“monitoreo y pronostico de caudales”. cuenca de los … · 2018-07-18 · para el presente...
TRANSCRIPT
Ing. Efrain Lujano Laura Hidrólogo PREVAE – SENAMHI DR13 PUNO
“MONITOREO Y PRONOSTICO DE CAUDALES”.
CUENCA DE LOS RÍOS ILAVE Y COATA
UBICACIÓN DEL ÁREA DE ESTUDIO
CUENCA DEL RIO ILAVE
Área 7791.0 Km2
CUENCA DEL RIO COATA
Área = 4882.42 Km2
Rio Ilave Estación Puente Ilave
Rio Coata Estación Puente Unocolla
1. MONITOREO HIDROLOGICO 1.1. MONITOREO HIDROLOGICO DIARIO 1.2. MONITOREO HIDROLOGICO SEMANAL 2. PRONOSTICO DE CAUDALES 2.1. PRONOSTICO DE CAUDALES DIARIOS 3. ESTUDIOS 3.1. CARACTERIZACION MORFOLOGICA DE LAS CUENCAS ILAVE Y COATA 3.2. CARACTERIZACION HIDROLOGICA REGIONAL DE LAS CUENCAS ILAVE Y COATA 3.3. ESTUDIO DE SEQUIAS 3.4. ANALISIS DE MAXIMAS AVENIDAS 4. IDENTIFICACION DE AREAS VULNERABLES A INUNDACIONES 5. OTROS 5.1. ANALISIS REGIONAL DE FRECUENCIAS APLICADOS A LAS PRECIPITACIONES Y CAUDALES MAXIMOS CON LA METOLOGIA DE LOS L-MOMENT´S
ACTIVIDADES A REALIZAR
DIAGRAMA DE CAJAS (ID VALORES ATIPICOS)
VILA
COTA
TARA
COSA
NTA
LUCI
APU
NOPU
CARA
PIZA
COM
APA
MPA
HUTA
PAM
PA U
MAL
ZOM
AZO
CRUZ
MAÑ
AZO
LOS
UROS
LLAL
LYLA
RAQU
ERI
LAM
PAJU
LIAC
AJU
LIIL
AVE
ICHU
ÑACR
UCER
O AL
TOCH
UQUI
BAM
BILL
ACA
PAZO
CAPA
CHIC
ACA
BANI
LLAS
AYAV
IRI
ARAP
A
1800
1600
1400
1200
1000
800
600
400
200
0
Prec
ipita
ción
(mm
)
ANALISIS EXPLORATORIO DE DATOS
1200
1000800
600
400
10
5
0
960
840
720
600
480
360
10
5
0
1000800
600
400
200
10
5
0
1200
1000800
600
400
10
5
0
900
800
700
600
500
400
300
200
10
5
0
1000900
800
700
600
500
400
10
5
0
900
800
700
600
500
400
300
200
8
4
0
800
700
600
500
400
300
5.0
2.5
0.0
1200
1000800
600
400
10
5
0
1200
1000800
600
10
5
0
1000900
800
700
600
500
400
4
2
0
1600
1400
1200
1000800
600
400
200
10
5
0
1200
1000800
600
400
10
5
0
1080960
840
720
600
8
4
0
1200
1000800
600
400
10
5
0
1000900
800
700
600
500
400
5.0
2.5
0.0
1000800
600
400
200
10
5
0
800
600
400
2000
10
5
0
1200
1000800
600
400
10
5
0
1000800
600
400
200
10
5
0
1200
1000800
600
400
10
5
0
1200
1000800
600
400
10
5
0
1600
1200800
4000
8
4
0
1200
1000800
600
400
200
16
8
0
1050900
750
600
450
300
1500
10
5
0
ARAPA
Frec
uenc
ia
AYAVIRI CABANILLAS CAPACHICA CAPAZO
CHUQUIBAMBILLA CRUCERO ALTO ICHUÑA ILAVE JULI
JULIACA LAMPA LARAQUERI LLALLY LOS UROS
MAÑAZO MAZO CRUZ PAMPA UMALZO PAMPAHUTA PIZACOMA
PUCARA PUNO SANTA LUCIA TARACO VILACOTA
HISTOGRAMA DE FRECUENCIAS (NORMALIDAD DE DATOS)
IDENTIFICACION DE VALORES ATIPICOS
0
500
1000
