Sei sulla pagina 1di 13

MODELO DE RESERVORIO LINEAL APLICADO A LA SUBCUENCA

DEL RO MACHNGARA EN EL SECTOR SAUCAY


Franklin F. Lucero, Fernando A. Moscoso, Sebastin E. Torres.
Universidad de Cuenca.
Facultad de Ingeniera Civil.
RESUMEN
La modelacin hidrolgica simula los procesos que se llevan a cabo dentro de una cuenca hidrogrfica, a partir de sus
entradas y salidas. En este trabajo se realiza un modelo hidrolgico caja gris de tipo reservorio lineal para la
subcuenca del ro Machngara del sector Saucay, calibrado para eventos de sequa. La validacin del modelo se lo
hace con coeficientes de ajuste de bondad de Nash-Sutcliffe, Schultz, balance de masas y error medio cuadrtico,
adems de grficas de caudal acumulado, constante de recesin y series temporales de caudales. Tambin se comparan
las curvas de caudal de diseo construidas a partir de las observaciones y de las salidas modeladas en el sistema, para
periodos de retorno de 20, 50 y 100 aos.
1.- INTRODUCCIN
La modelacin hidrolgica es una herramienta de suma importancia en hidrologa. Esta tiene como finalidad simular
los procesos o eventos que se llevan a cabo en cuencas hidrogrficas, relacionndolos con las entradas, como puede
ser la precipitacin, y sus salidas, como pueden ser caudales. Cuando se tiene un modelo calibrado y validado es
posible realizar predicciones y evaluar el comportamiento de la cuenca en diferentes escenarios.
Existen diferentes maneras de modelar una cuenca. Los llamados de caja negra relacionan mediante funciones
probabilsticas las entradas con las salidas del sistema; los modelos de caja blanca emplean interpretaciones fsicas
detalladas de los procesos que se llevan a cabo en la cuenca; los modelos de caja gris mezclan elementos de los
modelos de caja blanca y negra, donde generalmente las variables probabilsticas suelen tener interpretaciones fsicas.
A pesar de los avances tecnolgicos, no existe un modelo que simule a la perfeccin todos procesos, por lo que se
debe tener cuenta la finalidad del modelo a la hora de elegir el ms conveniente.
En este trabajo se presenta un modelo de reservorio lineal, del tipo caja gris, aplicado a una subcuenca del ro
Machngara, en la zona de Saucay. En la seccin de Metodologa se presentan los datos con los cuales se trabaj, las
ecuaciones y variables que utiliza el modelo, as como los criterios empleados para su validacin. En la seccin de
Resultados se presenta la calidad del modelo a partir de grficas de caudal acumulado, constante de recesin e
hidrograma de caudales, adems de indicadores de bondad de ajuste. Tambin se presentan las curvas de caudal de
diseo, tanto para los datos observados como para los modelados. Al final de esta seccin, se discute el por qu se
obtuvieron los resultados mostrados y la justificacin para la calibracin y validacin que se dio al modelo.
Finalmente, en la seccin de Conclusiones se presentan las repercusiones ms importantes del trabajo junto con
recomendaciones para futuras modelaciones hidrolgicas que se realicen.
2.- OBJETIVOS
2.1.- Objetivo general

Evaluar la curva de diseo y definir caudales con periodos de retorno de 25, 50 y 100 aos mediante un
modelo calibrado y validado.

2.2.- Objetivo especfico

Calibrar y validar el modelo en funcin a datos observados.


Encontrar valores de ajuste basados en: Constantes de recesin, error de mnimos cuadrados para eventos
picos altos y bajos, volumen acumulado, distribucin de valores extremos y eficiencia de Nash-Sutcliffe.
Comparar los resultados de caudal de diseo modelado y caudal de diseo observados.

3.- MATERIALES Y METODOLOGA.


