UNIVERSIDAD NACIONAL

“SANTIAGO ANTUNEZ DE MAYOLO”

ESCUELA PROFESIONAL DE INGENIERIA AGRÍCOLA

TRABAJO N° 2

TEMA: CAUDAL MAXIMO, FORMATIVO Y PARAMETROS

HIDRAGRAFICOS EN EL TRAMO CHALLHUA –
CONOCOCHA DE LA CUENCA DEL SANTA
ASIGNATURA: HIDRAULICA FLUVIAL

DOCENTE: ING. APARICIO ROQUE FIDEL

PRESENTADO POR LOS ESTUDIANTES:

JEAN LEE RODRIGUEZ ORTIZ

Huaraz – Perú
2018

1
 Contenido

INTRODUCCIÓN ............................................................................................................ 3
OBJETIVOS ..................................................................................................................... 4
OBJETIVOS GENERALES ........................................................................................ 4
OBJETIVOS ESPECIFICOS ...................................................................................... 4
III. MARCO TEORICO .............................................................................................. 5
3.1. Caudal dominante o formativo .......................................................................... 5
3.2. Variables Hidrológicas ...................................................................................... 5
3.2.1. Precipitaciones ............................................................................................... 5
3.2.2. Caudales ......................................................................................................... 5
3.3. Funciones de Distribución de Probabilidad ................................................... 6
3.3.1. Distribución Normal ....................................................................................... 6
3.3.2. Distribución Logarítmico-Normal.................................................................. 7
3.3.3. Distribución Gumbel ...................................................................................... 8
IV. Análisis y Discusión de Resultados ....................................................................... 9
4.1. Ubicación del estudio ..................................................................................... 9
4.2. Ubicación de las Estaciones de aforo de las sub cuencas del Rio Santa ........ 9
4.3. Caudales máximos instantáneos anuales (m3/s) .............................................. 10
4.4. Selección del modelo probabilístico ................................................................ 11
4.4.1. Estación Conococha ..................................................................................... 11
4.4.2. Estación Recreta ........................................................................................... 17
4.4.3. Estación Pachacoto ....................................................................................... 22
4.5. Regionalización de las descargas máximas para diferentes periodos de retorno
27
4.6. Parámetros geomorfológicos de la Cuenca Santa ............................................ 29
V. CONCLUSIONES ..................................................................................................... 34
VI. BIBLIOGRAFÍA ................................................................................................. 35

2
 INTRODUCCIÓN

Es importante conocer el comportamiento dinámico del agua, las consecuencias que trae

el cambio constante del caudal, por lo cual; en la historia se han desarrollado técnicas y

métodos de aforo que ayudaran en la recolección de datos, con lo cual se podrá hacer un

procesamiento y análisis para determinar parámetros importantes.

Al conocer con un nivel de aproximación razonable las magnitudes de las crecientes que

se van a presentar, se podrá prevenir sus efectos sobre la extensión del rio, durante la vida

útil de una obra; es claro que las estructuras se pueden diseñar con una gran confianza en

cuanto a los aspectos técnicos y económicos. En efecto, la estabilidad de una obra durante

la vida útil de diseño, depende en gran parte de su capacidad para soportar los efectos que

se producen sobre la estructura cuando pasan las crecientes extraordinarias. Estos efectos

se traducen en impactos, presiones, socavación, taponamientos y desbordamientos.

3
 OBJETIVOS

OBJETIVOS GENERALES

Estimar el caudal formativo, mediante el análisis de datos con distintas funciones de

distribución de probabilidad.

OBJETIVOS ESPECIFICOS

Determinar la pendiente de la cuenca de Challhua – Conococha

Determinar el área de la cuenca del tramo Challhua – Conococha

Determinar el caudal máximo del tramo Challhua – Conococha

4
III. MARCO TEORICO

3.1. Caudal dominante o formativo

Rocha, F. (1981). Es el flujo permanente, que probablemente está en el rango de

los flujos presentados y que explica la longitud de los meandros observados.

Apaclla, N. (2014). La formación del cauce de un rio es el resultado del cambio

constante de las descargas y la descarga a cauce lleno, es usualmente utilizada como

la descarga formativa del cauce, para cambios en la geometría del canal, aguas abajo.

3.2. Variables Hidrológicas

Según Chow et al., (1994), las precipitaciones y los caudales son variables

hidrológicas que son medidas por las estaciones hidrométricas. Éstas son consideradas

variables aleatorias y son definidas mediante una función que les asigna un valor,

asociado a cada punto del espacio muestral.

3.2.1. Precipitaciones

Las precipitaciones representan el elemento más importante del ciclo hidrológico.

Para Fernández (1995), la precipitación, junto con la temperatura, es el elemento

climático más influyente en el medio natural, ya que afecta directamente en la distribución

de las especies vegetales y animales, y a la vez en las actividades del hombre, como son

las agrícolas, las forestales y las económicas entre otras.

3.2.2. Caudales
Según Pizarro et al., (1993), se denomina caudal o gasto, al volumen de agua que fluye

a través de una sección transversal por unidad de tiempo, donde la unidad de medida más

5
comúnmente empleada es m3/s. Para el ingeniero hidrólogo, el caudal es una variable

dependiente en la mayoría de los estudios, puesto que la ingeniería hidrológica se dedica

principalmente a estimar volúmenes de flujo, o los cambios en estos valores debido a la

acción del hombre (Linsley et al., 1988).

3.3. Funciones de Distribución de Probabilidad

El comportamiento de las variables aleatorias discretas o continuas se describe con la

ayuda de Distribuciones de Probabilidad. La variable se designa por mayúscula y un valor

específico de ella por minúscula.

3.3.1. Distribución Normal

La función Normal es el modelo más utilizado y con mayor importancia en el campo

de la estadística (Varas y Bois, 1998). Sin embargo, su uso es muy limitado en hidrología,

dado que las variables raramente se comportan de esta forma.

Linsley et al., (1988) señalan que el uso de esta función, en términos hidrológicos,

debe reducirse a zonas húmedas donde el valor medio es alto, no siendo recomendable

para valores extremos.

Función de distribución de probabilidad normal:

[1]

6
Donde:

x: Variable aleatoria.

U = Media de la población.

𝝈 = Desviación estándar de la población.