1500
2000
1969
1973
1977
1981
1985
1989
1993
1997
2001
2005
2009
Prec
ipitac
ión (m
m)
Tiempo (Años)
Precipitacion Cerca interna superior Cerca externa superior Cerca interna inferior Cerca externa inferior Prom
ANALISIS DE CONGLOMERADO DE VARIABLES
IDENTIFICACION DE REGIONES HOMOGENEAS METODO DEL VECTOR REGIONAL
PIZA
COM
AM
AZO
CRU
ZSA
NTA
LUCI
ALA
MPA
ICHU
ÑAVI
LACO
TAPA
MPA
UM
ALZO
CAPA
ZOTA
RACO
JULI
ACA
CHUQ
UIBA
MBI
LLA
PUCA
RAAY
AVIR
IM
AÑAZ
OIL
AVE
LARA
QUE
RICR
UCER
O A
LTO
PAM
PAHU
TALL
ALLY
PUNOJULI
CAPA
CHIC
ACA
BANI
LLAS
LOS
URO
SAR
APA
90.48
93.65
96.83
100.00
Estaciones
Sim
ilitu
d
0
0.5
1
1.5
2
2.5
1968 1978 1988 1998 2008
Indice
s
Año
115035_P_MPM_(mm) 115033_P_MPM_(mm) 100021_P_MPM_(mm) 000803_P_MPM_(mm) 116027_P_MPM_(mm) 116061_P_MPM_(mm) 116033_P_MPM_(mm) 114034_P_MPM_(mm) 100088_P_MPM_(mm) 115051_P_MPM_(mm) 115027_P_MPM_(mm) 100110_P_MPM_(mm) Vector Lím. Inf. Lím. Sup.
0
10
20
30
40
50
60
0 10 20 30 40
Estac
iones
Vector
115035_P_MPM_(mm) 115033_P_MPM_(mm) 100021_P_MPM_(mm) 000803_P_MPM_(mm) 116027_P_MPM_(mm) 116061_P_MPM_(mm) 116033_P_MPM_(mm) 114034_P_MPM_(mm) 100088_P_MPM_(mm) 115051_P_MPM_(mm) 115027_P_MPM_(mm) 100110_P_MPM_(mm)
UBICACIÓN DE REGIONES HOMOGENEAS COMPLETACION Y EXTENSION DE DATOS
Regresion lineal, multiple, promedios vecinales, vector regional, hec4 etc
0
120
240
360
480
1969
1974
1979
1984
1989
1994
1999
2004
2009
Prec
ipitac
ión (m
m)
Tiempo (Años)
0
425
850
1275
1700
1969
1973
1977
1981
1985
1989
1993
1997
2001
2005
2009
Prec
ipitac
ión (m
m)
Tiempo (Años)
ANALISIS DE CONSISTENCIA ANALISIS GRAFICO – VISUAL DE HIDROGRAMAS
Análisis de doble masa (hydrognomon)
ANALISIS ESTADISTICO
Pruebas paramétricas y no paramétricas
Análisis de saltos y tendencias
ü Mann-Kendall (non parametric test for trend) ü Spearman’s Rho (non parametric test for trend) ü Linear Regression (non parametric test for trend) ü Distribution-Free CUSUM (non-parametric test for
step jump in mean) ü Cumulative Deviation (parametric test for step jump
in mean) ü Worsley Likelihood Ratio (parametric test for step
jump in mean) ü Rank-Sum (non-parametric test for difference in
median from two data periods) ü Student’s t (parametric test for difference in mean
from two data periods) ü Median Crossing (non-parametric test for
randomness) ü Turning Points (non-parametric test for randomness) ü Rank Difference (non-parametric test for
randomness) ü Autocorrelation (parametric test for randomness).
