DE LAS LLUVIAS Y SUS PATRONES TEMPORALES

UNA INTERPRETACIN PROBABILISTICA

rea de investigacin: Manejo y aprovechamiento de recursos hdricos
Beltrn Franklin Aparicio1
IDD.CONSULTORES, Av. 6 de Diciembre N30-105 y Alpallana, Edificio Gayal N2, Oficina 303,
Telf: (593 2) 2903959 / 0997103585, iddbeltran2@cablemodem.com.ec

RESUMEN
Se realiza un desarrollo matemtico de la ecuacin determinstica de una tormenta de
cualquier duracin y se obtiene patrones temporales de lluvias en funcin de la interpretacin
probabilstica de las ecuaciones matemticas.
METODOLOGA APLICADA
ECUACIN DETERMINISTICA DE LA PRECIPITACIN CELULAR
Este modelo sigue una ley de decrecimiento de una cantidad fsica [1]. La Intensidad de lluvia
es el resultado de la gran disipacin de energa en una atmsfera inestable. As, la intensidad
de lluvia I(t) en funcin del tiempo t, cumple con: La razn de cambio de I(t) en un instante
dado, es directamente proporcional a la magnitud de I(t) en dicho instante. Esto se representa
mediante la ecuacin diferencial (1):
I ' ( t ) =0 I ( t )

t >0

0 =constante

(1)

Se puede demostrar que la funcin (2) que expresa la ley de decrecimiento de I(t) satisface la
ecuacin diferencial (1).
I ( t )=I o e t
0

I 0 =I ( t=0 )

(2)

Integrando entre 0 y t la ecuacin (2) se obtiene la funcin de precipitacin P(t):

P (t )=
I0

I0
(1e t )
0
0

es una constante que representa la intensidad instantnea en t=0 y se obtiene de (3) con:

Si t=DT (Duraci n total de evento)

P ( DT )=PRE (Precipitacin total).

I0 =

Reemplazando (4) en (2):

(3)

0 PRE
0 DT

1e

(4)

 0 t

e
1e DT

I ( t )= 0 PRE

(5)

Reemplazando (4) en (3):

P (t )=PRE

1e t
1e DT
0

(6)

En el Anexo A, se desarrolla el procedimiento para obtener la ecuacin de la intensidad media

de tormenta para todo t DT .
INTERPRETACIN PROBABILISTICA
Adimensionalizando (6):
P(t) 1e t
=
PRE 1e DT
0

(7)

1e t
1
DT
1e
0

El valor en parntesis representa la probabilidad de que una variable aleatoria, denominada D,

sea menor o igual a t, conociendo de ante mano que D es menor o igual a DT. El
procedimiento para demostrar esta interpretacin se incluye en el Anexo B: Eventos con Fin,
as se concluye que:
1e t
(
D
t
|
D
DT
)
=
DT
P
1e

(8)

es una constante por evento, que se generaliza a toda tormenta mediante la ecuacin

emprica:
0 =

0
DT
0

P ( D t |D DT )=

(9)
t
DT

(1e
)

(1e )
0

(10)

Derivando, se obtiene la funcin de densidad exponencial truncada en el intervalo (0,

DT):

0 e DT

para t0
f D ( t )= DT (1e )
0 para t<0
0

(11)

La media E(D), definido por la esperanza:

DT

E ( D )= t f D ( t ) dt
0

Se puede demostrar que es igual a:

1
e
DT
E ( D )=DT (
)

0 1e
0
0

(12)

EVENTOS MULTICELULARES (PATRONES DE TORMENTAS)

Se define t como la duracin de vida media de un subevento de lluvia (celda unicelular): n
es la n-esima celda, m es el nmero total de celdas, I es una variable aleatoria entera que
representa el nmero de celdas dentro del evento.
1e t
(
D
t
|
D
DT
)
=
DT
P
1e

t= t n DT = t m D= t I

(
|
)
P t I tn tI t m =

0 =

t n
t m

t m
t m

1e
1e

1e m
(
|
)
I

n
I

m
=
P
1e
0

Sea:

K=e

0
m

0
tm

(13)

( I n|I m )=

1e

1e

P ( I n|I m ) =

n
m

1K n
1K m

=
m
m

K 1+ K 2 + K 3 +...+ K n
K 1 + K 2 + K 3 +...+ K m
m

Sea

=Kapa= K

j=1

P ( I n|I m) =

K1 K 2 K 3
Kn
+ + ++

Lo que concluye2 en:

P ( I =n|I m )=

Kn

(14)

Por tanto la precipitacin del subevento n es:

P ( n)
=P ( I =n|I m )
PRE
P ( n )=PRE P ( I =n|I m )
n

P ( n )=PRE

(15)

Ejemplo con m desde 1 a 10, se calcula la probabilidades condicional de formacin de la nesima celda ms intensa al inicio del evento, conociendo de ante mano que la tormenta tendr
0=4
m celdas, considere

1 En el Anexo C se indica el clculo del valor de la constante Kapa

2 Se puede deducir de (13) mediante el procedimiento indicado en el Anexo D: Probabilidad de
subeventos.

Cuadro N1: Probabilidad de subeventos para distintos valores de m.