3.1.- Cuenca de estudio, series de precipitacin y caudal
Se trabaja con la subcuenca del ro Machngara, ubicada en el sector Saucay, cuya extensin es de 199,2 Km2. Se
conoce que su constante de recesin es de aproximadamente catorce das. Se obtuvieron series de precipitacin
acumulada diaria y caudal promedio diario, con fecha desde el primero de enero de 2009 hasta el treinta y uno de
diciembre del 2011. Los datos fueron proporcionados por CELEC EP y contenan el 100% de datos, por lo que no fue
necesario el relleno de estos. La estacin pluviomtrica se la consider representativa de la cuenca por su ubicacin.
En la grfica 1 se puede observar cuenca y la ubicacin de las estaciones hidrolgicas.

Ilustracin 1: Cuenca de estudio y ubicacin de las estaciones

3.2.- Modelado del reservorio lineal


Para realizar el modelo se emplea una funcin de transferencia lineal, donde se simula simultneamente la relacin de
datos de entradassalidas de una manera emprica (Notas de Clase, 2017). En el modelo se usa la constante de recesin
en das, por lo que se considera al mismo como caja gris.

Ilustracin 2: Modelo de reservorio lineal

(t1 ) + q ( t )
q

( 1 )
q out(t) = q out (t 1)+
=e

( 1k )
Ecuacin 1: Ecuacin de modelo de reservorio lineal

Donde qin = entradas, qout = salidas, k = constante de recesin.


La modelacin se la ha realizado en tres etapas. En la primera, las entradas son las precipitaciones medidas en mm y
las salidas, caudales en m3/s. En una segunda etapa, las salidas calculadas se ingresan nuevamente en la ecuacin 1,
cuyas salidas, a su vez, vuelven a ingresarse a la ecuacin del modelo en una tercera etapa. La finalidad de este

proceso es simular que en la cuenca existen tres reservorios, que fsicamente se pueden interpretar como flujo,
subflujo y flujo superficial.
El modelo se lo ha calibrado con cerca del 50% de los datos, ajustando visualmente la constante de recesin hasta que
las series de caudal observadas y calculadas se parezcan lo ms posible, y que el caudal acumulado tenga la menor
diferencia posible.
3.3.- Validacin del modelo
La etapa de validacin consiste en demostrar que el modelo es capaz de realizar predicciones en un lugar especfico
para periodos fuera del rango de calibracin, con lo cual podremos decir que un modelo se encuentra validado si su
precisin y capacidad de ajustarse a los caudales observados en periodos diferentes a los de calibracin presentan
errores o lmites aceptables.
La validez de un modelo en un periodo diferente al periodo de calibracin puede generar una gran incertidumbre ya
que en la realidad no se van a tener las mismas condiciones para diferentes periodos de tiempo, es por ello que se ha
realizado una validacin mediante el criterio de muestra dividida. Klemes (1986)
El criterio de muestra dividida consiste agrupar la muestra en dos sub-muestras iguales, con la que se realizara la
verificacin de cada una de ellas y si los resultados son similares y los errores se encuentran dentro de un rango
aceptable se acepta el modelo. Para este trabajo se consideraron tres intervalos, el primero se tom con todos los datos
de la muestra utilizada para la calibracin, el segundo intervalo se tom un total de 256 datos y el tercero con los datos
restantes. Para la validacin de las muestras consideradas hacemos uso de las medidas de bondad de ajuste.
3.3.1.- Medidas de Bondad de Ajuste
Las medidas de bondad de ajuste de un modelo estadstico sirven para describir que tan bien se ajusta un conjunto de
observaciones, es decir, analiza la discrepancia entre los valores observados y los valores simulados por el modelo y
da a conocer que tan confiable es el mismo. Entre algunas medidas de bondad de ajuste tenemos:
3.3.1.1.- Criterio de Schultz (D)
El criterio de Schultz representa la desviacin de los caudales simulados respecto a los caudales observados. Se define
como:

Ecuacin 2: Criterio de Schultz

Donde Qmax es el caudal mximo observado en el periodo de estudio, Qsim es el caudal simulado en el periodo de
estudio y Qi es el caudal del da i.
Los valores sugeridos para la toma de decisiones se muestran en la siguiente tabla:

Tabla 1: Valores de referencia del criterio de Schultz (Molnar, 2011)

3.3.1.2.- Eficiencia de Nash Sutcliffe (E)


