
W32
X3
W33
Y3
NODOS DE
ENTRADA
(no hacen nada)
Figura L.3. Red neuronal de 1 nivel.

En la figura anterior se muestran los siguientes valores:

W = matriz de m filas y n columnas
m = nmero de entradas
n = nmero de salidas
X = Vector fila que contiene los valores de entrada
Con:
N = XW
Y = F(N)
(Ec. L.5)
Donde Y representa al vector de salida de la red. Por ejemplo, si n = 3 entonces Y1 se calcula de

la siguiente forma:
Y1 = F(x1w11 + x2w21 + x3w31)
(Ec. L.6)
Y2 y Y3 se pueden calcular de manera similar.

Se observa que cada salida es un polinomio donde cada variable dependiente x esta afectada por
un factor w, que como se mencion anteriormente se trata de los pesos, que reflejan la
ponderacin que tiene cada una de las entradas, es decir la importancia de cada entrada respecto
a la salida.
L- 4
Para obtener resultados satisfactorios es necesario variar los pesos, hasta que se obtenga la salida
mas parecida a lo que se espera de un registro histrico como el que se esta analizando. Por lo
que se recurre a una fase previa a la prediccin conocida como entrenamiento de la red, en la cual
se obtienen los pesos que dan la salida ptima. El tipo de entrenamiento ms utilizado es el
supervisado (Figura L.4) el cual es utilizado en este proyecto.
Para que sea un entrenamiento supervisado se requiere que en la fase de entrenamiento cada
vector de entrada est relacionado con una salida deseada. Al par de vectores representando los
valores de entrada y salida deseada se le llama el par de entrenamiento.
DATOS DE
ENTRADA
ENTRENAMIENTO
SALIDA
DESEADA
PESOS
Figura L.4. Entrenamiento Supervisado.

Cada vector de entrada se aplica a la red, se calcula la salida y se compara con la salida deseada.
La diferencia o error se multiplica por los pesos para que stos cambien segn algoritmos que
minimizan este error y que son diferentes de acuerdo al tipo de red neuronal. Diferentes vectores
de entrenamiento se aplican a la red secuencialmente hasta que el error en el conjunto de
aprendizaje es lo suficientemente pequeo.
Una de las redes ms utilizadas es la red ADALINE (ADAptative Linear Neural) cuyas
caractersticas son [Adaptado de www.lfcia.org/~cipenedo/ cursos/scx/archivospdf/Tema3-0.pdf:
Junio 2004: c.3]:
Es de aprendizaje supervisado.
Utiliza correccin de error para su aprendizaje. Modifica los pesos para tratar de reducir
la diferencia entre la salida actual y la salida deseada (para cada patrn).
Minimiza el Error Cuadrtico Medio (LMS) sobre todos los patrones de entrenamiento.
A esta red se lo conoce como Regla de Widrow Hoff.
Su salida puede tener valores binarios o discretos.
L- 5
Aunque existen otro tipo de redes neuronales como el perceptrn, ART1, ART2 y el neocognitrn,
para propsitos de este proyecto se usar la red ADALINE que es sencilla pero a la vez da buenos
resultados.
La salida de la red ADALINE cuando tiene una sola salida viene dada por:
n
y = wi * xi
(Ec. L.7)
i =0
Siendo:
y = Salida de la red
wi = Pesos correspondientes a cada entrada
xi = Entradas a la red.
La modificacin de los pesos se hace mediante:
w j (t + 1) = w j (t ) + (Salida deseada - Salida obtenida )x j (t )
(Ec. L.8)
Donde:
t = Variable contador
= Factor de aprendizaje, que indica la razn de cambio de los pesos.
Los pasos del entrenamiento de la red son los siguientes:
1. Inicializacin de pesos con pequeos valores aleatorios.
2. Se determina el factor de aprendizaje con un valor pequeo para que los resultados no se
disparen bruscamente.
3. Se aplica un patrn de entradas (entradas y salidas deseadas).
4. Se computa la salida lineal que se obtiene en la red.
5. Se calcula el error cometido para dicho patrn.
6. Se modifican los pesos.
7. Repetir los pasos del 2 al 5 hasta terminar con todos los patrones de entrenamiento.
8. Si el error cuadrtico medio es un valor reducido aceptable, termina el proceso. De lo contrario
se regresa al paso 2.
L- 6
ANEXO M.
TEORA SOBRE MTODOS ESTOCSTICOS
M.1. PARMETROS EMPLEADOS EN LOS MTODOS ESTOCSTICOS.

La varianza debe corregirse si se presenta correlacin serial de la siguiente manera:
n
2 =
x
i =1
2
i
nX
(Ec. M.1)
n 1
donde:
: es una funcin de la correlacin serial y de la longitud del registro (ver tabla 1)
n 1
n
=
2
1
2 1 n
1
+
n(1 ) n 2 (1 )2
Si las secuencias
{Yi } = {X i }, i = 1,2,...., n 1,
aritmticas Y, Z y varianzas
(Ec. M.2)
y {Z i 1 } = {X i } i = 2,3,..., n , tienen medias

,
2
y , z2 , respectivamente, el coeficiente de correlacin serial viene
dado por:
n 1
1
=
n2
(Y Z ) (n 1)Y Z
j =1
, donde
y z
1 1
(Ec. M.3)
E l valor de en funcin del tamao de la muestra y puede verse en la Figura M.1 una gua de los
posibles rangos de valores que se deben obtener en su calculo.
M -1
Figura M.1. Significado del coeficiente de correlacin serial en funcin del tamao de la muestra. [Linsley 1998: c.12
p317].
Tabla M.1. Valores de en la ecuacin 2.32. Para el calculo de la varianza. [Linsley 1998: c.12 p317].
M.2. DEFINICIN DE PARMETROS.

[Adaptado de Linsley 1988: cap. 12, p. 314-319]
En este apartado se presentan las consideraciones con que se define el clculo de algunas las
variables que intervienen en las ecuaciones del apartado 2.3
Una distribucin de probabilidades puede definirse por pocos parmetros, por ejemplo, una
distribucin normal queda completamente definida por dos parmetros, la media y la varianza. La
mayora de las distribuciones de probabilidad de alguna importancia en hidrologa necesitan de dos
M -2
o ms parmetros para ser definidas. Estos parmetros pueden relacionarse directamente con
propiedades tales como la media aritmtica, la varianza y la asimetra de los datos histricos.
La serie de tiempo observada es solamente una muestra pequea de la serie de tiempo total. Si la
verdadera media aritmtica de la poblacin es , solo podemos aproximar , por medio de la media
2
aritmtica de la muestra . Es por esto que una distribucin normal N ( , 1 ) con una media
2
poblacin de y una varianza poblacional de 1 , se puede aproximar por medio de una

2
distribucin N ( , 1 ).
Para cualquier distribucin de probabilidades la media aritmtica se aproxima a:
n
Q=
i =1
Qi
n
(Ec. M.4)
Donde:
n= nmero de elementos en la muestra.

n
Desviacin estndar de la muestra base:
(Q Q )
i =1
n 1
(Ec. M.5)
M.3. DISTRIBUCIN DE t i .
La variable aleatoria o variable estocstica, toma valores que dependen del azar; es decir, es un
valor que se asocia con un experimento.
Como el caudal promedio mensual contiene una variable aleatoria ti con un intervalo (finito) de
nmeros reales, entonces se dice que ti es una variable aleatoria continua. Dicha variable ti
presentar comportamientos que pueden ser modelados por medio de una distribucin terica de
densidad de probabilidad.
Debido a que en este proyecto se requieren rellenar y/o extender a series de caudales promedio
mensuales que generalmente presentan una distribucin histrica normal, entonces se podr hacer
la siguiente simplificacin: El comportamiento de la variable aleatoria continua ti puede ser
modelado por medio de una distribucin normal. Ahora el valor de ti se toma de un generador de
nmeros aleatorios con una distribucin normal.
M -3
M.4. VARIABLE ESTNDAR TI. [SALGUERO 2002: CAP. 5, P. 145-148]
Se prueba que al hacer a
ti =
x
, llamada variable normal estndar, sigue tambin una ley
normal y sus parmetros son: = 0 y = 1. Por lo tanto ti es N (0, 1).