MONITOREO HIDROLOGICO DIARIO
0
90
180
270
360
450
Sep
Oct
Nov
Dic
Ene
Feb
Mar
Abr
May
Jun Jul
Ago
Desc
arga
s (m3
/seg)
Tiempo (dias)
Estación puente Ilave - rio Ilave Promedio historico Periodo 2012 - 2013 Nivel critico
0
90
180
270
360
450
Sep
Oct
Nov
Dic
Ene
Feb
Mar
Abr
May
Jun Jul
Ago
Desc
arga
s (m3
/seg)
Tiempo (dias)
Estación puente Unocolla - rio Coata
Promedio historico Periodo 2012 - 2013 Nivel critico
MONITOREO HIDROLOGICO SEMANAL
Fecha: Nº 01 - 04
Ramis Puente Ramis m3/seg m3/seg % Coata Puente Unocolla m3/seg m3/seg % Huancané Puente Huancané m3/seg m3/seg %Titicaca Muelle ENAFER m m m
CONDICIONES HIDROLOGICAS
-29.8-76.6-63.8
viernes, 13 de abril de 2007 Periodo: 01/04 - 05/04
Resúmen hidrológico semanal de caudales y niveles medios – cuencas del Titicaca
INFORMACION HIDROLOGICA
Cuenca Estación HidrométricaCaudales y niveles medios
0.03
P romedio s emanal: es la media de lo s c audales y niveles comprendido entre el 01/04/13 al 05/04/13. P romedio his to rico s emanal: es la media de lo s c audales y niveles de de 22 año s comprendido entre el 01/04/1991 al 05/04/2012.A nomalía hídric a: Variac ión del valo r s emanal con res pec to a s u promedio his tó rico s emanal.
Para el presente periodo se ha registrado anomalías negativas en los ríos Ramis, Coata, Huancané, encontrandose por debajo de su promedio historico semanal, mientras que el nivel del lago Titicaca presenta una anomalia positiva encontrandose por encima de su promedio historico semanal.
SERVICIO NACIONAL DE METEOROLOGÍA E HIDROLOGÍA DEL PERÚ Jr. Cahuide 785 Jesús María Tel: 6141401 Telefax: 4717287 Email: [email protected] www.senamhi.gob.pe
Av. Cahuide N° 224 2do Piso Barrio Porteño – Puno, Tel: 051-353242 Email: [email protected]
Promedio semanal Promedio historico semanal174.8176.2936.77
3810.09
122.7417.8613.32
3810.12
Anomalia hídrica (prom. Semanal vs prom hist)
0
90
180
270
360
450
01-abr 06-abr 11-abr 16-abr 21-abr 26-abr
Desc
argas
(m3/s
eg)
Tiempo (dias)
Estación puente Ramis - rio Ramis
Cauda les d ia riosPromedio historico d ia rio
0
90
180
270
360
450
01-abr 06-abr 11-abr 16-abr 21-abr 26-abr
Desc
argas
(m3/s
eg)
Tiempo (dias)
Estación puente Coata - rio Coata
Cauda les d ia rios
Promedio historico d ia rio
0
90
180
270
360
450
01-abr 06-abr 11-abr 16-abr 21-abr 26-abr
Desc
argas
(m3/s
eg)
Tiempo (dias)
Estación puente Huancané - rio Huancané
Cauda les d ia rios
Promedio historico d ia rio
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
36617 36622 36627 36632 36637 36642
Increm
entos
(m)
Tiempo (dias)
Variaciones del Niv el AguaLago Titicaca Estacion: Muelle ENAFER
Niveles diarios
Promedio historico d ia rio
ALERTA HIDROLOGICA
PRONOSTICO DE PRECIPITACION (12, 24, 36 y 72) Modelo GFS (Sistema de pronostico global) NOAA
(Administración Nacional Oceánica y Atmosférica) Resolución 110*110 km (1º*1º)
PRECIPITACION EN TIEMPO REAL STELITE PERSIAN
Resolución 4*4 Km
Modelo WRF (modelo de pronostico del tiempo resolución 1*1 km) , ETA 32 Km.
(Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks)
MODELIZACION Y PRONOSTICO DE CAUDALES DIARIOS
Modelo de Balance de Agua de Captación (AWBM)
Modelo Sacramento
Modelo SymHyd Modelo SMAR Modelo de deposito
Desarrollado por: CRC Centro de Innovación de la Universidad de Canberra – Australia Para cuencas de 10 km2 a 10.000 km2
Modelo GR4J
MODELIZACION Y PRONOSTICO DE CAUDALES MEDIOS DIARIOS Calibración
Inicio: 01/09/1991 Calentamiento: 31/12/1992 (1.5 años) Fin: 31/08/2006
Validacion Inicio: 01/09/2005 (retrazo 1 año) Calentamiento: 31/08/2006 (1año) Final: 31/03/2013
Medidas de bondad criterio de Nash-Sutcliffe
Modelo de deposito (tank model)
ESTADISTICAS COMPARATIVAS
Modelo Sacramento
Modelo SYMHYD
Modelo de balance de agua de captación (AWBM)
Modelo SMAR (soil moisture and accounting model) - humedad del suelo y el modelo de contabilidad
RIO ILAVE RIO COATA
Pronostico de caudales – Modelo GR4J - rio Ilave Calibración NASH = 82.9 % Validación NASH = 73.8 %
0
100
200
300
400
500
600
700
Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul Ago
Caud
al (m
3/seg
)
Tiempo (dias)
Promedio historico observado 2005-06 simulado 2005-06 observado
0
50
100
150
200
250
300
Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul Ago
Caud
al (m
3/seg
)
Tiempo (dias)
Promedio historico observado 2012-13 simulado 2012-13 observado
Pronostico de caudales – Modelo GR4J - rio Coata
Calibración NASH = 77.3 % Validación NASH = 85.0 %
0
50
100
150
200
250
300
350
Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul Ago
Caud
al (m
3/seg
)
Tiempo (dias)
Promedio historico observado 2005-06 simulado 2005-06 observado
0
50
100
150
200
250
300
Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul Ago
Caud
al (m
3/seg
)
Tiempo (dias)
Promedio historico observado 2012-13 simulado 2012-13 observado
ESTUDIOS
ESTACION Latitud Longitud SPI 1 SPI 3 SPI 6 SPI 9 SPI 12
CAPACHICA -15.61583 -69.84428 0.39 0.32 0.25 0.08 -0.10ICHUÑA -16.13289 -70.55236 0.04 -0.06 0.12 0.01 0.28LAMPA -15.35694 -70.37083 0.32 -0.54 0.05 -0.05 0.06LOS UROS -15.78361 -69.90028 -0.72 0.61 0.82 0.72 0.72PUNO -15.82341 -70.01803 -0.40 -0.10 0.19 0.04 0.00LLALLY -14.93683 -70.88622 -0.32 0.22 0.66 0.49 0.79CHUQUIBAMBILLA -14.78506 -70.73264 0.35 1.24 0.89 0.78 0.71AYAVIRI -14.87294 -70.59317 0.86 1.02 0.68 0.57 0.65PAMPAHUTA -15.48381 -70.67606 -1.28 -0.84 -0.21 -0.34 -0.13CABANILLAS -15.63933 -70.34644 -1.20 0.09 0.46 0.33 0.29ARAPA -15.13653 -70.1185 0.06 0.20 0.17 -0.03 -0.12PUCARA -15.04246 -70.36718 1.05 0.28 0.10 -0.09 -0.11TARACO -15.30372 -69.97531 -0.32 0.23 0.25 0.05 0.06MAÑAZO -15.80028 -70.33361 -0.65 0.16 0.51 0.36 0.46JULIACA -15.46667 -70.16667 -0.97 -0.02 0.08 -0.04 -0.02SANTA LUCIA -15.70058 -70.609 -0.31 -0.03 0.47 0.37 0.91MAZO CRUZ -16.74039 -69.70636 -0.51 0.23 0.53 0.46 0.66ILAVE -16.08853 -69.64528 -1.52 -0.96 0.13 -0.10 -0.24PIZACOMA -16.90731 -69.36883 -1.31 -0.22 -0.10 -0.16 -0.03LARAQUERI -16.15497 -70.06686 -1.11 0.22 0.80 0.77 0.78JULI -16.20406 -69.46019 -0.66 -0.42 0.11 -0.17 -0.15CAPAZO -17.188 -69.73578 -0.84 -0.75 -0.22 -0.25 -0.15
ESCALA 1 MES
ESCALA 3 MESES