El criterio de Nash Sutcliffe es uno de los ms usados dentro de la hidrologa, est definido por:

Ecuacin 3: Criterio de Nash

En donde Qci es el caudal calculado en el da, (m3/s), Qoi es el caudal observado en el da i y Qo es el promedio de
los caudales observados en los n das.
Este criterio se encarga de medir cuanto de la variabilidad de las observaciones es explicada por la simulacin. Si la
simulacin se realiza de manera perfecta entonces la eficiencia ser 1. El rango de los valores en los que se encuentra
la eficiencia de Nash Sutcliffe va desde menos infinito a 1. Mientras mayores sean los valores negativos ms
deficiente ser el modelo. En la tabla 2 se muestran algunos valores sugeridos para tomar decisiones:

Tabla 2: Valores de referencia del criterio de Nash (Molnar, 2011)

Existen casos en los que los valores de la variable simulada son muy altos, por lo que se utiliza la eficiencia
logartmica de Nash Sutcliffe, la cual est dada por:

Ecuacin 4: Criterio logartmico de Nash

3.3.1.3.- Error de balance de masas (m).


Sirve para expresar de manera cuantitativa la relacin entre el volumen del hidrograma observado y el simulado. Se
define como:

Ecuacin 5: Balance de masas

Este criterio se expresa en porcentaje y nos dice que si el ajuste es perfecto m = 0.


3.3.1.4.- Raz del error cuadrtico medio (RMSE)
Este criterio nos permite cuantificar la magnitud dela desviacin de los valores simulados con respecto a los valores
observados. Est definida como:

Ecuacin 6: Balance de masas

El rango de valores que puede tomar esta entre 0 y el infinito (positivo), en donde el valor de 0 corresponde a un ajuste
perfecto mientras que ms se alejan los valores de este significa que el ajuste no es muy confiable.
3.3.2.- Plots

Con la finalidad de visualizar grficamente el error en el caudal modelado, se grafica la pendiente de la constante de
recesin en un periodo en el cual el flujo llega a ser flujo base, las series de caudales y el caudal acumulado.

3.4- Curvas de diseo de caudales


Para la elaboracin de las curvas de caudal de diseo tanto con los datos observados y modelados, se ocuparon las
aplicaciones de WETSPRO para determinar los eventos independientes mediante el POT, luego se procesaron los
datos en el ECQ para determinar el parmetro gamma que determina el tipo de distribucin segn estos los rangos:

Ilustracin 3: Valores usados para las distribuciones de probabilidad

<0: Beta (cola liviana)

= 0: Exponencial, normal, log normal, Gamma, Weibull, Gumbel,

> 0: Pareto, Frchet, Log Gamma, Log hiperblica (cola pesada)

Para el anlisis de caudales mnimos o sequias se realiza el mismo proceso que para la determinacin de eventos
extremos, luego de la transformacin x= -x o x=1/x; siendo x los caudales.
Esta transformacin depende del tipo de distribucin determinada anteriormente para una distribucin de cola pesada
se aplica x=-x y para distribucin normal o de cola pesada se considera x=1/x. para nuestros datos se aplic la segunda
transformacin.
En el ECQ se encuentra los valores de y, B y x t necesarios para poder trabajar con la ecuacin generalizada de Pareto;
debido a que los datos extremos de sequias se aproximan mejor a esta distribucin.

x x t 1 /
0
if
)

x xt
Ecuacin
de Pareto
0
G ( xEcuacin
) 1 7:
exp(
generalizada
)
if

Determinada la funcin de probabilidad se calculan los valores de G(x) tomando en cuenta los datos de sequa; con
G ( x ) 1 (1

estos valores se procedi a calcular los periodos de retorno aplicando la siguiente ecuacin:

n
1
T [a os ]= (
)
t 1G( x )
Ecuacin 8: Ecuacin del periodo de retorno

En donde n = nmero de aos y t = nmero de excedentes sobre el nivel limite.


Como ltimo paso se grafican los datos de caudales iniciales antes de la aplicacin de la transformacin ya que estos
son los datos originales que representan los caudales mnimos versus los tiempos de retorno.