2
Para calcular la probabilidad de un suceso X con N ( , 1 ), debemos estandarizar la variable x

mediante
ti =
x
, y remitirnos a las tablas de distribucin normal estndar.
Variable aleatoria estndar para una distribucin normal:
ti =
Qi Q
(Ec. M.6)
Una variable aleatoria tiene una distribucin normal con media y varianza , queda totalmente
2
especificada si se conocen y . Por ello, una notacin usual es escribir N ( , 1 ) para indicar
que una cierta variable real se distribuye normalmente.
M -4
ANEXO N.
RELLENO PARCIAL POR MTODOS ANALTICOS PARA

EVALUAR RESULTADOS
En este anexo se presentan las tablas completas de aplicacin de los mtodos analticos de relleno
y extensin a los meses de Junio, Septiembre y Enero de los registros histricos de la estacin de
Moscoso, clculos necesarios para realizar los anlisis de resultados, conclusiones y
recomendaciones.
N.1. RELLENO PARCIAL MES DE JUNIO

Mtodos
Junio 1965/66
Real
%Variacin
Junio 1966/67
Real
%Variacin
N/A
N/A
N/A
N/A
83.207
-258.343
113.837
-83.520
3) Markoviano
N/A
N/A
28.731
53.682
4) Thomas Fiering
N/A
N/A
27.965
54.916
5) Entre Estaciones
N/A
21.647
65.102
N/A
7) Redes Neuronales
N/A
8) Thornwaite
9) Curva Msica
N/A
N/A
N/A
42.544
N/A
N/A
N/A
N/A
N/A
N/A
N/A
13.075
43.6928
50.987
17.803
N/A
N/A
N/A
N/A
12) 33%Precipitacin
N/A
N/A
N/A
N/A
13) 21%Precipitacin
N/A
N/A
N/A
Mtodos
Junio 1967/68
23.22
Real
%Variacin
Junio 1968/69
N/A
62.030
31.414
N/A
N/A
Real
%Variacin
N/A
N/A
N/A
N/A
81.037
-232.118
32.024
-8.741
3) Markoviano
30.069
-23.232
29.155
1.002
4) Thomas Fiering
29.461
-20.741
28.737
2.421
5) Entre Estaciones
27.648
-13.310
25.065
14.888
N/A
N/A
N/A
N/A
7) Redes Neuronales
-58.084
24.190
8) Thornwaite
N/A
N/A
N/A
N/A
9) Curva Msica
N/A
N/A
N/A
N/A
38.573
24.400
29.450
17.862
10.141
58.439
21.44
27.1986
N/A
N/A
N/A
N/A
12) 33%Precipitacin
N/A
N/A
N/A
N/A
13) 21%Precipitacin
Mtodos
N/A
Junio 1969/70
N/A
3) Markoviano
N/A
Real
35.10
%Variacin
N/A
Junio 1970/71
N/A
Real
43.00
%Variacin
N/A
N/A
24.766
29.440
12.166
71.708
28.798
17.954
31.023
27.853
4) Thomas Fiering
28.511
18.773
30.728
28.541
5) Entre Estaciones
22.433
36.088
26.169
39.141
N/A
N/A
N/A
N/A
27.003
23.067
33.511
22.067
7) Redes Neuronales
N -1
N/A
8) Thornwaite
N/A
N/A
N/A
N/A
9) Curva Msica
N/A
N/A
N/A
N/A
21.367
39.126
24.815
42.291
N/A
N/A
N/A
N/A
12) 33%Precipitacin
N/A
N/A
N/A
N/A
13) 21%Precipitacin
Mtodos
N/A
Junio 1971/72
N/A
Real
%Variacin
N/A
Junio 1972/73
N/A
Real
%Variacin
N/A
N/A
N/A
N/A
26.729
-12.779
30.656
-37.4709
3) Markoviano
31.145
-31.414
31.039
-39.1883
4) Thomas Fiering
30.879
-30.292
30.823
-38.2197
5) Entre Estaciones
26.941
-13.676
29.804
-33.6486
27.080
-14.262
16.016
7) Redes Neuronales
42.675
-80.064
27.027
23.70
28.1802
22.30
-21.1973
8) Thornwaite
N/A
N/A
36.975
9) Curva Msica
N/A
N/A
N/A
N/A
14.923
37.0340
16.223
27.2511
23.6682