Para resolver esta función se recurren a métodos numéricos para evaluarla, y para hacer

esto más sencillo se le ha asignado una variable estandarizada, cuya expresión es la

siguiente:

[2]

La cual está normalmente distribuida con media cero y desviación estándar unitaria. Así,

la función principal queda como:

[3]

3.3.2. Distribución Logarítmico-Normal

Las variables físicas de interés en Hidrología (precipitación, caudal, evaporación y

otras) son generalmente positivas, por lo cual es usual que presenten distribuciones

asimétricas. Así, se ha propuesto aplicar una transformación logarítmica (Varas y Bois,

1998), donde Y = Ln X, está normalmente distribuida; luego X está distribuida en forma

Normal, y su función de densidad de probabilidad es

7
 [4]

[5]

La función de distribución de probabilidad entonces, sigue la siguiente tendencia:

Estudios realizados por Poblete et al., (2002), identifican a la función Log-Normal, entre

otras funciones, como la que presenta mejor bondad de ajuste a series de caudales anuales,

por sobre un 90% para el test de Kolmogorov-Smirnov y ji cuadrado.

3.3.3. Distribución Gumbel

Según Aparicio, 1997, si se tienen N muestras, cada una de las cuales contienen n eventos

y si se selecciona el máximo de x de los n eventos de cada muestra, es posible demostrar

que, a medida que n aumenta, la función de distribución de probabilidad de x tiende a:

[6]

χ: Representa el valor a asumir por la variable aleatoria

e: Constante de Neper.

Los parámetros de la distribución de una muestra de tamaño infinito, tienden a los

siguientes valores, en base a la media aritmética y la desviación estándar de la muestra:

8
 [7]

Entonces, la función de Gumbel sigue la tendencia.

IV. Análisis y Discusión de Resultados

4.1. Ubicación del estudio

La zona de estudio se encuentra ubicada al suroeste de la ciudad de Huaraz, En la parte

baja de Mercado Mayorista de Challhua, las coordenadas del punto en el que se evaluara
los caudales son:
Este 331731 m
Norte 8945385 m
Altura 3035 msnm

Ilustración 1 Ubicación del punto en el que se evaluara los caudales máximos y

formativos.

4.2. Ubicación de las Estaciones de aforo de las sub cuencas del Rio Santa

La cuenca del río Santa se ubica en la costa central del Perú, en el sector septentrional

del departamento de Ancash. Políticamente comprende territorios correspondientes a las

regiones de Ancash y La Libertad.

9
 De acuerdo a la ubicación de nuestra zona de estudio se identificó y recolecto de datos

para el modelamiento estadístico.

Tabla 1
Datos Geográficos de las estaciones de aforo

ALTITUD LATITUD LONGITUD

ESTACION RIO AREA
m.s.n.m SUR OESTE
PACHACOTO Pachacoto 3745 9°51' 77°24' 198
QUEROCOCHA Yanayacu 4037 9°43.5' 77°19.8' 63
RECRETA Santa 4018 10°02' 77°19.2 290

4.3. Caudales máximos instantáneos anuales (m3/s)

Tabla 2
Datos de caudales máximos instantáneos anuales (m3/s)

PACHACOTO QUEROCOCHA RECRETA

1953-54 27.00 6.94 18.40
1954-55 41.00 7.95 38.20
1955-56 23.00 6.50 23.50
1956-57 26.30 6.77 23.00
1957-58 24.20 6.39 21.50
1958-59 23.50 6.26 38.00
1959-60 25.40 8.90 25.78
1960-61 26.60 8.00 21.48
1961-62 36.00 9.40 37.60
1962-63 34.96 7.56 34.10
1963-64 24.40 5.88 27.01
1964-65 15.88 9.10 21.97
1965-66 23.60 6.52 17.08
1966-67 34.00 9.80 29.09
1967-68 17.90 4.93 8.80
1968-69 18.16 3.98 13.20
1969-70 33.00 6.87 39.90
1970-71 31.28 6.70 40.00
1971-72 57.00 8.90 53.55
1972-73 23.58 5.80 26.96
1973-74 41.00 7.48 40.35
1974-75 18.15 10.72 27.65

10
 1975-76 21.58 10.21 31.26
1976-77 25.70 8.97 25.19
1977-78 21.50 8.13 11.90
1978-79 27.00 8.96 23.10
1979-80 17.16 4.89 6.17
1980-81 52.00 9.40 54.70
1981-1982 - - 38.80

4.4. Selección del modelo probabilístico

El análisis se desarrolló en función de los resultados del test de bondad de ajuste

Kolmogorov-Smirnov y el coeficiente de determinación R2; así se pudo determinar los

mejores ajustes.

Ordenamos los caudales máximos de mayor a menor, sacaremos el m que es el número

de orden del caudal máximo, el p que es m/1+n, donde el m ya está mencionado y el n

es el número total de datos.

Finalmente se saca el promedio y la desviación estándar de los caudales máximos ya

ordenados.

4.4.1. Estación Conococha

4.4.1.1. MODELOS PROBABILISTICOS

A. DISTRIBUCIÓN NORMAL

Tabla 3
Tabla de distribución normal estación Conococha

m Q (ordenado) P(Q)=(m/n+1) Z=(Q-X)/S F(z) |P(Q)-F(z)|

1 3.98 0.034482759 -2.089094399 0.018349613 0.016133145
2 4.89 0.068965517 -1.559283258 0.059464676 0.009500841
3 4.93 0.103448276 -1.535994856 0.062269821 0.041178455
4 5.80 0.137931034 -1.029472118 0.151628938 0.013697903
5 5.88 0.172413793 -0.982895314 0.162829482 0.009584311
6 6.26 0.206896552 -0.761655497 0.223132821 0.01623627

11
 7 6.39 0.24137931 -0.685968192 0.246366583 0.004987273
8 6.50 0.275862069 -0.621925087 0.266995564 0.008866505
9 6.52 0.310344828 -0.610280886 0.270837878 0.039506949
10 6.70 0.344827586 -0.505483078 0.306609791 0.038217796
11 6.77 0.379310345 -0.464728375 0.321062993 0.058247352
12 6.87 0.413793103 -0.40650737 0.342184921 0.071608182
13 6.94 0.448275862 -0.365752667 0.357274821 0.091001041
14 7.48 0.482758621 -0.051359243 0.479519631 0.00323899
15 7.56 0.517241379 -0.00478244 0.49809209 0.019149289
16 7.95 0.551724138 0.222279478 0.587951837 0.036227699
17 8.00 0.586206897 0.25138998 0.599243693 0.013036796
18 8.13 0.620689655 0.327077286 0.628195284 0.007505629
19 8.90 0.655172414 0.77537902 0.780942136 0.125769722
20 8.90 0.689655172 0.77537902 0.780942136 0.091286963
21 8.96 0.724137931 0.810311622 0.791119451 0.06698152
22 8.97 0.75862069 0.816133723 0.792788171 0.034167481
23 9.10 0.793103448 0.891821029 0.813755566 0.020652117
24 9.40 0.827586207 1.066484042 0.856897556 0.029311349
25 9.40 0.862068966 1.066484042 0.856897556 0.00517141
26 9.80 0.896551724 1.29936806 0.903091176 0.006539452
27 10.21 0.931034483 1.538074178 0.937984761 0.006950278
28 10.72 0.965517241 1.835001301 0.966747252 0.00123001

PROMEDIO 7.57 ∆Calc. 0.125769722

DESVIACION 1.717593177 ∆T 0.30143

∆Calc. < ∆T BUEN AJUSTE

Finalmente hacemos la gráficas de la distribución de probabilidad (m vs. P(z)) y en el

caso de la distribución de Gumbel es (m vs. P(Q))

1.2
1
0.8
P(Q)/F(z)

0.6
0.4
0.2
0
0 5 10 15 20 25 30
m

Ilustración 2. Distribución normal est. Conococha.