ORDEN DE SUBEVENTOS (PATRON TEMPORAL)
Se observa que es bastante seguro que un subevento de alta disipacin se presente al inicio del
evento, de no darse al inicio, la probabilidad del subevento aumenta y se calcula con:
P ( I m|I m )=

K K K
K
+ + + +

Por simplificacin de simbologa:

K1
P1=P ( I =1|I m) =

P1+ P 2+ Pi ++ Pm =1

P2+ P 3+P 4 +P m=1

P2 + P3 + P4 ++ P m
=1
1P1
P2
P
P4
Pm
+ 3 +
+
=1
1P1 1P1 1P1
1P1

P1

=1

Por tanto la probabilidad de los subeventos

Pi

aumentan en

P2
1P1 representa la probabilidad que se presente el subevento
presentar el subevento

P1

P2

1
1P1 . El valor de
conociendo que no se

La probabilidad total del evento depende del ordenamiento de los subeventos y ser igual a la
multiplicacin de la probabilidad de cada subevento.
PT =P 1

P2
P3

1P 1 1P1P2

Pn
n1

1 Pi

(16)

i=1

Por tanto, en eventos con fin que disponen de memoria, para conocer: Qu se presentar en
el futuro? se debe primero saber Qu no se presentar en el futuro? y lo Qu no se
presentar en el futuro? es lo que ya se present en el pasado (Todo subevento es irrepetible).

Cuadro N2: Probabilidad total del evento de lluvia en relacin a su patrn temporal.
Los patrones temporales caracterizados por su geometra y su probabilidad acumulada se
indican en el cuadro N2 y grfico N1.

Probabilidad=64.39%

Probabilidad=28.27%

Probabilidad=6.73%
Probabilidad=0.61%

Grfico N1: Patrones de disipacin de eventos intensos: o=4, m=4

LOGROS INVESTIGATIVOS

Se propone el concepto matemtico de eventos de disipacin con fin, partiendo de una

distribucin probabilstica exponencial truncada en DT. Derivando (3) se obtiene la
funcin de densidad exponencial truncada en el intervalo (0, DT):

0 e DT

para t0
f D ( t )= DT (1e )
0 para t<0

(5)

En relacin a la intensidad de lluvia se expresa la relacin entre

I DT

media al tiempo t, y la intensidad media del evento

I ( t ) ; la intensidad

, como una funcin del tiempo

de anlisis y la duracin del evento DT:

t

I ( t ) DT 1e DT
=

I DT
t
1e
0

Se resuelve la probabilidad de subeventos dentro de una tormenta de lluvia.

Se obtiene el orden de subeventos y se asocia una probabilidad general.

(6)

CONCLUSIONES
Resulta altamente seguro que un subevento de alta disipacin se presente al inicio del evento,
de no darse, la probabilidad de este subevento aumenta an ms. En eventos con fin, los
subeventos son irrepetibles por lo que el sistema debe disponer de memoria a diferencia de
modelos exponenciales sin truncamiento caracterizados por la falta de memoria.

RESULTADOS
Se expone un procedimiento matemtico para analizar la estructura interna de una tormenta
como reflejo de la disipacin de la energa disponible durante la formacin de la
precipitacin. Se incluye una interpretacin probabilstica de los patrones de lluvia en el
tiempo asociados a una probabilidad de ocurrencia. Su uso tiene aplicaciones en tormentas de
diseo, generacin de curvas Intensidad-Duracin-Frecuencia y la ms interesante: La
prediccin interna a pocas horas con probabilidad asignada.
ANEXO A: INTENSIDAD MEDIA DE LLUVIA PARA TODO t DT
Partiendo de:
I ( t )= 0 PRE

0 t

e
DT
1e
0

(1)

0
DT

(2)

K o=e

(3)

0 =
Definiendo K0 como:

Reemplazando (2) y (3) en (1):

0

PRE e DT
I ( t )= 0

DT
DT

1e DT

(4)