-65.8072
N/A
N/A
17.022
12) 33%Precipitacin
34.375
-45.044
24.476
-9.7578
13) 21%Precipitacin
21.875
7.699
15.575
30.1570
Mtodos
Junio 1973/74
Real
%Variacin
Junio 1974/75
Real
%Variacin
N/A
N/A
N/A
N/A
8.804
86.1129
38.663
-157.410
3) Markoviano
30.465
51.9479
30.949
-106.053
4) Thomas Fiering
30.284
52.2334
30.780
-104.928
5) Entre Estaciones
28.028
55.7922
26.578
-76.949
76.199
-20.1882
39.143
-160.606
7) Redes Neuronales
24.757
60.9511
50.557
8) Thornwaite
62.604
1.2555
93.146
N/A
N/A
N/A
N/A
33.238
47.5741
12.210
18.710
11)Transposicin Caudales Areas/Precipitacin
41.342
34.7918
12.036
19.864
12) 33%Precipitacin
61.941
2.3013
42.744
-184.579
13) 21%Precipitacin
39.417
37.8281
27.201
-81.095
9) Curva Msica
Mtodos
Junio 1975/76
63.40
Real
%Variacin
Junio 1977/78
15.02
-236.601
-520.146
Real
%Variacin
N/A
N/A
N/A
N/A
6.319
7.753
72.400
-141.173
3) Markoviano
30.562
-346.163
N/A
N/A
4) Thomas Fiering
30.411
-343.961
N/A
N/A
5) Entre Estaciones
25.538
-272.820
N/A
N/A
10.054
7) Redes Neuronales
32.870
8) Thornwaite
22.686
9) Curva Msica
-46.773
51.520
-379.849
N/A
-231.182
6.85
-71.620
33.061
30.02
N/A
-10.130
N/A
N/A
N/A
N/A
8.767
-27.989
16.240
45.903
8.873
-29.540
19.305
35.692
12) 33%Precipitacin
17.133
-150.117
49.950
-66.388
13) 21%Precipitacin
Mtodos
10.903
Junio 1978/79
-59.166
Real
N -2
%Variacin
31.786
Junio 1979/80
-5.883
Real
%Variacin
N/A
N/A
N/A
N/A
78.358
-863.810
75.240
-195.523
3) Markoviano
17.109
-110.448
31.532
-23.850
4) Thomas Fiering
16.971
-108.741
30.854
-21.186
5) Entre Estaciones
14.888
-83.120
20.527
19.374
12.276
-50.997
66.604
7) Redes Neuronales
9.438
-16.092
0.000
8) Thornwaite
26.465
-225.5228
47.360
-86.017
N/A
N/A
N/A
N/A
7.009
13.785
21.565
15.299
5.552
31.714
25.010
1.767
12) 33%Precipitacin
20.155
-147.908
57.566
-126.104
-57.759
36.633
-43.885
9) Curva Msica
13) 21%Precipitacin
8.13
12.826
Mtodos
Junio 1980/81
Real
N/A
-161.601
25.46
%Variacin
N/A
58.10
154.047
3) Markoviano
33.260
42.753
4) Thomas Fiering
32.723
43.679
5) Entre Estaciones
-165.141
N/A
N/A
67.183
-15.634
7) Redes Neuronales
28.645
50.696
8) Thornwaite
73.755
-26.945
9) Curva Msica
N/A
N/A
56.899
2.066
11)Transposicin Caudales Areas/Precipitacin
67.062
-15.425
12) 33%Precipitacin
57.839
0.449
13) 21%Precipitacin
36.807
36.649
Tabla 0-1 Variacin entre valores reales y los encontrados por mtodos analticos
Mtodos
Junio 1976/77
48.454
3) Markoviano
30.495
4) Thomas Fierin
30.370
5) Entre Estaciones
28.046
114.516
7) Redes Neuronales
24.563
8) Thornwaite
78.581
9) Curva Msica
54.446
62.768
12) 33%Precipitacin
77.037
13) 21%Precipitacin
49.024
Tabla 0-2 Relleno del mes de Junio 1976/77 por mtodos analticos y modelo CHAC
N -3
100.000
Ao
Precipitacin
Precipitacin
Mtodos
Caudal
anual
mensual
1965/66
N/A
N/A
Abajo
1966/67
N/A
N/A
Arriba
1967/68
N/A
N/A
1968/69
N/A
1969/70
1970/71
2 3
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
Promedio
N/A
N/A
N/A
Promedio
X X
N/A
N/A
N/A
N/A
Arriba
X X
N/A
N/A
N/A
Arriba
N/A
1971/72
Arriba
Abajo
Promedio
1972/73
Abajo
Abajo
Abajo
1973/74
Arriba
Arriba
Arriba
1974/75
Abajo
Promedio
Abajo
1975/76
Promedio
Abajo
Abajo
1976/77
Abajo
Arriba
N/A
1977/78
Abajo
Arriba
Promedio
1978/79
Arriba
Abajo
Abajo
1979/80
Arriba
Arriba
Promedio
1980/81
Arriba
Arriba
Arriba
N/A
1981/82
Promedio
Arriba
N/A
1982/83
Promedio
Promedio
N/A
1983/84
Abajo
Promedio
N/A
1984/85
Promedio
Promedio
N/A
1985/86
Promedio
Abajo
N/A
1986/87
Abajo
Abajo
N/A
1987/88
Abajo
Arriba
N/A
1988/89
Arriba
Arriba
N/A
1989/90
Arriba
Abajo
1990/91
Arriba
1991/92
Promedio
1992/93
1993/94
X X
10 11
12
13
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
X
X
X
X
X
X
X
X
N/A
N/A
N/A
N/A
X
X
X
N/A
Promedio
N/A
Promedio
N/A
Promedio
Promedio
N/A
Abajo
Abajo
N/A
1994/95
Abajo
Abajo
N/A
1995/96
Arriba
Promedio
N/A
1996/97
Promedio
Promedio
N/A
1997/98
Abajo
Arriba
N/A
1998/99
Arriba
Promedio
N/A
1999/00
Promedio
Arriba
N/A
2000/01
Promedio
Promedio
N/A
2001/02
N/A
Tabla 0-3 Anlisis de efectividad de los mtodos para el mes de Junio
N -4
X
X
N.2. RELLENO PARCIAL MES DE SEPTIEMBRE
Tabla 0-4 Anlisis de la precipitacin anual y para el mes de Septiembre
Tabla 0-5 Anlisis de caudales anual y para el mes de Septiembre
N -5
Mtodos
Sept 1965/66
Real
%Variacin
Sept 1966/67
Real
%Variacin
N/A
N/A
N/A
N/A
116.574
-62.291
138.323
-179.836
3) Markoviano
N/A
N/A
55.460
-12.199
4) Thomas Fierin
N/A
N/A
53.202
-7.632
5) Entre Estaciones
N/A
N/A
48.445
1.992
N/A
N/A
N/A
7) Redes Neuronales
N/A
N/A
38.697
8) Thornwaite
N/A
N/A
N/A
9) Curva Msica
71.83
N/A
49.43
21.714
N/A
N/A
N/A
N/A
N/A
40.603
43.4737
27.941
43.474
N/A
N/A
N/A
N/A
12) 33%Precipitacin
N/A
N/A
N/A
N/A
13) 21%Precipitacin
N/A
N/A
N/A
N/A
Mtodos
Sept 1967/68
Real
%Variacin
Sept 1968/69
Real
%Variacin
N/A
N/A
N/A
N/A
68.884
-78.965
39.360
14.081
3) Markoviano
65.917
-71.258
63.373
-38.338
4) Thomas Fierin
64.548
-67.700
62.547
-36.535
5) Entre Estaciones
59.136
-53.641
55.687
-21.562
N/A
N/A
N/A
-7.235
25.898
7) Redes Neuronales
41.275
38.49
N/A
45.81
43.468
8) Thornwaite
N/A
N/A
N/A
9) Curva Msica
N/A
N/A
N/A
N/A
21.757
43.474
25.895
43.474
N/A
N/A
N/A
N/A
12) 33%Precipitacin
N/A
N/A
N/A
N/A
13) 21%Precipitacin
N/A
N/A
N/A
%Variacin
Sept 1970/71
N/A
N/A
Mtodos
Sept 1969/70
Real
N/A
N/A
Real
%Variacin
N/A
N/A
106.311
41.265
4.052
95.289
3) Markoviano
62.048
65.719
69.014
19.751
4) Thomas Fierin
61.442
66.054
68.407
20.457
5) Entre Estaciones
53.149
70.636
59.515
30.796
N/A
N/A
N/A
7) Redes Neuronales
N/A
86.00
81.605
157.753
8) Thornwaite
N/A
N/A
N/A
9) Curva Msica
N/A
N/A
N/A
N/A
102.313
43.474
48.61263158
43.474
N/A
N/A
N/A
N/A
12) 33%Precipitacin
N/A
N/A
N/A
N/A
13) 21%Precipitacin
33.295
181.00
N/A
N/A
N/A
%Variacin
Sept 1972/73
Real
N/A
N/A
20.90
85.132
31.184
-49.207
-20.252
69.643
-233.221
69.590
-19.365
69.205
-231.125
60.852
-4.377
60.716
-190.506
40.194
31.056
29.658
-41.903
7) Redes Neuronales
67.816
-16.323
73.826
-253.233
Mtodos
N/A
-83.433
Sept 1971/72
Real
N/A
58.30
8.668
3) Markoviano
70.107
4) Thomas Fierin
5) Entre Estaciones
N -6
N/A
%Variacin
N/A
8) Thornwaite
N/A
N/A
20.657
9) Curva Msica
N/A
N/A
N/A
N/A
32.955
43.474
11.814
43.474
N/A
N/A
12.961
37.987
43.400
25.557
36.317
-73.766