12
B. DISTRIBUCIÓN LOG-NORMAL

Tabla 4
Tabla de distribución LOG-NORMAL estación Conococha

m Q (ordenado) P(Q)=(m/n+1) LN(Q) Z F(Z) |F(Z)-P(Q)|

1 3.98 0.034482759 1.381281819 -2.590406072 0.004793139 0.02968962
2 4.89 0.068965517 1.587192303 -1.724188633 0.042336898 0.02662862
3 4.93 0.103448276 1.595338988 -1.689917429 0.045521876 0.0579264
4 5.80 0.137931034 1.757857918 -1.006238153 0.157150512 0.019219477
5 5.88 0.172413793 1.771556762 -0.948610306 0.171409424 0.001004369
6 6.26 0.206896552 1.834180185 -0.685168153 0.246618909 0.039722357
7 6.39 0.24137931 1.854734268 -0.598701913 0.274685841 0.03330653
8 6.50 0.275862069 1.871802177 -0.526901198 0.299131101 0.023269032
9 6.52 0.310344828 1.874874376 -0.513977173 0.303633975 0.006710852
10 6.70 0.344827586 1.902107526 -0.399413653 0.344794218 3.33683E-05
11 6.77 0.379310345 1.912501087 -0.355690365 0.361036231 0.018274114
12 6.87 0.413793103 1.927164106 -0.294006458 0.384376484 0.029416619
13 6.94 0.448275862 1.937301775 -0.25135965 0.400768031 0.047507831
14 7.48 0.482758621 2.012232792 0.063857685 0.525458227 0.042699606
15 7.56 0.517241379 2.02287119 0.108610948 0.543244462 0.026003082
16 7.95 0.551724138 2.073171929 0.320214437 0.62559711 0.073872972
17 8.00 0.586206897 2.079441542 0.346589238 0.635550034 0.049343137
18 8.13 0.620689655 2.095560924 0.414399723 0.660709304 0.040019649
19 8.90 0.655172414 2.186051277 0.795071558 0.786714061 0.131541647
20 8.90 0.689655172 2.186051277 0.795071558 0.786714061 0.097058888
21 8.96 0.724137931 2.192770227 0.823336616 0.794841702 0.070703771
22 8.97 0.75862069 2.193885676 0.828029051 0.796172976 0.037552286
23 9.10 0.793103448 2.208274414 0.888559117 0.812879965 0.019776516
24 9.40 0.827586207 2.240709689 1.025006766 0.847320003 0.019733796
25 9.40 0.862068966 2.240709689 1.025006766 0.847320003 0.014748963
26 9.80 0.896551724 2.282382386 1.200314092 0.884991311 0.011560414
27 10.21 0.931034483 2.323367632 1.372729476 0.915081769 0.015952714
28 10.72 0.965517241 2.372111156 1.577782124 0.942692164 0.022825077

PROMEDIO LN(Q) 1.997053039 ∆Calc. 0.131541647

DESV.P (LN(Q) 0.237712236 ∆T 0.30143

∆Calc. < ∆T BUEN AJUSTE

Finalmente hacemos la gráficas de la distribución de probabilidad (m vs. P(z)) y en el

caso de la distribución de Gumbel es (m vs. P(Q))

13
 1.2

0.8
P(Q)/F(z)

0.6

0.4

0.2

0
0 5 10 15 20 25 30
m

Ilustración 3. Distribución LOG-NORMAL est. Conococha

C. DISTRIBUCIÓN GUMBEL

Tabla 5
Tabla de distribución GUMBEL estación Conococha

m Q (ordenado) P(Q)=(m/n+1) W F(W) |F(W) - P|

1 3.98 0.034482759 -2.648132152 7.31897E-07 0.034482027
2 4.89 0.068965517 -1.968015156 0.000779812 0.068185705
3 4.93 0.103448276 -1.938119903 0.000962785 0.102485491
4 5.80 0.137931034 -1.287898159 0.02664486 0.111286175
5 5.88 0.172413793 -1.228107654 0.032884248 0.139529545
6 6.26 0.206896552 -0.944102754 0.076496831 0.130399721
7 6.39 0.24137931 -0.846943183 0.097052239 0.144327071
8 6.50 0.275862069 -0.764731238 0.116668712 0.159193357
9 6.52 0.310344828 -0.749783612 0.12044742 0.189897408
10 6.70 0.344827586 -0.615254975 0.157216998 0.187610588
11 6.77 0.379310345 -0.562938283 0.172764819 0.206545526
12 6.87 0.413793103 -0.488200152 0.196050904 0.2177422
13 6.94 0.448275862 -0.43588346 0.213028659 0.235247203
14 7.48 0.482758621 -0.03229755 0.355999919 0.126758702
15 7.56 0.517241379 0.027492956 0.377992269 0.13924911
16 7.95 0.551724138 0.318971668 0.48340709 0.068317048
17 8.00 0.586206897 0.356340734 0.496469123 0.089737773
18 8.13 0.620689655 0.453500305 0.529723472 0.090966184
19 8.90 0.655172414 1.028983918 0.699513704 0.044341291

14
 20 8.90 0.689655172 1.028983918 0.699513704 0.009858532
21 8.96 0.724137931 1.073826797 0.710562477 0.013575454
22 8.97 0.75862069 1.08130061 0.712372642 0.046248048
23 9.10 0.793103448 1.178460181 0.735097411 0.058006037
24 9.40 0.827586207 1.402674575 0.781970469 0.045615738
25 9.40 0.862068966 1.402674575 0.781970469 0.080098497
26 9.80 0.896551724 1.701627101 0.833279198 0.063272526
27 10.21 0.931034483 2.00805344 0.874371667 0.056662816
28 10.72 0.965517241 2.389217911 0.912377568 0.053139673