< -2 -2.0 Extremadamente seco (sequía extrema) 1 en 50 años-1.99 -1.5 Muy seco (sequia severa) 1 en 20 años-1.49 -1.0 Moderadamente seco (sequia moderada) 1 en 10 años-0.99 0.99 Normal (Ligeramente húmedo y seco) 1 en 3 años1.0 1.49 Moderadamente húmedo (exceso moderado) 1 en 10 años1.5 1.99 Muy húmedo (exceso severo) 1 en 20 años> 2 2.0 Extremadamente húmedo (exceso extremo) 1 en 50 años
Frecuencia teórica de ocurrenciaSPI Categorías
CLASIFICACION DEL SPI (propuesto por Mckee 1993)
SEQUIA METEOROLOGICA EN LAS CUENCAS ILAVE Y COATA
MODELAMIENTO DE CAUDALES MEDIOS MENSUALES GR2M
ILAVE – CALIBRACION Y VALIDACION
COATA – CALIBRACION Y VALIDACION
R² = 0.87679
0
50
100
150
0 50 100 150
Sim
ulad
o (m
m)
Observado (mm)
R² = 0.78723
0
50
100
150
200
250
0 100 200 300
Sim
ulad
os (m
m)
Observados (mm)
R² = 0.89135
0 20 40 60 80
100 120
0 50 100 150
Observado (mm)
R² = 0.86251
0
50
100
150
200
0 50 100 150 Observado (mm)
Ilave Coata
NASH (% ) 84.0 79.7ECMN (% ) 12.0 21.0R2 (% ) 88.0 79.0r (% ) 93.8 88.9
Ilave Coata
NASH (% ) 90.20 88.30ECMN (% ) 11.00 15.10R2 (% ) 89.00 84.90r (% ) 94.30 92.10
Evaluacion estadistica del modelo GR2M - Fase de Validacion
Indicador estadisticoCuenca
Evaluacion estadistica del modelo GR2M - Fase de Calibracion
Indicador estadistico Cuenca
MODELAMIENTO DE CAUDALES MEDIOS MENSUALES UTILIZANDO LLUVIAS ESTIMADAS POR SATELITE
² = 0.59
0
20
40
60
80
0 50 100 150
b)
Observados (mm)
R² = 0.51
0
20
40
60
80
0 50 100 150
a) El TRMM (Tropical Rainfall Measuring Mission, NASA & JAXA), es una conjunción de exploración espacial entre la NASA y la Agencia de Exploración Aeroespacial Japonesa, diseñada para monitorear y estudiar las lluvia tropicales y subtropicales, es producida por el algoritmo de precipitación global (3B42_V6), de resolución temporal 3 horas y resolución espacial de 0.25 x 0.25 grados (25*25 km)
a) Ilave b) CoataNASH (%) 49.2 61,9R2 (%) 51 59
Evaluacion estadistica del modelo GR2M Fase de Calibracion
Indicador estadistico
Cuenca
VALIDACION Y CORRECCION DE LA PRECIPITACION ESTIMADA POR SATELITE TRMM APLICANDO REDES NEURONALES ARTIFICIALES
Se utilizaron 07 estaciones meteorológicas que están ubicadas dentro y fuera de la cuenca, las cuales pertenecen al Servicio Nacional de Meteorología e Hidrología (SENAMHI) y 07 estaciones del TRMM, con un periodo de registro de enero 1998 hasta diciembre del 2010.
AREA DE ESTUDIO
2N
1i
2N
1i
)yyi(
)iyyi(1NSE∑
∑
=
=
−
−−=
2N
1i
2N
1i
)yyi(
)iyyi(
n1nECMN∑
∑
=
=
−
−−
=
ECMN1R2 −=
INDICADORES ESTADISTICOS
FUNCIONAMIENTO
Neurona biológica Neurona artificial
Control de calidad de datos estimados por satélite TRMM
R² = 0.63
0
70
140
210
280
0 60 120 180 240
Prec
ipita
cion
TRMM
270 (
mm
)
Precipitacion Huancané (mm)
R² = 0.62
0
70
140
210
280
0 130 260 390 520
Prec
ipita
cion
TRMM
271 (
mm
)
Precipitacion Huaraya Moho (mm)
R² = 0.63
0
70
140
210
280
0 80 160 240 320 Prec
ipita
cion
TRMM
296 (
mm
)
Precipitacion Cojata (mm)
R² = 0.51
0
70
140
210
280
0 80 160 240 320 Prec
ipita
cion
TRMM
322 (
mm
)
Precipitacion Ananea (mm)
R² = 0.69
0
70
140
210
280
0 60 120 180 240
Prec
ipita
cion
TRMM
295 (
mm
)
Precipitacion Putina (mm)
R² = 0.69
0
70
140
210
280
0 50 100 150 200
Prec
ipita
cion