4.- RESULTADOS Y DISCUSIN


4.1.- Calibracin del modelo

Ilustracin 4: Etapa de calibracin del modelo

Reservo
rio
1
2
3

k
3
14
3

Tabla 3: Constantes de recesin utilizadas

4.2.- Validacin del modelo


Se presentan a continuacin los resultados de los criterios de ajuste de bondad para la validacin del modelo y los
plots mencionados en la seccin de metodologa.

Tabla 4: Resultados de criterios Nush y Schultz

Tabla 5: Resultados de criterios de balance de masas y RSME

Ilustracin 5: Series de tiempo reales y modelada

Ilustracin 6: Caudales acumulados

Ilustracin 7: Dispersin de datos modelados en etapa de validacin

Ilustracin 8: Constante de recesin

4.3.- Curvas de diseo de caudal

Ilustracin 9: Caudal de diseo (datos observados)

Tabla 6: Parmetros obtenidos en el ECQ para los datos observados

Ilustracin 10: Caudal de diseo (datos modelados)

Tabla 6: Parmetros obtenidos en el ECQ para los datos modelados

4.4.- Discusin
La informacin que se nos fue brindada presentaba la totalidad de los datos por lo que no fue necesario el relleno de
estos. El caudal corresponda al medido a las 12:00 horas, mientras que las precipitaciones mostraban el acumulado de
las 24 horas del da. Esto puede generar errores debido a que una precipitacin ocurrida en los horarios vespertinos no
se ver reflejada en el caudal medido, con lo que se tiene una fuente potencial de errores.
Para el modelo, se realiz el anlisis con los tres reservorios, a fin de determinar si efectivamente estos se podan
interpretar fsicamente como los flujos base, interflujo y superficial de la cuenca. Adems, el ajuste con un solo
reservorio generaba caudales de salida con lneas demasiado irregulares a nuestro criterio.
En la fase de calibracin, el principal criterio para determinar las constantes de recesin fue el ajuste al hidrograma y
al caudal acumulado del primer ao. Se pensaba que cada uno de los reservorios simulaba al flujo base, interflujo y
flujo superficial, sin embargo, debido a que el modelo es de transferencia lineal, los reservorios se encuentran en serie
y no en paralelo, por lo que no necesariamente las constantes de recesin corresponden al tiempo en cual se vaca cada
uno de ellos.
De las cuatro medidas de bondad de ajuste solo el criterio de Nusch y el de Shultz presentan rangos de valores a partir
de los cuales se califica al modelo. Como podemos observar el anlisis de medidas de bondad nos da a conocer que el
modelo no se ajusta muy bien con respecto a los valores reales, siendo as que los criterios de Nusch y Shultz
presentan un rango entre insuficiente o satisfactorio (Tabla 4), esto se da debido a que el ajuste de los datos no solo
depende de la constante de recesin sino de varios factores que no son considerados en este trabajo, los cuales podran
estar interviniendo en los procesos que se llevan a cabo dentro del sistema.
En el criterio de balance de masas los valores obtenidos son negativos, lo que nos da a conocer que los valores
simulados por el modelo se encentran por debajo de los reales, es decir, el modelo est subestimando los valores de
caudal. Esto nos resulta conveniente ya que para nuestro anlisis se deben considerar eventos de sequa, con lo que el
modelo nos da un margen de seguridad.
Como puede verse en los hidrogramas, los caudales no siempre responden a las precipitaciones. Tal es as que cuando
se generan picos en las precipitaciones, en la curva de caudal observado no siempre se puede apreciar un aumento de