PROMEDIO 7.568214286 ∆Calc. 0.235247203

DESVIACION 1.717593177 ∆T 0.30143
α 1.338005085
β 7.523214286 ∆Calc. < ∆T BUEN AJUSTE

Finalmente hacemos la gráficas de la distribución de probabilidad (m vs. P(z)) y en el

caso de la distribución de Gumbel es (m vs. P(Q))

1.2

0.8
P(Q)/F(z)

0.6

0.4

0.2

0
0 5 10 15 20 25 30
m

Ilustración 4. Distribución GUMBEL est. Conococha

15
 4.4.1.2. RESUMEN MODELOS ESTADISTICOS

Tabla 6
Selección de modelo estadístico est. Conococha

∆Calc. ∆T Cumple: ∆Calc. < ∆T

NORMAL 0.124429213 0.30143 SI, buen ajuste
LOG
NORMAL 0.102061479 0.30143 SI, buen ajuste
GUMBEL 0.256401701 0.30143 SI, buen ajuste

∆Calc. 0.102061479

4.4.1.3. CALCULO DE CAUDALES PARA DIFERENTES PERIODOS

DE RETORNO

Tabla 7
Calculo de Caudales Maximos para diferentes Periodos de retorno

Normal Lognormal Gumbel

T (años) F(Z) Z W Qi Qi Qi
2 0.5 0 0.366512921 7.568214286 7.367312892 8.013610437
5 0.8 0.841621234 1.499939987 9.013777174 8.999029194 9.530141615
8 0.875 1.15034938 2.013418678 9.544046533 9.684291718 10.21717872
10 0.9 1.281551566 2.250367327 9.769398511 9.991088315 10.53421721
15 0.933333333 1.501085946 2.673752092 10.14646927 10.52632788 11.10070818
20 0.95 1.644853627 2.970195249 10.39340365 10.89228644 11.49735063
25 0.96 1.750686071 3.198534261 10.57518074 11.16978695 11.80286939
50 0.98 2.053748911 3.901938658 11.0957194 12.00417234 12.74402805
100 0.99 2.326347874 4.600149227 11.56393352 12.80780043 13.67823734
300 0.996666667 2.713051888 5.702113489 12.2281337 14.04095856 15.15267113

16
 4.4.2. Estación Recreta

4.4.2.1. MODELOS PROBABILISTICOS

A. DISTRIBUCIÓN NORMAL

Tabla 8
Tabla de distribución normal estación Recreta

m Q (ordenado) P(Q)=(m/n+1) Z=(Q-X)/S F(z) |P(Q)-F(z)|

1 6.17 0.034482759 -1.80546908 0.035500655 0.001017896
2 8.80 0.068965517 -1.586317727 0.056333627 0.012631891
3 11.90 0.103448276 -1.328002443 0.09208865 0.011359626
4 13.20 0.137931034 -1.219676679 0.111293733 0.026637302
5 17.08 0.172413793 -0.896365937 0.185028677 0.012614884
6 18.40 0.206896552 -0.786373623 0.215824316 0.008927764
7 21.48 0.24137931 -0.52972489 0.298151344 0.056772034
8 21.50 0.275862069 -0.52805834 0.298729422 0.022867353
9 21.97 0.310344828 -0.48889441 0.312458227 0.002113399
10 23.00 0.344827586 -0.403067074 0.343449441 0.001378145
11 23.10 0.379310345 -0.394734322 0.346519485 0.03279086
12 23.50 0.413793103 -0.361403318 0.358898984 0.05489412
13 25.19 0.448275862 -0.220579825 0.412709806 0.035566056
14 25.78 0.482758621 -0.171416594 0.431948104 0.050810517
15 26.96 0.517241379 -0.073090131 0.470867198 0.046374182
16 27.01 0.551724138 -0.068923755 0.472525155 0.079198983
17 27.65 0.586206897 -0.015594148 0.493779087 0.09242781
18 29.09 0.620689655 0.104397467 0.541573034 0.079116622
19 31.26 0.655172414 0.285218165 0.612261498 0.042910916
20 34.10 0.689655172 0.521868296 0.699118983 0.009463811
21 37.60 0.724137931 0.813514584 0.792038456 0.067900525
22 38.00 0.75862069 0.846845588 0.801459403 0.042838713
23 38.20 0.793103448 0.86351109 0.806071738 0.012968289
24 39.90 0.827586207 1.005167859 0.842591985 0.015005779
25 40.00 0.862068966 1.01350061 0.844589447 0.017479518
26 40.35 0.896551724 1.042665238 0.851448319 0.045103406
27 53.55 0.931034483 2.142588381 0.983926918 0.052892435
28 54.70 0.965517241 2.238415018 0.987402998 0.021885757

PROMEDIO 27.84 ∆Calc. 0.09242781

DESVIACION 12.00083851 ∆T 0.30143

∆Calc. < ∆T BUEN AJUSTE

17
Finalmente hacemos la gráficas de la distribución de probabilidad (m vs. P(z)) y en el

caso de la distribución de Gumbel es (m vs. P(Q))

1.2

0.8
P(Q)/F(z)

0.6

0.4

0.2

0
0 5 10 15 20 25 30
m

Ilustración 5. Distribución normal est. Recreta

B. DISTRIBUCIÓN LOG-NORMAL

Tabla 9
Tabla de distribución LOG-NORMAL estación Recreta

m Q (ordenado) P(Q)=(m/n+1) LN(Q) Z F(Z) |F(Z)-P(Q)|

1 6.17 0.034482759 1.819698838 -2.819859722 0.002402232 0.032080526
2 8.80 0.068965517 2.174751721 -2.10468258 0.017659474 0.051306043
3 11.90 0.103448276 2.4765384 -1.496798672 0.067222826 0.03622545
4 13.20 0.137931034 2.58021683 -1.287960929 0.098879782 0.039051252
5 17.08 0.172413793 2.837908188 -0.768897494 0.220977083 0.04856329
6 18.40 0.206896552 2.912350665 -0.618949247 0.267974897 0.061078345
7 21.48 0.24137931 3.06712227 -0.307195366 0.379347336 0.137968026
8 21.50 0.275862069 3.068052935 -0.305320742 0.38006094 0.104198871
9 21.97 0.310344828 3.089677886 -0.261761961 0.396752484 0.086407656
10 23.00 0.344827586 3.135494216 -0.169474888 0.432711562 0.087883975