Definiendo Intensidad media del evento

I DT

con:

I DT =

PRE
DT

(5)

Reemplazando (5) en (4):

0

e DT
I ( t )=I DT 0
1e

(6)

La intensidad en t=0 se obtiene de (6) igualando t=0:

I0 =

0
I
1K 0 DT

La ecuacin (7) indica que la relacin entre la intensidad inicial y la intensidad media del
evento es igual a una constante:
8

(7)

I0
0
=
I DT 1e

(8)

Reemplazando (3) en (6):

t

0 K 0DT
I ( t )=I DT
1K 0

(9)

Reemplazando (7) en (9):

I ( t )=I 0 K
Definiendo

I f =I ( t=DT )

t
DT
0

(10)

como la intensidad de lluvia a tiempo t= DT en (10) se

obtiene:
I f =K 0 I 0

(11)

La ecuacin (11) indica que la relacin entre la intensidad final y la intensidad inicial del
evento es igual a una constante:
If
=K 0=e
I0

(12)

Reemplazando (12) en (10):

I ( t )=I 0

If
I0

( )

t
DT

La intensidad media del evento para todo 0 t DT

I ( t )=

I ( t )=

(13)
queda expresada por la ecuacin:

P (t )
t

(14)

[ ()]

I
PRE
1 f
I0
(1K 0) t

t
DT

(15)

I ( t )=I DT

1K 0DT
(1K 0 )

t
DT

(16)

La ecuacin (16) es la intensidad media de lluvia para todo t >= 0 y duracin DT. Se puede
I
demostrar que para t=0 la ecuacin (16) converge a 0 .

ANEXO B: EVENTOS CON FIN

Suponga que una variable aleatoria D, representa la duracin de un evento de lluvia. Se dice
0
que esta variable aleatoria tiene una distribucin exponencial con parmetro
si su
funcin de probabilidad es:

0 e t para t0
f D ( t )=
0 para t<0
0

En este caso, la probabilidad acumulada es3:

P { D t }=1e t
0

(1)

0 t

P { D> t }=e

Dnde:t, es el tiempo continuo.

Es conocido de una sorprendente propiedad de la distribucin exponencial denominada falta
de memoria, el proceso olvida su historia 4. Si se supone que la variable probabilstica no
puede ser mayor a un valor DT entonces la probabilidad cambia y el sistema as representado
si tiene memoria. Por tanto, se clasifica los eventos en Eventos con fin y Eventos sin fin. Para
eventos con fin, DT es el mximo valor que puede alcanzar la variable aleatoria D:
0 D DT

El valor de la nueva probabilidad se calcula con el siguiente procedimiento y su resultado

corresponde a una distribucin de probabilidad exponencial truncada en DT:
P { D t }=1e t
0

0 DT

P { D DT }=1e

P { D t }
1e t
=
P { D DT } 1e DT
0

3 Valor esperado

E ( D )=

1
0

, y la varianza

Var ( D )=

1
20

4 INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES, F. Hiller, G. Lieberman,

2010, Pag. 716.

10

P { D t|D DT }=

0 t

1e
1e DT
0

ANEXO C: CLCULO DE CONSTANTE POR EVENTO Kapa

1K m =1K m
1K m =( 1K ) . ( 1+ K 1+ K 2+ ...+ K m 1 )
m

1K =( 1K ) . ( 1+ K + K + ...+ K

1K =

m 1

) K
K

1K
1
2
3
m
(K + K + K +.. .+ K )
K

Kapa= = K j
j=1

1K m =

1K

1K m
=
K
1K

1e
1e

0
m

0
m

ANEXO D: PROBABILIDAD DE SUBEVENTOS

n

(
|
) 1K
P I n I m = 1K m
P ( I =n|I m )=P ( I n|I m )P ( I (n1)|I m )
n

n1

(
|
) 1K 1K
P I =n I m = 1K m 1K m

11

P ( I =n|I m )=

1K 1+ K
1K m

n1

K + K
1K m

( I =n|I m )=
P

K (1+

n1

1
)
K

1K m

K n (1K )
K (1K m)

Kn
(1K m)
K
( 1K )
n

K
P ( I =n|I m )=

BIBLIOGRAFA
[1]

Swokowski, E. (1986). Clculo con Geometra Analtica, ed. 2. Mxico DF .Grupo Editorial Iberoamericana. (pp. 384-386).

[2]

Hiller. F, & Lieberman, G. (2010). Introduccin a la Investigacin de Operaciones. Mxico DF. McGrawHill. (p. 717).

12