caudal (Ilustracin 6). Adems el modelo no se ajusta de manera correcta a los eventos de crecida, sino ms bien
subestima los caudales observados en casi la totalidad del periodo de estudio.
Aunque el modelo apenas cumple con los requisitos mnimos indicados por los criterios de ajuste de bondad,
aceptamos la realizacin del mismo ya que slo se emplea una variable en su clculo, adems la realizacin de este
tipo de modelos es fcil, rpida y econmica, en comparacin a los modelos de caja blanca.
Los parmetros requeridos en el proceso de determinacin de eventos independientes fueron estimados en un inicio
basndonos en las caractersticas conocidas de la cuenca, pero al no ser del todo sufrientes se procedi a estimar
dichos parmetros de forma grfica, a parte se consider los eventos extremos mximos obtenidos por el flujo rpido
ya que estos presentaban un mayor nmero de resultados a comparacin de los obtenidos aplicando el flujo lento; esta
consideracin ayudo a trabajar en el ECQ de una mejor manera obteniendo menores errores en la determinacin de los
parmetros y, B y xt requeridos para la elaboracin de la funcin de distribucin.
Se emple la ecuacin general de Pareto como nuestra funcin de distribucin debido a que se consider que el
anlisis de eventos extremos para caudales mnimos es mismo que para caudales mximos a ms de eso durante la
aplicacin del ECQ para las series de datos esta distribucin era la que mejor se ajustaba y por ende menor error
generaba, basndose en esta premisa se puedo trabajar de una manera ms cmoda que ocupando otras funciones.
Como se puede apreciar en las grficas el modelo est subestimando los valores de caudales lo cual sera perjudicial
en caso de que se adoptara la modelacin, pues se estara trabajando para un menor periodo de retorno lo cual
involucrara un mayor caudal; otra parte es la variacin de los caudales de diseo para un mismo periodo de retorno
esto se debe a que el modelo con el cual se trabaj no se ajusta correctamente a los datos de caudales obtenidos.
5.- CONCLUSIONES, OBSERVACIONES Y RECOMENDACIONES
5.1.- Conclusiones
El modelo presentado simula los procesos de tres reservorios en serie y no en paralelo. No se puede decir que se
simulan procesos de flujo base, interflujo y flujo superficial.
El modelo apenas cumple con los requerimientos mnimos, segn los criterios de Nusch y Shultz. Por ello, no se lo
puede emplear para realizar predicciones en cuencas con caractersticas similares.
El balance de masas, las series de tiempo y el error mnimo cuadrtico reflejan que el modelo subestima los caudales,
por lo que la aplicacin de este modelo resulta prometedora para eventos de sequa.
El modelo, al subestimar el caudal, presenta la curva de caudal de diseo con valores ms bajos que la generada a
partir de los datos observados.
Los rangos de valores en el periodo de retorno para ambas series de datos como se puede apreciar en las grficas de
caudal de diseo son del todo similares, la parte que ms se debe destacar es que la curva elaborada con los datos
observados tiende a cero de una forma ms rpida.
5.2.- Observaciones
El modelo generado solo es con fines didcticos, ya que los resultados indican que este no es de buena calidad; por
ello, no se debera emplear para simulaciones de la cuenca.

5.3.- Recomendaciones

Para evitar errores en el modelado, se recomienda que los valores de caudal utilizados sean los mximos diarios, ya
que estos reflejarn de mejor manera y con menos incertidumbre la respuesta ante un evento de precipitacin.
Para un mejor ajuste del modelo, deben ser consideradas ms parmetros que intervengan en los procesos hidrolgicos
de la cuenca. Inclusive, podran realizarse modelos sin considerar la constante de recesin para comprobar si esta
afecta directamente al sistema.
Para una mejor precisin en el modelo es recomendable tener disponibles las salidas debidas a evapotranspiracin.
6.- REFERENCIAS

Notas de clase (2017), Curso de Diseo Hidrolgico.


Molnar, P. (2011). "Calibration". Watershed Modelling, SS 2011. Institute of Environmental Engineering,
Chair of Hydrology and Water Resources Management, ETH Zrich. Switzerland.
Klemes, V. (1986). "Operational testing of hydrological simulation models. Hydrological Sciences Journal
des Sciences Hydrologiques.
Beven, K. (2006). Rainfall-Runoff Modelling. The Primer. John Wiley & Sons Ltd. West Sussex, England.
Fattorelli, S., & Fernndez, P. C. (2011). Diseo Hidrolgico 2da. Edicin (Edicin Digital).

7.- ANEXOS
Anexo 1: Etapa de calibracin del modelo en Excel

Anexo 2: Validacin en los intervalos considerados