12) 33%Precipitacin
13) 21%Precipitacin
Mtodos
27.618
Sept 1973/74
52.627
Real
23.111
%Variacin
Sept 1974/75
1.1642
-10.578
Real
%Variacin
N/A
N/A
N/A
N/A
9.407
89.286
14.827
73.477
3) Markoviano
68.514
21.966
69.250
-23.882
4) Thomas Fierin
68.133
22.400
68.913
-23.280
5) Entre Estaciones
58.682
33.164
60.013
-7.358
58.386
33.501
61.588
-10.175
7) Redes Neuronales
38.785
55.826
70.163
8) Thornwaite
81.980
6.629
74.522
N/A
N/A
N/A
N/A
49.630
43.474
31.598
43.474
51.172
41.717
30.034
46.271
12) 33%Precipitacin
53.546
39.014
55.146
1.349
9) Curva Msica
13) 21%Precipitacin
Mtodos
87.80
34.075
Sept 1975/76
61.191
Real
Sept 1976/77
-25.515
-33.314
35.093
%Variacin
55.90
37.222
Real
%Variacin
N/A
N/A
N/A
N/A
51.081
42.012
61.401
-205.325
3) Markoviano
68.429
22.319
68.478
-240.515
4) Thomas Fierin
68.129
22.659
68.199
-239.131
5) Entre Estaciones
58.864
33.178
58.988
-193.329
71.347
19.007
27.382
7) Redes Neuronales
72.448
17.757
61.861
8) Thornwaite
64.889
26.338
76.292
-279.373
N/A
N/A
N/A
N/A
49.794
43.474
11.367
43.474
51.883
41.102
11.787
41.390
12) 33%Precipitacin
59.767
32.152
34.608
-72.093
9) Curva Msica
13) 21%Precipitacin
Mtodos
88.09
38.034
Sept 1977/78
56.824
Real
22.023
%Variacin
Sept 1978/79
-36.159
20.11
-207.615
-9.514
Real
%Variacin
N/A
N/A
N/A
N/A
70.218
-283.496
64.676
6.294
3) Markoviano
N/A
N/A
15.464
77.595
4) Thomas Fierin
N/A
N/A
15.375
77.724
5) Entre Estaciones
N/A
N/A
12.772
81.496
25.516
-39.353
72.129
-4.504
N/A
21.502
-137.610
70.857
7) Redes Neuronales
8) Thornwaite
9) Curva Msica
N/A
18.31
43.506
59.02
68.846
-2.6608
N/A
N/A
N/A
N/A
10.350
43.474
39.014
43.474
11.572
36.799
41.119
40.425
12) 33%Precipitacin
33.145
-81.020
60.123
12.891
13) 21%Precipitacin
21.092
-15.195
38.260
Mtodos
44.567
Sept 1979/80
Real
%Variacin
Sept 1980/81
Real
%Variacin
N/A
58.47
N/A
N/A
56.42
N/A
N -7
102.889
-75.970
181.017
-220.838
3) Markoviano
22.223
61.993
22.988
59.256
4) Thomas Fierin
21.771
62.766
22.580
59.979
5) Entre Estaciones
16.027
72.589
N/A
N/A
46.344
20.739
62.283
-10.393
7) Redes Neuronales
43.191
26.131
50.996
9.613
8) Thornwaite
67.162
-14.865
78.901
-39.846
9) Curva Msica
N/A
N/A
N/A
N/A
33.051
43.474
31.892
43.474
32.374
44.632
36.000
36.194
12) 33%Precipitacin
47.065
19.506
55.488
1.653
13) 21%Precipitacin
29.950
48.777
35.310
37.415
Tabla 0-6 Variacin entre valores reales y calculados por mtodos analticos.
Ao
Precipitacin
Precipitacin
Caudal
Mtodos
2
10
11
12
13
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
1965/66
anual
N/A
mensual
N/A
Arriba
N/A
N/A
N/A
N/A
N/A
1966/67
N/A
N/A
Medio
N/A
1967/68
N/A
N/A
Bajo
N/A
1968/69
N/A
N/A
Bajo
1969/70
N/A
N/A
Arriba
1970/71
N/A
N/A
Arriba
1971/72
Arriba
Abajo
Medio
1972/73
Abajo
Abajo
Bajo
1973/74
Arriba
Promedio
Arriba
1974/75
Abajo
Promedio
Medio
1975/76
Promedio
Alto
Arriba
1976/77
Abajo
Bajo
Bajo
1977/78
Abajo
Bajo
Bajo
1978/79
Arriba
Alto
Arriba
1979/80
Arriba
Medio
Medio
1980/81
Arriba
Alto
Medio
1981/82
Promedio
Medio
N/A
1982/83
Promedio
Alto
N/A
1983/84
Abajo
Medio
N/A
1984/85
Promedio
Medio
N/A
1985/86
Promedio
Medio
N/A
1986/87
Abajo
Bajo
N/A
1987/88
Abajo
Bajo
N/A
1988/89
Arriba
Medio
N/A
1989/90
Arriba
Alto
N/A
1990/91
Arriba
Alto
N/A
1991/92
Promedio
Medio
N/A
1992/93
Promedio
Alto
N/A
1993/94
Abajo
Medio
N/A
1994/95
Abajo
Medio
N/A
1995/96
Arriba
Alto
N/A
1996/97
Promedio
Bajo
N/A
1997/98
Abajo
Bajo
N/A
X
X
X
X
X
X
X
X
X
X
N/A
N/A
N/A
N/A
X
X
N/A
X
X
X
X
X
X
X
X
N -8
1998/99
Arriba
Bajo
N/A
1999/00
Promedio
Alto
N/A
2000/01
Promedio
Alto
N/A
2001/02
Promedio
Bajo
N/A
X
X
Tabla 0-7 Anlisis de efectividad de los mtodos para el mes de Septiembre
N.3. RELLENO PARCIAL MES DE ENERO
Tabla 0-8 Anlisis de precipitacin anual contra el mes de Enero
Tabla 0-9 Anlisis de caudales anuales contra el mes de Enero
N -9
Mtodos
%Variacin
Enero 1966/67
N/A
N/A
N/A
N/A
66.088
-1035.528
95.921
-931.409
3) Markoviano
N/A
N/A
15.620
-67.960
4) Thomas Fiering
N/A
N/A
15.389
-65.470
5) Entre Estaciones
N/A
N/A
14.746
-58.556
N/A
N/A
N/A
7) Redes Neuronales
N/A
N/A
0.000
8) Thornwaite
N/A
N/A
N/A
9) Curva Msica
N/A
N/A
N/A
N/A
3.290
43.4737
5.257
43.474
N/A
N/A
N/A
N/A
12) 33%Precipitacin
N/A
N/A
N/A
N/A
13) 21%Precipitacin
N/A
N/A
N/A
%Variacin
Enero 1968/69
Mtodos
Enero 1965/66
Real
5.82
Enero 1967/68
Real
Real
%Variacin
N/A
9.30
100.000
N/A
N/A
Real
%Variacin
N/A
N/A
N/A
N/A
20.176
-226.995
10.374
-53.234
3) Markoviano
15.095
-144.650
14.043
-107.435
4) Thomas Fiering
14.760
-139.220
13.771
-103.411
5) Entre Estaciones
19.378
-214.069
16.827
-148.545
N/A
N/A
N/A
-59.776
14.872
7) Redes Neuronales
6.17
9.858
N/A
6.77
-119.673
8) Thornwaite
N/A
N/A
N/A
9) Curva Msica
N/A
N/A
N/A
N/A
3.488
43.474
3.827
43.4737
N/A
N/A
N/A
N/A
12) 33%Precipitacin
N/A
N/A
N/A
N/A
13) 21%Precipitacin
N/A
N/A
N/A
%Variacin
Enero 1970/71
Mtodos
Enero 1969/70
Real
N/A
N/A
Real
%Variacin
N/A
N/A
N/A
N/A
36.997
-628.296
45.213
-913.751
3) Markoviano
13.750
-170.667
15.853
-255.439
4) Thomas Fiering
13.576
-167.246
15.668
-251.305
5) Entre Estaciones
14.399
-183.447
17.968
-302.869
N/A
N/A
N/A
-181.112
14.631
7) Redes Neuronales
5.08
14.281
N/A
4.46
-228.059
8) Thornwaite
N/A
N/A
N/A
9) Curva Msica
N/A
N/A
N/A
N/A
2.872
43.474
2.521
43.474
N/A
N/A
N/A
N/A
12) 33%Precipitacin
N/A
N/A
N/A
N/A
13) 21%Precipitacin
N/A
N/A
N/A
%Variacin
Enero 1972/73
Mtodos
Enero 1971/72
Real
N/A
N/A
Real
%Variacin
N/A
N/A
N/A
N/A
53.618
-1418.936
34.693
-1161.5641
3) Markoviano
15.777
-346.939
15.72
-471.4603
4) Thomas Fiering
15.601
-341.944
15.58
-466.4932
5) Entre Estaciones
18.605
-427.041
18.84
-585.0500
3.578
-1.351
3.60
7) Redes Neuronales
4.366
-23.677
6.09
3.53
-30.8010
2.75
-121.5693
8) Thornwaite
N/A
N/A
32.21
9) Curva Msica
N/A
N/A
N/A
N/A
1.995
43.4737
1.55
43.4737