TRMM
375 (
mm
)
Precipitacion Crucero (mm)
R² = 0.66
0
60
120
180
240
0 80 160 240 320 Prec
ipita
cion
TRMM
320 (
mm
)
Precipitacion Muñani (mm)
DATOS OBSERVADOS Y TRMM SIN CORREGIR (ESTACIONES) PRECIPITACION AREAL OBSERVADA Y TRMM SIN CORREGIR (METODO DE KRIGING)
DATOS OBSERVADOS Y TRMM CORREGIDO (ESTACIONES) PRECIPITACION AREAL OBSERVADA Y TRMM CORREGIDO (METODO DE KRIGING)
R² = 0.89
0
60
120
180
240
0 80 160 240 320 Prec
ipita
cion
TRMM
271 (
mm
)
Precipitacion Huaraya Moho (mm)
R² = 0.86
0
60
120
180
240
0 60 120 180 240 Prec
ipita
cion
TRMM
270 (
mm
)
Precipitacion Huancané (mm)
R² = 0.86
0
60
120
180
240
0 60 120 180 240 Prec
ipita
cion
TRMM
296 (
mm
)
Precipitacion Cojata (mm)
R² = 0.91
0
50
100
150
200
0 50 100 150 200 Prec
ipita
cion
TRMM
322 (
mm
)
Precipitacion Ananea (mm)
R² = 0.80
0
50
100
150
200
0 50 100 150 200 Prec
ipita
cion
TRMM
295 (
mm
)
Precipitacion Putina (mm)
R² = 0.86
0
50
100
150
200
0 40 80 120 160 Prec
ipita
cion
TRMM
375 (
mm
)
Precipitacion Crucero (mm)
R² = 0.81
0
60
120
180
240
0 60 120 180 240 Prec
ipita
cion
TRMM
320 (
mm
)
Precipitacion Muñani (mm)
Estaciones NASH E (%) ECMN (%) RMSE R2 (%)
Huancané - TRMM 270 85.3 14.4 20.3 85.6 Huaraya Moho - TRMM 271 88.9 10.9 23.2 89.4 Putina - TRMM 295 79.6 20.0 21.5 80.4 Cojata - TRMM 296 85.3 14.4 20.1 86.0 Muñani - TRMM 320 80.0 19.5 20.7 81.0 Ananea - TRMM 322 91.0 8.9 13.5 91.0 Crucero - TRMM 375 84.0 15.7 16.7 85.5
CUADRO RESUMEN DE EVALUACION ESTADISTICA
ANALISIS DE MAXIMA AVENIDAS ANALISIS DE FRECUENCIA LOCAL
1. Selección de la serie anual de máximos 2. Ajuste modelo probabilístico 3. Pruebas de Bondad de ajuste - Chi-Cuadrado - Kolmogorov-Smirnov 4. Determinación de los cuantiles de diseño
0.0
100.0
200.0
300.0
400.0
500.0
600.0
0 200 400 600 800 1000 1200
Caud
ales (
m3/se
g)
Tiempo (años)
Curva de frecuencia
HEC GeoHMS
PARAMETROS GEOMORLOGICOS ARC HYDRO
CAUDALES MAXIMOS
Tr 5 10 20 50 100 200 500 1000Probabilistico 213 255 296 349 389 428 473 519
INUNDACIONES
HEC GeoRAS
HEC RAS
MODELO MIKE
HEC HMS
El análisis regional consta de los siguientes pasos: • Evaluación de los datos históricos • Evaluación de un región homogénea • Selección de la distribución regional • Estimación de los cuantiles de diseño
Este Método puede ser empleado para la regionalización de caudales máximos y de precipitaciones máximas. El procedimiento de regionalización comprende tres medidas estadísticas descritas a continuación (Hosking 1990, 1993), las cuales son:
• Medida a Discordancia Di • Medida Heterogeneidad H • Medida Bondad de Ajuste Zdist
Distribuciones teoricas: Logisttica Generalizada (GLO), Pearson tipo3 (P3), Lognormal de 3 parametros (LN3), Valores Extremos Generalizada (GEV), GPA y OLB.
ANALISIS REGIONAL DE FRECUENCIAS
Dcrítico < Dcalculado, H<2, abs(Z)≤1.64
Discordanccia (critical value 1.33) L:0.39 SL:1.31 ICH:1.28 MZ:0.70 PZ:1.32 Heterogeneidad H1=1.84 H2=1.40 H3=1.41 Ajuste a una distribución glo gev gno pe3 gpa -1.63 -2.82 -3.06 -3.57 -5.51 Cuantiles regionales ajuste GLO
0.5 0.8 0.9 0.95 0.98 0.99 0.995 0.998 0.999 0.948 1.196 1.374 1.564 1.848 2.095 2.374 2.604 2.812
Diagrama L - moment´s
GRACIAS POR SU ATENCIÓN