18
 11 23.10 0.379310345 3.139832618 -0.160736117 0.436150621 0.056840276
12 23.50 0.413793103 3.157000421 -0.126155295 0.449804499 0.036011396
13 25.19 0.448275862 3.22644709 0.013729981 0.505477298 0.057201436
14 25.78 0.482758621 3.249598998 0.060364484 0.524067328 0.041308707
15 26.96 0.517241379 3.294354286 0.15051432 0.559820573 0.042579194
16 27.01 0.551724138 3.296207168 0.154246549 0.56129233 0.009568192
17 27.65 0.586206897 3.319625728 0.201418167 0.579814194 0.006392702
18 29.09 0.620689655 3.370394473 0.303680808 0.61931446 0.001375196
19 31.26 0.655172414 3.442339325 0.448598133 0.67313921 0.017966796
20 34.10 0.689655172 3.529297384 0.623756311 0.733606182 0.04395101
21 37.60 0.724137931 3.62700405 0.82056523 0.79405302 0.069915089
22 38.00 0.75862069 3.63758616 0.841880598 0.800072604 0.041451915
23 38.20 0.793103448 3.642835516 0.852454288 0.803019 0.009915552
24 39.90 0.827586207 3.686376324 0.940157817 0.826431692 0.001154515
25 40.00 0.862068966 3.688879454 0.945199831 0.827721567 0.034347398
26 40.35 0.896551724 3.697591395 0.962748149 0.832163036 0.064388688
27 53.55 0.931034483 3.980615797 1.532839514 0.937342299 0.006307816
28 54.70 0.965517241 4.001863709 1.575638832 0.942445469 0.023071772

PROMEDIO LN(Q) 3.21963078 ∆Calc. 0.137968026

DESV.P (LN(Q) 0.496454462 ∆T 0.30143

∆Calc. < ∆T BUEN AJUSTE

Finalmente hacemos la gráficas de la distribución de probabilidad (m vs. P(z)) y en el

caso de la distribución de Gumbel es (m vs. P(Q))

1.2

1
P(Q)/F(z)

0.8

0.6

0.4

0.2

0
0 5 10 15 20 25 30
m

Ilustración 6. Distribución LOG-NORMAL est. Recreta

19
C. DISTRIBUCIÓN GUMBEL

Tabla 10
Tabla de distribución GUMBEL estación Recreta

m Q (ordenado) P(Q)=(m/n+1) W F(W) |F(W) - P|

1 6.17 0.034482759 -2.3128618 4.09443E-05 0.034441814
2 8.80 0.068965517 -2.031537854 0.000487703 0.068477815
3 11.90 0.103448276 -1.699939288 0.004196036 0.09925224
4 13.20 0.137931034 -1.560881824 0.008539784 0.12939125
5 17.08 0.172413793 -1.14584878 0.043062199 0.129351595
6 18.40 0.206896552 -1.004651971 0.065156927 0.141739625
7 21.48 0.24137931 -0.67519275 0.140238382 0.101140929
8 21.50 0.275862069 -0.673053404 0.140828349 0.13503372
9 21.97 0.310344828 -0.622778783 0.155035558 0.15530927
10 23.00 0.344827586 -0.512602485 0.188316592 0.156510995
11 23.10 0.379310345 -0.501905757 0.191691815 0.18761853
12 23.50 0.413793103 -0.459118845 0.205424074 0.20836903
13 25.19 0.448275862 -0.278344142 0.266884123 0.181391739
14 25.78 0.482758621 -0.215233448 0.289340416 0.193418205
15 26.96 0.517241379 -0.089012058 0.335177902 0.182063477
16 27.01 0.551724138 -0.083663694 0.337137918 0.214586219
17 27.65 0.586206897 -0.015204635 0.362286185 0.223920712
18 29.09 0.620689655 0.138828248 0.418793423 0.201896232
19 31.26 0.655172414 0.370947244 0.501535771 0.153636643
20 34.10 0.689655172 0.674734318 0.600921053 0.088734119
21 37.60 0.724137931 1.049119797 0.704514828 0.019623104
22 38.00 0.75862069 1.091906709 0.714926143 0.043694546
23 38.20 0.793103448 1.113300165 0.720022257 0.073081191
24 39.90 0.827586207 1.29514454 0.760439839 0.067146368
25 40.00 0.862068966 1.305841268 0.762658821 0.099410144
26 40.35 0.896551724 1.343279816 0.770289955 0.126261769
27 53.55 0.931034483 2.755247906 0.938386608 0.007352125
28 54.70 0.965517241 2.878260277 0.945319317 0.020197924

PROMEDIO 27.83714286 ∆Calc. 0.223920712

DESVIACION 12.00083851 ∆T 0.30143
α 9.348653197
β 27.79214286 ∆Calc. < ∆T BUEN AJUSTE

Finalmente hacemos la gráficas de la distribución de probabilidad (m vs. P(z)) y en el

caso de la distribución de Gumbel es (m vs. P(Q))

20
 1.2

P(Q)/F(w) 1

0.8

0.6

0.4

0.2

0
0 5 10 15 20 25 30
m

Ilustración 7. Distribución GUMBEL est. Recreta

4.4.2.2. RESUMEN MODELOS ESTADISTICOS

Tabla 11
Selección de modelo estadístico est. Recreta

∆Calc. ∆T Cumple: ∆Calc. < ∆T

NORMAL 0.108559157 0.30143 SI, buen ajuste
LOG NORMAL 0.111843297 0.30143 SI, buen ajuste
GUMBEL 0.263766639 0.30143 SI, buen ajuste

∆Calc. 0.108559157

4.4.2.3. CALCULO DE CAUDALES PARA DIFERENTES PERIODOS

DE RETORNO

Normal Lognormal Gumbel

T (años) F(Z) Z W Qi Qi Qi
2 0.5 0 0.366512921 27.83714286 25.01888101 31.21854504
5 0.8 0.841621234 1.499939987 37.93730337 37.99510734 41.81456161
8 0.875 1.15034938 2.013418678 41.6423 44.28858032 46.61489582
10 0.9 1.281551566 2.250367327 43.21683623 47.26938213 48.83004657

21
 15 0.933333333 1.501085946 2.673752092 45.85143288 52.71244609 52.78812389
20 0.95 1.644853627 2.970195249 47.5767656 56.61226757 55.55946817
25 0.96 1.750686071 3.198534261 48.84684367 59.66625946 57.69413041
50 0.98 2.053748911 3.901938658 52.48385187 69.3539839 64.27001417
100 0.99 2.326347874 4.600149227 55.755268 79.40462081 70.79734263
300 0.996666667 2.713051888 5.702113489 60.39604043 96.21040354 81.09922435