12) 33%Precipitacin
13) 21%Precipitacin
Mtodos
-1071.3387
N/A
N/A
2.54
7.5024
0.000
100.000
0.246
91.0500
0.000
100.000
Enero 1973/74
N 10
-
Real
0.157
%Variacin
Enero 1974/75
94.3045
Real
%Variacin
N/A
N/A
N/A
N/A
56.277
-1259.3488
16.805
-615.110
3) Markoviano
15.029
-263.0266
15.665
-566.593
4) Thomas Fiering
14.919
-260.3714
15.556
-561.954
5) Entre Estaciones
16.745
-304.4751
18.294
-678.486
3.582
13.4833
3.584
7) Redes Neuronales
10.131
-144.7062
4.001
8) Thornwaite
121.175
-2826.9367
31.037
9) Curva Msica
4.14
-52.506
2.35
-70.266
-1220.718
N/A
N/A
N/A
N/A
2.340189474
43.4737
1.328
43.474
9.360757895
-126.1053
1.139
51.549
12) 33%Precipitacin
0.054694444
98.6789
0.082
96.509
13) 21%Precipitacin
0.034805556
99.1593
0.052
%Variacin
Enero 1976/77
Mtodos
Enero 1975/76
Real
97.778
Real
%Variacin
N/A
N/A
N/A
N/A
23.060
-636.726
76.077
-3165.0859
3) Markoviano
15.222
-386.331
15.095
-547.8641
4) Thomas Fiering
15.125
-383.222
15.025
-544.8471
5) Entre Estaciones
17.254
-451.257
17.290
-642.0806
3.578
-14.303
3.578
7) Redes Neuronales
13.482
-330.745
5.445
8) Thornwaite
47.494
-1417.379
23.932
N/A
N/A
N/A
N/A
1.769
43.474
1.317
43.4737
9) Curva Msica
12) 33%Precipitacin
13) 21%Precipitacin
Mtodos
3.13
-53.5485
2.33
-133.6733
-927.1377
N/A
N/A
N/A
N/A
0.000
100.000
0.000
100.0000
0.000
100.000
Enero 1977/78
Real
0.000
%Variacin
Enero 1978/79
100.0000
Real
%Variacin
N/A
N/A
N/A
N/A
75.488
-3494.689
69.715
-3569.187
3) Markoviano
N/A
N/A
9.006
-374.016
4) Thomas Fiering
N/A
N/A
8.987
-373.018
5) Entre Estaciones
N/A
N/A
8.899
-368.377
3.578
-70.366
3.578
N/A
0.000
29.211
-1290.979
38.654
N/A
N/A
N/A
N/A
1.187
43.474
1.074
43.474
0.000
100.000
N/A
N/A
12) 33%Precipitacin
0.000
100.000
0.000
100.000
7) Redes Neuronales
8) Thornwaite
9) Curva Msica
13) 21%Precipitacin
Mtodos
2.10
N/A
0.000
100.000
Enero 1979/80
Real
Enero 1980/81
100.000
-1934.4174
0.000
%Variacin
-88.299
1.90
100.000
Real
%Variacin
N/A
N/A
N/A
N/A
128.919
-3658.574
216.670
-4846.792
3) Markoviano
8.283
-141.482
8.311
-89.749
4) Thomas Fiering
8.145
-137.453
8.083
-84.546
5) Entre Estaciones
8.379
-144.280
N/A
N/A
3.691
-7.612
3.589
18.054
7) Redes Neuronales
3.43
0.000
8) Thornwaite
63.966
9) Curva Msica
100.000
0.692
-1764.896
4.38
67.525
84.198
-1441.670
N/A
N/A
N/A
N/A
1.939
43.474
2.476
43.474
2.410
29.746
2.270
48.184
12) 33%Precipitacin
1.190
65.318
0.150
96.566
13) 21%Precipitacin
0.757
77.929
0.096
97.815
Tabla 0-10 Variacin entre valor real y calculado por mtodo analtico para el mes de Enero
N 11
-
Ao
Precipitacin
Precipitacin
Caudal
anual
mensual
1965/66
N/A
N/A
Arriba
1966/67
N/A
N/A
Arriba
1967/68
N/A
N/A
Arriba
1968/69
N/A
N/A
1969/70
N/A
1970/71
N/A
1971/72
1972/73
Mtodos
2
11
12
13
N/A
N/A
N/A
N/A
N/A
N/A
10
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
Arriba
N/A
N/A
N/A
N/A
N/A
N/A
Arriba
N/A
N/A
N/A
N/A
N/A
N/A
Promedio
N/A
N/A
N/A
N/A
N/A
Arriba
Abajo
Promedio
Abajo
Arriba
Abajo
1973/74
Arriba
Promedio
Promedio
1974/75
Abajo
Promedio
Abajo
1975/76
Promedio
Abajo
Abajo
1976/77
Abajo
Abajo
Abajo
1977/78
Abajo
Abajo
Abajo
1978/79
Arriba
Abajo
Abajo
1979/80
Arriba
Arriba
Promedio
1980/81
Arriba
Arriba
Promedio
X
X
X
N/A
N/A
N/A
N/A
X
N/A
Tabla 0-11 Anlisis de efectividad de los mtodos para el mes de Enero
N 12
-
N.4 RELLENO PARCIAL MES DE MAYO
Tabla N-13 Anlisis de Caudales anuales y mensuales para Mayo
N 13
-
Mtodos
Mayo 1971/72
Real
%Variacin
Mayo 1973/74
Real
%Variacin
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
3) Markoviano
15.851
8.83
-79.512
15.274
15.27
-0.0276
4) Thomas Fierin
15.691
8.83
-77.700
15.176
15.27
0.6134
5) Entre Estaciones
18.516
8.83
-109.698
17.362
15.27
-13.7028
17.995
8.83
-103.794
23.350
15.27
-52.9172
7) Redes Neuronales
19.051
8.83
-115.752
14.411
15.27
5.6263
8) Thornwaite
N/A
N/A
N/A
34.274
15.27
-124.4563
9) Curva Msica
N/A
N/A
N/A
N/A
N/A
N/A
5.313
8.83
39.8248
7.065789474
15.27
53.7276
11) Transposicin Caudales Areas/Precipitacin N/A
N/A
N/A
7.337673632
15.27
51.9471
12) 33%Precipitacin
26.499
8.83
-200.107
31.36726389
15.27
-105.4176
13) 21%Precipitacin
16.863
8.83
-90.977
19.96098611
15.27
-30.7203
Mtodos
Mayo 1972/73
Real
%Variacin
Mayo 1974/75
Real
%Variacin
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
3) Markoviano
16.33710625
14.20
-15.0500
15.656
6.42
-143.863
4) Thomas Fierin
16.211
14.20
-14.1604
15.559
6.42
-142.349
5) Entre Estaciones
19.048
14.20
-34.1397
17.920
6.42
-179.128
27.954
14.20
-96.8624
12.298
6.42
-91.552
7) Redes Neuronales
13.978
14.20
1.5602
7.118
6.42
-10.868
8) Thornwaite
35.386
14.20
-149.1947
128.172
6.42
-1896.445
9) Curva Msica
N/A
N/A
N/A
N/A
N/A
N/A
10.74
14.20
24.3662
5.167
6.42
19.525
11) Transposicin Caudales Areas/Precipitacin 10.22914158
14.20
27.9638
5.000
6.42
22.111
12) 33%Precipitacin
35.04546528
14.20
-146.7991
20.182
6.42
-214.365
13) 21%Precipitacin
22.30165972
14.20
-57.0539
12.843
6.42
-100.051
Mtodos
Mayo 1975/76
Real
%Variacin
Mayo 1976/77
Real
%Variacin
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
3) Markoviano
14.574
11.20
-30.127
16.058
7.35
-118.4812
4) Thomas Fierin
14.491
11.20
-29.384
15.994
7.35
-117.5990
5) Entre Estaciones
16.437
11.20
-46.762
16.954
7.35
-130.6615
17.555
11.20
-56.739
17.162
7.35
-133.4920
7) Redes Neuronales
14.552
11.20
-29.926
14.110
7.35
-91.9701
8) Thornwaite
23.274
11.20
-107.808
44.389
7.35
-503.9299
9) Curva Msica
N/A
N/A
N/A
N/A
N/A
N/A
4.776
11.20
57.353
6.421
7.35
12.6342
11.20
51.209
5.822680214
7.35
20.7799
12) 33%Precipitacin
26.062
11.20
-132.696
25.665
7.35
-249.1887
13) 21%Precipitacin
16.585
11.20
-48.079
16.333
7.35
-122.2110
Mtodos
Mayo 1977/78
Real
%Variacin