4.4.3. Estación Pachacoto

4.4.3.1. MODELOS PROBABILISTICOS

A. DISTRIBUCIÓN NORMAL

Tabla 13
Tabla de distribución normal estación Pachacoto

m Q (ordenado) P(Q)=(m/n+1) Z=(Q-X)/S F(z) |P(Q)-F(z)|

1 15.88 0.034482759 -1.233795071 0.108639638 0.07415688
2 17.16 0.068965517 -1.106071391 0.13434781 0.065382293
3 17.90 0.103448276 -1.032231138 0.150981926 0.04753365
4 18.15 0.137931034 -1.007285107 0.156898892 0.018967858
5 18.16 0.172413793 -1.006287265 0.157138702 0.015275091
6 21.50 0.206896552 -0.673008287 0.250471009 0.043574458
7 21.58 0.24137931 -0.665025557 0.253017073 0.011637763
8 23.00 0.275862069 -0.523332099 0.300371583 0.024509514
9 23.50 0.310344828 -0.473440037 0.317949636 0.007604808
10 23.58 0.344827586 -0.465457307 0.320802002 0.024025584
11 23.60 0.379310345 -0.463461624 0.321516758 0.057793587
12 24.20 0.413793103 -0.403591149 0.343256698 0.070536406
13 24.40 0.448275862 -0.383634324 0.350624748 0.097651114
14 25.40 0.482758621 -0.283850199 0.388262591 0.094496029
15 25.70 0.517241379 -0.253914961 0.399780628 0.117460751
16 26.30 0.551724138 -0.194044486 0.423070524 0.128653614
17 26.60 0.586206897 -0.164109249 0.434822571 0.151384326
18 27.00 0.620689655 -0.124195599 0.450580204 0.170109452
19 27.00 0.655172414 -0.124195599 0.450580204 0.20459221
20 31.28 0.689655172 0.302880457 0.619009517 0.070645655
21 33.00 0.724137931 0.474509152 0.682431564 0.041706367
22 34.00 0.75862069 0.574293278 0.717115321 0.041505368
23 34.96 0.793103448 0.670086038 0.748598528 0.044504921
24 36.00 0.827586207 0.773861528 0.780493659 0.047092548
25 41.00 0.862068966 1.272782154 0.898452322 0.036383357
26 41.00 0.896551724 1.272782154 0.898452322 0.001900598

22
 27 52.00 0.931034483 2.370407531 0.991115756 0.060081273
28 57.00 0.965517241 2.869328157 0.997943276 0.032426035

PROMEDIO 28.24464286 ∆Calc. 0.20459221

DESVIACION 10.02163418 ∆T 0.30143

∆Calc. < ∆T BUEN AJUSTE

Finalmente hacemos la gráficas de la distribución de probabilidad (m vs. P(z)) y en el

caso de la distribución de Gumbel es (m vs. P(Q))

1.2

0.8
P(Q)

0.6

0.4

0.2

0
0 5 10 15 20 25 30
m

Ilustración 8. Distribución normal est. Pachacoto

B. DISTRIBUCIÓN LOG-NORMAL

Tabla 14
Tabla de distribución LOG-NORMAL estación Pachacoto

m Q (ordenado) P(Q)=(m/n+1) LN(Q) Z F(Z) |F(Z)-P(Q)|

1 15.88 0.034482759 2.765060456 -1.659542798 0.048503232 0.014020473
2 17.16 0.068965517 2.842581094 -1.413693673 0.078725932 0.009760415
3 17.90 0.103448276 2.884800713 -1.27979828 0.100308045 0.003140231
4 18.15 0.137931034 2.898670561 -1.235811413 0.108264336 0.029666699
5 18.16 0.172413793 2.899221373 -1.234064565 0.108589423 0.06382437
6 21.50 0.206896552 3.068052935 -0.698631774 0.242391091 0.035494539

23
 7 21.58 0.24137931 3.07176696 -0.686853108 0.24608765 0.004708339
8 23.00 0.275862069 3.135494216 -0.484748346 0.313927434 0.038065365
9 23.50 0.310344828 3.157000421 -0.416543518 0.338506165 0.028161337
10 23.58 0.344827586 3.160398895 -0.405765591 0.342457422 0.002370164
11 23.60 0.379310345 3.161246712 -0.403076822 0.343445855 0.035864489
12 24.20 0.413793103 3.186352633 -0.323455848 0.37317502 0.040618083
13 24.40 0.448275862 3.194583132 -0.297353625 0.383098273 0.065177589
14 25.40 0.482758621 3.234749174 -0.16997095 0.432516491 0.050242129
15 25.70 0.517241379 3.246490992 -0.132732923 0.447202302 0.070039077
16 26.30 0.551724138 3.269568939 -0.05954347 0.476259622 0.075464516
17 26.60 0.586206897 3.280911216 -0.023572548 0.490596785 0.095610112
18 27.00 0.620689655 3.295836866 0.023762692 0.50947905 0.111210605
19 27.00 0.655172414 3.295836866 0.023762692 0.50947905 0.145693363
20 31.28 0.689655172 3.442978916 0.490409316 0.688077857 0.001577315
21 33.00 0.724137931 3.496507561 0.660170183 0.745427688 0.021289757
22 34.00 0.75862069 3.526360525 0.754845936 0.774829286 0.016208596
23 34.96 0.793103448 3.554204551 0.843150543 0.800427873 0.007324425
24 36.00 0.827586207 3.583518938 0.936118257 0.825393848 0.002192359
25 41.00 0.862068966 3.713572067 1.348569038 0.911262284 0.049193319
26 41.00 0.896551724 3.713572067 1.348569038 0.911262284 0.01471056
27 52.00 0.931034483 3.951243719 2.102321444 0.982237436 0.051202954
28 57.00 0.965517241 4.043051268 2.39348011 0.991655307 0.026138066

PROMEDIO LN(Q) 3.288344063 ∆Calc. 0.145693363

DESV.P (LN(Q) 0.315317935 ∆T 0.30143

∆Calc. < ∆T BUEN AJUSTE

Finalmente hacemos la gráficas de la distribución de probabilidad (m vs. P(z)) y en el

caso de la distribución de Gumbel es (m vs. P(Q))

24
 1.2

0.8
P(Q)

0.6

0.4

0.2

0
0 5 10 15 20 25 30
m

Ilustración 9. Distribución LOG-NORMAL est. Pachacoto

C. DISTRIBUCIÓN GUMBEL

Tabla 15
Tabla de distribución GUMBEL estación Recreta

m Q (ordenado) P(Q)=(m/n+1) W F(W) |F(W) - P|

1 15.88 0.034482759 -1.275731798 0.027838892 0.006643867
2 17.16 0.068965517 -1.111773287 0.047847139 0.021118378
3 17.90 0.103448276 -1.016984773 0.062985827 0.040462449
4 18.15 0.137931034 -0.984961626 0.068720404 0.069210631
5 18.16 0.172413793 -0.9836807 0.068956364 0.103457429
6 21.50 0.206896552 -0.55585146 0.174920305 0.031976247
7 21.58 0.24137931 -0.545604053 0.178057196 0.063322114
8 23.00 0.275862069 -0.363712579 0.237245299 0.038616769
9 23.50 0.310344828 -0.299666286 0.259393668 0.050951159
10 23.58 0.344827586 -0.289418879 0.262986892 0.081840694
11 23.60 0.379310345 -0.286857027 0.263887151 0.115423194
12 24.20 0.413793103 -0.210001475 0.291218953 0.122574151
13 24.40 0.448275862 -0.184382958 0.300449308 0.147826554
14 25.40 0.482758621 -0.056290371 0.347182457 0.135576163
15 25.70 0.517241379 -0.017862595 0.361308511 0.155932869
16 26.30 0.551724138 0.058992957 0.389569339 0.162154799

25
 17 26.60 0.586206897 0.097420733 0.403663266 0.18254363
18 27.00 0.620689655 0.148657768 0.422374034 0.198315622
19 27.00 0.655172414 0.148657768 0.422374034 0.23279838
20 31.28 0.689655172 0.69689404 0.607665887 0.081989285
21 33.00 0.724137931 0.917213289 0.670567341 0.05357059
22 34.00 0.75862069 1.045305876 0.703572563 0.055048126
23 34.96 0.793103448 1.16827476 0.732785054 0.060318394
24 36.00 0.827586207 1.30149105 0.761758474 0.065827733
25 41.00 0.862068966 1.941953985 0.866387138 0.004318173
26 41.00 0.896551724 1.941953985 0.866387138 0.030164586
27 52.00 0.931034483 3.35097244 0.965556893 0.03452241
28 57.00 0.965517241 3.991435375 0.981696404 0.016179163

PROMEDIO 28.24 ∆Calc. 0.23279838

DESVIACION 10.02163418 ∆T 0.30143
α 7.806853029
β 25.83945065 ∆Calc. < ∆T BUEN AJUSTE

Finalmente hacemos la gráficas de la distribución de probabilidad (m vs. P(z)) y en el

caso de la distribución de Gumbel es (m vs. P(Q))

1.2

0.8
P(Q)

0.6

0.4

0.2

0
0 5 10 15 20 25 30
m

Ilustración 10. Distribución GUMBEL est. Pachacoto

26
 4.4.3.2. RESUMEN MODELOS ESTADISTICOS

Tabla 16
Selección de modelo estadístico est. Pachacoto

∆Calc. ∆T Cumple: ∆Calc. < ∆T

NORMAL 0.15807331 0.30143 SI, buen ajuste
LOG NORMAL 0.104674126 0.30143 SI, buen ajuste
GUMBEL 0.298548388 0.30143 SI, buen ajuste

∆Calc. 0.104674126

4.4.3.3. CALCULO DE CAUDALES PARA DIFERENTES PERIODOS

DE RETORNO
Tabla 17

Calculo de Caudales Máximos para diferentes Periodos de retorno Est. Pachacoto

Normal Lognormal Gumbel

T (años) F(Z) Z W Qi Qi Qi
2 0.5 0 0.366512921 28.24464286 26.79845035 28.70076316
5 0.8 0.841621234 1.499939987 36.67906298 34.9431457 37.54926168
8 0.875 1.15034938 2.013418678 39.77302353 38.51585034 41.55791436
10 0.9 1.281551566 2.250367327 41.08788384 40.14268595 43.40773764
15 0.933333333 1.501085946 2.673752092 43.28797709 43.01992511 46.71304027
20 0.95 1.644853627 2.970195249 44.72876419 45.01500647 49.02732843
25 0.96 1.750686071 3.198534261 45.78937823 46.54254214 50.80993754
50 0.98 2.053748911 3.901938658 48.82656315 51.20964676 56.30131229
100 0.99 2.326347874 4.600149227 51.55845024 55.80610487 61.75213958
300 0.996666667 2.713051888 5.702113489 55.43385641 63.04305974 70.35501261

4.5. Regionalización de las descargas máximas para diferentes periodos de

retorno

Seleccionando un periodo de retorno de 25 años, se realizara un modelo parametrizando

el caudal en función del área.

27
Tabla 18
Tabla de Caudale máximo para un TR=15 AÑOS
D.Log -
D. Normal Normal D. Gumbel
ESTACION Area (km2) Q(m3/s) Q(m3/s) Q(m3/s)
RECRETA 290 48.8468437 59.6662595 57.6941304
PACHACOTO 198 45.7893782 46.5425421 50.8099375
QUEROCOCHA 63 10.5751807 11.1697869 11.8028694

La curva con mejor ajuste es LOG-NORMAL, razón por la cual se modelara una curva

exponecial con los datos de esta distribución.

Q(m3/s)
70

60

50 y = 0.1052x1.106
R² = 0.9694
40
Q(m3/s)
30 Power (Q(m3/s))

20

10

0
0 50 100 150 200 250 300 350

Y=Qmax

X= área de la cuenca Km2

28
 4.6. Parámetros geomorfológicos de la Cuenca Santa

Para poder sacar todos los datos geomorfológicos de la cuenca el Santa tramo Challhua

– Conoccha acudimos al arcgis para poder delimitar dicha cuenca.

Resumen del Arcgis:

Primero buscaremos las cartas nacionales de nuestra zona ya mencionada en este caso

es la Zona de Ancash en la cual utilizaremos las cartas 20h ,20i,21h,21i con estas cartas

ingresaremos al arcgis y empezaremos a crear un modelo de elevación digital (DEM) que

ayudan a tomar decisiones en proceso de planificación para delimitar automáticamente

una cuenca hidrográfica, agregamos un DEM y un Tim que en el cual el DEM se obtiene

a partir de un Tim, hacemos un proceso para las 4 cartas nacionales de Ancash guiándonos

de un manejo de manual de arcgis en la cual nos botara automáticamente nuestra cuenca

ya delimitada y todos los datos que queremos saber en este caso área, pendiente, cotas,

etc.