Mayo 1978/79
Real
%Variacin
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
3) Markoviano
N/A
N/A
N/A
10.359
5.95
-74.106
4) Thomas Fierin
N/A
N/A
N/A
10.340
5.95
-73.783
5) Entre Estaciones
N/A
N/A
N/A
10.058
5.95
-69.049
N 14
-
19.560
5.88
-232.654
13.036
5.95
-119.095
7) Redes Neuronales
N/A
N/A
N/A
2.780
5.95
53.273
8) Thornwaite
14.586
5.88
-148.058
26.659
5.95
-348.0450
9) Curva Msica
N/A
N/A
N/A
N/A
N/A
N/A
5.534
5.88
5.886
4.256
5.95
28.463
5.88
4.581
4.005
5.95
32.694
12) 33%Precipitacin
28.004
5.88
-376.251
21.098
5.95
-254.595
13) 21%Precipitacin
17.820
5.88
-203.069
13.426
5.95
-125.651
Mtodos
Mayo 1979/80
Real
%Variacin
Mayo 1980/81
Real
%Variacin
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
3) Markoviano
10.678
5.02
-112.717
9.462
18.11
47.750
4) Thomas Fierin
10.494
5.02
-109.050
9.232
18.11
49.024
5) Entre Estaciones
10.235
5.02
-103.884
N/A
N/A
N/A
9.587
5.02
-90.979
41.642
18.11
-129.939
7) Redes Neuronales
0.000
5.02
100.000
6.921
18.11
61.783
8) Thornwaite
32.906
5.02
-555.489
51.228
18.11
-182.872
9) Curva Msica
N/A
N/A
N/A
N/A
N/A
N/A
5.568
5.02
-10.913
12.577
18.11
30.552
5.02
5.448
12.412
18.11
31.461
12) 33%Precipitacin
16.436
5.02
-227.404
44.289
18.11
-144.555
13) 21%Precipitacin
10.459
5.02
-108.348
28.184
18.11
-55.626
Tabla N-14 Variacin entre el valor real y calculado por mtodos analticos para el mes de Mayo.
Ao
Precipitacin
Precipitacin
anual
mensual
Caudal
Mtodos
2 3
10
N/A N/A N/A N/A N/A N/A
11
12
13
1965/66 N/A
N/A
Arriba
1966/67 N/A
N/A
Arriba
N/A
N/A
N/A N/A N/A
1967/68 N/A
N/A
Arriba
N/A
N/A
N/A N/A N/A
1968/69 N/A
N/A
Arriba
N/A
N/A
N/A N/A N/A
1969/70 N/A
N/A
Arriba
N/A
N/A
N/A N/A N/A
1970/71 N/A
N/A
Promedio
N/A
N/A
N/A N/A N/A
1971/72 Arriba
Promedio
Promedio
1972/73 Abajo
Arriba
Arriba
1973/74 Arriba
Arriba
Arriba
1974/75 Abajo
Abajo
Abajo
1975/76 Promedio
Promedio
Promedio
1976/77 Abajo
Promedio
Abajo
1977/78 Abajo
Promedio
Abajo
1978/79 Arriba
Promedio
Abajo
1979/80 Arriba
Abajo
Abajo
1980/81 Arriba
Arriba
Arriba
X
X
N/A N/A N/A
X
X
X
X
N/A N/A N/A
N/A
X
X
N/A
Tabla N-15 Anlisis de efectividad de los mtodos para el mes de Mayo
N 15
-
N.5 RELLENO PARCIAL MES DE JULIO
Tabla N-17 Anlisis de Caudal anual y mensual para Julio.
N 16
-
Mtodos
Julio 1971/72
Real
%Variacin
Julio 1973/74
Real
%Variacin
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
3) Markoviano
25.788
10.50
-145.597
25.097
28.74
12.6769
4) Thomas Fierin
25.552
10.50
-143.354
24.940
28.74
13.2234
5) Entre Estaciones
22.285
10.50
-112.239
20.415
28.74
28.9681
16.171
10.50
-54.008
19.053
28.74
33.7043
7) Redes Neuronales
42.302
10.50
-302.873
14.271
28.74
50.3457
8) Thornwaite
N/A
N/A
N/A
47.242
28.74
-64.3786
9) Curva Msica
N/A
N/A
N/A
N/A
N/A
N/A
7.066
10.50
32.7068
17.127
28.74
40.4054
11) Transposicin Caudales Areas/Precipitacin N/A
N/A
N/A
17.582
28.74
38.8252
12) 33%Precipitacin
24.640
10.50
-134.665
27.525
28.74
4.2276
13) 21%Precipitacin
15.680
10.50
-49.332
17.516
28.74
39.0539
Mtodos
Julio 1972/73
Real
%Variacin
Julio 1974/75
Real
%Variacin
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
3) Markoviano
25.69706597
8.29
-209.9767
25.626
11.16
-129.624
4) Thomas Fierin
25.508
8.29
-207.6975
25.478
11.16
-128.294
5) Entre Estaciones
22.517
8.29
-171.6209
21.952
11.16
-96.701
11.069
8.29
-33.5263
11.445
11.16
-2.550
7) Redes Neuronales
23.480
8.29
-183.2382
33.567
11.16
-200.782
8) Thornwaite
22.727
8.29
-174.1532
70.352
11.16
-530.398
9) Curva Msica
N/A
N/A
N/A
N/A
N/A
N/A
7.461473684
8.29
9.9943
10.401
11.16
6.802
8.29
15.9947
10.820
11.16
3.050
12) 33%Precipitacin
18.56876389
8.29
-123.9899
19.075
11.16
-70.920
13) 21%Precipitacin
11.81648611
8.29
-42.5390
12.138
11.16
-8.767
Mtodos
Julio 1975/76
Real
%Variacin
Julio 1976/77
Real
%Variacin
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
3) Markoviano
25.229
13.82
-82.551
25.142
16.62
-51.2758
4) Thomas Fierin
25.096
13.82
-81.593
25.036
16.62
-50.6356
5) Entre Estaciones
20.911
13.82
-51.312
20.966
16.62
-26.1489
20.253
13.82
-56.940
7.425
16.62
55.3264
7) Redes Neuronales
21.689
13.82
-61.363
9.665
16.62
41.8479
8) Thornwaite
22.300
13.82
-61.363
100.806
16.62
-506.5356
9) Curva Msica
N/A
N/A
N/A
N/A
N/A
N/A
8.965
13.82
35.130
18.761
16.62
-12.8826
13.82
30.662
19.31895786
16.62
-16.2392
12) 33%Precipitacin
28.646
13.82
-107.281
12.785
16.62
23.0757
13) 21%Precipitacin
18.229
13.82
-31.906
8.136
16.62
51.0481
Mtodos
Julio 1977/78
Real
%Variacin
Julio 1978/79
Real
%Variacin
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
3) Markoviano
N/A
N/A
N/A
9.429
25.43
62.923
4) Thomas Fierin
N/A
N/A
N/A
9.405
25.43
63.015
5) Entre Estaciones
N/A
N/A
N/A
9.674
25.43
61.957
N 17
-
4.762
3.18
-49.760
42.410
25.43
-66.773
7) Redes Neuronales
N/A
N/A
N/A
14.459
25.43
43.142
8) Thornwaite
45.071
3.18
-1317.320
27.499
25.43
-8.1346
9) Curva Msica
N/A
N/A
N/A
N/A
N/A
N/A
4.138
3.18
-30.117
16.901
25.43
33.538
3.18
-4.635
17.89653149
N/A
N/A
12) 33%Precipitacin
6.345
3.18
-99.514
44.754
25.43
-75.988
13) 21%Precipitacin
4.037
3.18
-26.964
28.480
25.43
-11.992
Mtodos
Julio 1979/80
Real
%Variacin
Julio 1980/81
Real
%Variacin
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
3) Markoviano
9.171
31.25
70.652
9.240
18.25
49.370
4) Thomas Fierin
9.012
31.25
71.162
9.000
18.25
50.685
5) Entre Estaciones
10.042
31.25
67.864
N/A
N/A
N/A
42.410
31.25
-35.713
27.346
18.25
-49.841
7) Redes Neuronales
14.543
31.25
53.464
33.093
18.25
-81.332
8) Thornwaite
45.674
31.25
-46.158
61.228
18.25
-235.495
9) Curva Msica
N/A
N/A
N/A
N/A
N/A
N/A
16.901
31.25
45.916
23.447
18.25
-28.477
31.25
42.731
24.007
18.25
-31.546
12) 33%Precipitacin
44.754
31.25
-43.212
34.581
18.25
-89.483
13) 21%Precipitacin
28.480
31.25
8.865
22.006
18.25
-20.580
Tabla N-18 Variacin entre el valor real y el calculado por mtodos analticos para el mes de Julio.
Precipitacin
Precipitacin
anual
mensual
1965/66
N/A
N/A
Arriba
1966/67
N/A
N/A
Arriba
N/A
1967/68
N/A
N/A
Arriba
1968/69
N/A
N/A
Arriba
1969/70
N/A
N/A
1970/71
N/A
1971/72
Arriba
1972/73
1973/74
Ao
Mtodos
Caudal
2 3
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
Arriba
12
13
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
Promedio
Promedio
Abajo
N/A
N/A
N/A
N/A
N/A
Abajo
Abajo
Abajo
Arriba
Promedio
Arriba
1974/75
Abajo
Promedio
Abajo
1975/76
Promedio
Promedio
Abajo
1976/77
Abajo
Abajo
Promedio
1977/78
Abajo
Abajo
Abajo
1978/79
Arriba
Arriba
Promedio
1979/80
Arriba
Arriba
Arriba
1980/81
Arriba
Arriba
Promedio
N/A
10 11
N/A
N/A
N/A
N/A
X
X
X
X
X
N/A
N/A
N/A
N/A
X
X
X
N/A
Tabla N-19 Anlisis de Efectividad de los mtodos analticos para el mes de Julio.
N 18
-
N.6 RELLENO PARCIAL MES DE NOVIEMBRE
Tabla N-21 Anlisis de Caudales anuales y mensuales para Noviembre.
N 19
-
Mtodos
Nov 1971/72
Real
%Variacin
Nov 1973/74
Real
%Variacin
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
3) Markoviano
21.014
10.70
-96.392
20.298
19.00
-6.8334
4) Thomas Fierin
20.806
10.70
-94.451
20.163
19.00
-6.1231
5) Entre Estaciones
20.776
10.70
-94.164
18.909
19.00
0.4808
4.702
10.70
56.058
3.883
19.00
79.5609
7) Redes Neuronales
19.083
10.70
-78.341
18.146
19.00
4.4932
8) Thornwaite
N/A
N/A
N/A
109.534
19.00
-476.4930
9) Curva Msica
N/A
N/A
N/A
N/A
N/A
N/A
14.753
10.70
-37.8819
25.4368
19.00
-33.8781
N/A
N/A
N/A
27.1811
19.00
-43.0583
12) 33%Precipitacin
6.139
10.70
42.622
2.5570
19.00
86.5423
13) 21%Precipitacin
3.907
10.70
63.487
1.6272
19.00
91.4360
Mtodos
Nov 1972/73
Real
%Variacin
Nov 1974/75
Real
%Variacin
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
3) Markoviano
20.936
7.95
-163.347
20.877
4.98
-319.219
4) Thomas Fierin
20.772
7.95
-161.279
20.747
4.98
-316.609
5) Entre Estaciones
21.009
7.95
-164.264
20.452
4.98
-310.678
4.892
7.95
38.460
3.597
4.98
27.771
7) Redes Neuronales
28.765
7.95
-261.819
14.495
4.98
-191.056
8) Thornwaite
28.780
7.95
-262.010
43.953
4.98
-782.582
9) Curva Msica
N/A
N/A
N/A
N/A
N/A
N/A
11.023
7.95
-38.6495
9.044
4.98
-81.611
10.891
7.95
-36.9890
13.566
4.98
-172.416
12) 33%Precipitacin
6.768
7.95
14.8624
0.246
4.98
95.058
13) 21%Precipitacin
4.307
7.95
45.8215
0.157
4.98
96.855
Mtodos
Nov 1975/76
Real
%Variacin
Nov 1976/77
Real
%Variacin
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
3) Markoviano
20.461
28.22
27.496
20.355
4.00
-408.8831
4) Thomas Fierin
20.345
28.22
27.907
20.266
4.00
-406.6467
5) Entre Estaciones
19.411
28.22
31.215
19.458
4.00
-386.4584
7.317
28.22
74.071
4.044
4.00
-1.1001
7) Redes Neuronales
20.594
28.22
27.023
15.709
4.00
-292.7144
8) Thornwaite
52.660
28.22
-86.607
39.484
4.00
-887.0932
9) Curva Msica
N/A
N/A
N/A
N/A
N/A
N/A
23.888
28.22
15.351
6.828
4.00
-70.7095
28.068
28.22
0.540
7.857
4.00
-96.4328
12) 33%Precipitacin
12.580
28.22
55.423
3.446
4.00
13.8563
13) 21%Precipitacin
8.005
28.22
71.633
2.193
4.00
45.1813
Mtodos
Nov 1977/78
Real
%Variacin
Nov 1978/79
Real
%Variacin
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
3) Markoviano
N/A
N/A
N/A
10.550
7.79
-35.426
4) Thomas Fierin
N/A
N/A
N/A
10.515
7.79
-34.978
5) Entre Estaciones
N/A
N/A
N/A
10.119
7.79
-29.892
N 20
-
5.601
5.80
3.432
5.633
7.79
27.693
7) Redes Neuronales
N/A
N/A
N/A
0.000
7.79
100.000
8) Thornwaite
33.457
5.80
-476.838
48.218
7.79
-518.9793
9) Curva Msica
N/A
N/A
N/A
N/A
N/A
N/A
5.200
5.80
10.338
7.965
7.79
-2.241
4.860
5.80
16.202
9.662
7.79
-24.027
12) 33%Precipitacin
8.792
5.80
-51.588
8.874
7.79
-13.918
13) 21%Precipitacin
5.595
5.80
3.535
5.647
7.79
27.507
Mtodos
Nov 1979/80
Real
%Variacin
Nov 1980/81
Real
%Variacin
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
3) Markoviano
11.371
14.47
21.417
11.538
11.87
2.800
4) Thomas Fierin
11.161
14.47
22.866
11.269
11.87
5.066
5) Entre Estaciones
10.940
14.47
24.397
N/A
N/A
N/A
4.102
14.47
71.653
3.920
11.87
66.973
7) Redes Neuronales
22.792
14.47
-57.513
23.304
11.87
-96.328
8) Thornwaite
64.915
14.47
-348.618
70.904
11.87
-497.337
9) Curva Msica
N/A
N/A
N/A
N/A
N/A
N/A
17.534
14.47
-21.178
14.437
11.87
-21.624
19.380
14.47
-33.934
12.314
11.87
-3.738
12) 33%Precipitacin
3.733
14.47
74.203
2.776
11.87
76.615
13) 21%Precipitacin
2.375
14.47
83.583
1.766
11.87
85.119
Tabla N-22 Variacin entre valor real y calculado por mtodos analticos para el mes de Noviembre.
Ao
Precipitacin
Precipitacin
anual
mensual
Caudal
Mtodos
23
10 11
N/A N/A N/A N/A N/A N/A
12
13
1965/66 N/A
N/A
Arriba
N/A N/A N/A
1966/67 N/A
N/A
Arriba
N/A
N/A
N/A N/A N/A
1967/68 N/A
N/A
Arriba
N/A
N/A
N/A N/A N/A
1968/69 N/A
N/A
Arriba
N/A
N/A
N/A N/A N/A
1969/70 N/A
N/A
Arriba
N/A
N/A
N/A N/A N/A
1970/71 N/A
N/A
Promedio
N/A
N/A
N/A N/A N/A
1971/72 Arriba
Promedio
Promedio
1972/73 Abajo
Promedio
Abajo
1973/74 Arriba
Abajo
Arriba
1974/75 Abajo
Abajo
Abajo
1975/76 Promedio
Arriba
Arriba
1976/77 Abajo
Promedio
Abajo
1977/78 Abajo
Arriba
Abajo
N/A N/A N/A X
1978/79 Arriba
Arriba
Abajo
1979/80 Arriba
Promedio
Arriba
1980/81 Arriba
Abajo
Promedio
X
X
X
X
X
X
X
X
X
N/A
N/A
X
X
Tabla N-23 Anlisis de efectividad de los mtodos analticos para el mes de Noviembre.
N 21
-
N.7 HIDROGRAMAS RESULTANTES DE LA EXTENSIN DE LA SERIE
Figura N-1 Hidrogramas resultantes de la extensin de la serie histrica de caudales promedio mensuales para
Moscoso.
N 22
-
Figura N-2 Hidrogramas resultantes de la extensin de la serie histrica de caudales promedio mensuales para
Moscoso.
N 23
-

Revision de Metodologias para Extension y Relleno de Datos en Series Historicas y Su Aplicacion A Los Rios de El Salvador

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Revision de Metodologias para Extension y Relleno de Datos en Series Historicas y Su Aplicacion A Los Rios de El Salvador

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD CENTROAMERICANA

JOS SIMEN CAAS

REVISIN DE METODOLOGAS PARA EXTENSIN

TRABAJO DE GRADUACIN PREPARADO PARA LA

FACULTAD DE INGENIERA Y ARQUITECTURA

PARA OPTAR AL GRADO DE

DECANO DE LA FACULTAD DE INGENIERA Y ARQUITECTURA

COORDINADOR DE LA CARRERA DE INGENIERA CIVIL

DIRECTORA DEL TRABAJO

Kenny Bercin y Karen Palomo.

El presente trabajo es una investigacin de las distintas tcnicas estadsticas, estocsticas y de

DESCRIPCIN Y JUSTIFICACIN __________________________________________ 1

DOCUMENTACIN PREVIA ___________________________________________ 3

OBJETIVO GENERAL _________________________________________________ 4

OBJETIVOS ESPECFICOS ____________________________________________ 4

ALCANCES Y LIMITACIONES ______________________________________________ 5

MTODOS DE RELLENO Y EXTENSIN DE CAUDALES PROMEDIOS MENSUALES EN

SERIES HISTRICAS ___________________________________________________________ 7

DEFINICIONES Y GENERALIDADES ____________________________________ 8

MTODOS EN FUENTES CON CONTROL HIDROMTRICO.________________ 14

MTODOS EN FUENTES SIN CONTROL HIDROMTRICO._________________ 18

DEFINICIONES Y GENERALIDADES ___________________________________ 34

METODOS ESTOCSTICOS DE RELLENO Y/O EXTENSIN. _______________ 35

MODELOS DE SIMULACIN HIDROMETEOROLGICA _______________________ 44

DEFINICIONES Y GENERALIDADES ___________________________________ 44

MODELOS DETERMINSTICOS. _______________________________________ 46

MODELOS ESTADSTICOS ___________________________________________ 50

MODELOS DE SISTEMAS: PROBABILSTICOS Y ESTOCSTICOS. __________ 50

MODELO, CLCULO HIDROMETEOROLGICO DE APORTACIONES Y

APLICACIN DE MTODOS DE RELLENO Y EXTENSIN A SERIES HISTRICAS DE

CAUDALES PROMEDIOS MENSUALES ____________________________________________ 55

DESCRIPCIN DE LA ESTACIN DE ANLISIS ______________________________ 55

UBICACIN GEOGRFICA [Castillo, 1983: p.25-34] _______________________ 55

MORFOLOGA [ Castillo, 1983: p.25-34] _________________________________ 57

DRENAJE [ Castillo, 1983: p.25-34] _____________________________________ 57

CLIMA [ Castillo, 1983: p.25-34] ________________________________________ 58

SUELOS HIDROLGICOS [ Castillo, 1983: p.25-34] _______________________ 59

CONDICIONES INICIALES DE LAS SERIES DE CAUDALES PROMEDIOS MENSUALES

ANLISIS DE LOS DATOS ____________________________________________ 61

PROCESO DE SELECCIN DE LOS MTODOS ANLITICOS APLICABLES ___ 69

PROCESO DE RELLENO Y EXTENSIN DE LAS SERIES HISTRICAS DE CAUDALES

PROMEDIOS MENSUALES ____________________________________________________ 72

CORRELACIN SIMPLE E ITERATIVA CON MNIMOS CUADRADOS _________ 73

REDES NEURONALES _______________________________________________ 74

CURVA MSICA ____________________________________________________ 76

TRANSPOSICIN DE CAUDALES ______________________________________ 76

ESTOCSTICOS: MARKOVIANO Y THOMAS FIERING_____________________ 77

ESTOCSTICO: ENTRE ESTACIONES__________________________________ 78

PRECIPITACIN ESCORRENTA ______________________________________ 79

PROCESO DE APLICACIN DEL MODELO HIDROMETEOROLGICO A LA ESTACIN

CALIBRACIN DEL MODELO CHAC ____________________________________ 80

PARMETROS DE CALIBRACIN _____________________________________ 83

ANLISIS DE SENSIBILIDAD DE LOS PARMETROS EN LA CALIBRACIN Y

RESPUESTA DEL MODELO. _________________________________________________ 84

VALIDACIN DEL MODELO CHAC _____________________________________ 90

ANLISIS DE RESULTADOS _________________________________________________ 93

RESULTADOS PARCIALES PARA EL ANLISIS DE LOS MTODOS ANALTICOS

CORRELACIN ITERATIVA ___________________________________________ 94

PRECIPITACIN ESCORRENTA ______________________________________ 94

REDES NEURONALES _______________________________________________ 96

RESULTADOS DEL MODELO DE SIMULACIN CHAC NECESARIOS PARA EL

RESULTADOS DE LA CALIBRACIN DEL CHAC__________________________ 97

RESULTADOS DE LA SIMULACIN DEL CHAC___________________________ 99