Tabla 19 Características físicas de la cuenca Santa según el programa Arcgis

Fuente: Elaboración Propia

CARACTERISTIVAS FISICAS DE LA CUENCA SANTA

1962.154883
Area de la cuenca aportante (A) km2
Perimetro de la cuenca aportante (P) 218.482729 km

Cotas
Cota maxima de la cuenca (Zmax) 6256.99365 m.s.n.m
Cota minima de la cuenca (Zmin) 3050 m.s.n.m
Centroide WGS84-UTM-18S
X Centroide 238562.761 m
8912539.71
Y Centroide m

Pendiente
Pendiente promedio de la Cuenca 4.25 %

29
Ilustración 22 Delimitación de la cuenca Hidrográfica del Santa en el Tramo Challhua
- Conococha
Fuente: Elaboración Propia

30
Hallando la pendiente de la cuenca tramo Challhua - Conococha

Tabla 20
Tabla para el Calculo de la pendiente

Rango de pendientes Numero de

Nro Promedio ocurrencias (1)*(2)
Inferior Superior (2)
(1)
1 3050.00 3194.22 3122.108 21.00 65564.269
2 3200.00 3337.05 3268.5251 32.00 104592.8
3 3350.00 3499.10 3424.5496 105.00 359577.7
4 3500.00 3649.60 3574.8002 186.00 664912.83
5 3650.00 3799.80 3724.9017 247.00 920050.73
6 3800.00 3949.42 3874.7085 344.00 1332899.7
7 3950.00 4099.25 4024.627 726.00 2921879.2
8 4100.00 4249.53 4174.7634 608.00 2538256.2
9 4249.97 4399.54 4324.7551 561.00 2426187.6
10 4399.82 4549.63 4474.7268 523.00 2340282.1
11 4550.00 4699.64 4624.8188 363.00 1678809.2
12 4700.00 4849.56 4774.7813 263.00 1255767.5
13 4850.00 4999.45 4924.7253 173.00 851977.48
14 5000.00 5149.32 5074.6621 122.00 619108.78
15 5149.98 5298.41 5224.1958 67.00 350021.12
16 5300.00 5443.70 5371.8496 19.00 102065.14
17 5450.00 5538.80 5494.4019 13.00 71427.224
18 5600.00 5700.00 5650 2.00 11300
19 5836.12 5836.12 5836.1245 1.00 5836.1245
20 6049.54 6049.54 6049.5356 1.00 6049.5356
TOTAL 4377.00 18626565

S 4.25555523

31
Tabla 21
Tabla para graficar la Curvas Hipsometrica

AREA (%)EJE ALTITUD

AREAS (KM2) AREAS (M2) AREA (%)EJE
COTAS (m.s.n.m) ALTITUD PROMEDIO AREAS ACUMULADAS
PORCENTAJE
PORCENTAJE PROMEDIO x
PARCIALES PARCIALES ACUMULADA AREAS PARCIALES

Minima Maxima

3050.00 3194.223122.108032 21.00 21000000 21.00 0.5 0.5 65564.3

3200.00 3337.053268.525146 32.00 32000000 42.00 0.7 1.2 104592.8
3350.00 3499.103424.549561 105.00 105000000 74.00 2.4 3.6 359577.7
3500.00 3649.603574.800171 186.00 186000000 179.00 4.2 7.8 664912.8
3650.00 3799.803724.901733 247.00 247000000 365.00 5.6 13.4 920050.7
3800.00 3949.423874.708496 344.00 344000000 612.00 7.8 21.3 1332899.7
3950.00 4099.254024.626953 726.00 726000000 956.00 16.5 37.8 2921879.2
4100.00 4249.534174.763428 608.00 608000000 1682.00 13.8 51.6 2538256.2
4249.97 4399.544324.755127 561.00 561000000 2290.00 12.8 64.4 2426187.6
4399.82 4549.634474.726807 523.00 523000000 2851.00 11.9 76.3 2340282.1
4550.00 4699.644624.818848 363.00 363000000 3374.00 8.3 84.5 1678809.2
4700.00 4849.564774.78125 263.00 263000000 3737.00 6.0 90.5 1255767.5
4850.00 4999.454924.725342 173.00 173000000 4000.00 3.9 94.4 851977.5
5000.00 5149.325074.662109 122.00 122000000 4173.00 2.8 97.2 619108.8
5149.98 5298.415224.195801 67.00 67000000 4295.00 1.5 98.7 350021.1
5300.00 5443.705371.849609 19.00 19000000 4362.00 0.4 99.2 102065.1
5450.00 5538.805494.401855 13.00 13000000 4381.00 0.3 99.5 71427.2
5600.00 5700.00 5650 2.00 2000000 4394.00 0.0 99.5 11300.0
5836.12 5836.125836.124512 1.00 1000000 4396.00 0.0 99.5 5836.1
6049.54 6049.546049.535645 1.00 1000000 4397.00 0.0 100.0 6049.5
TOTAL 1,345.92 ########## 100
TOTAL 100

32
 CURVA HIPSOMÉTRICA DE LA CUENCA
7000

6000
ALTITUD PROMEDIO (M)

5000

4000

3000

2000

1000

0
0 20 40 60 80 100 120
AREA ACUMULADA (%)

Ilustración 33 Curva Hipsometrica Cuenca Hidrográfica del Santa en el Tramo

Challhua - Conococha
Fuente: Elaboración Propia

4.7. Caudal Maximo y Formativo

De acuerdo a los cálculos realizados tomaremos 461.082621 Qmax (m3/s), con un periodo
de retorno de 25 años.

Para el caudal formativo se tomara el 50% DEL CAUDAL MAX.

Qf =230.541311 m3/s

33
1. V. CONCLUSIONES

Se concluye que tomando como modelo probabilístico adecuado es el modelo de OG-

NORMAL que es la que más se ajusta a las 3 estaciones tiene una mayor bondad de
ajuste y se obtiene como modelos matemáticos regionalizados el modelo de potencial
que ha resultado con el más alto coeficiente de correlación, resultando nuestro caudal
formativo 230.541311 m3/s
La pendiente de la cuenca del tramo Challhua – Conococha es de 4.25555523 %

El área de la cuenca del tramo Puente Alegre Recuay – Conococha 1962.154883 Km2
El caudal máximo del tramo Puente Alegre Recuay – Conococha 461.082621 m3/s

34
 V. BIBLIOGRAFÍA

Araya, S. 2003. Análisis de la Variación Temporal de los Caudales Punta Instantáneos

en la
Cuenca del Río Purapel, VII Región. Tesis de Ing. Forestal. Talca, Chile. Universidad
de
Talca, Facultad de Ciencias Forestales. 102 p.

Ashakar, F.; T.B.M.J Ouarda, R. Roy and B. Bobée. (1993). Robust estimators in
hydrologic
frequency analysis, in Engineering Hydrology. Edited by C.Y, pp 347-352, Am. Soc.
Civ.
Eng.
Canavos, G. 1988.Probabilidad y Estadística: Aplicaciones y Métodos. Editorial
McGraw-Hill
Interamericana de México S.A. 651 P.
Chow, V.; Maidment, D.; Mays, L. 1994. Hidrología Aplicada. Colombia. Editorial
McGraw-
Hill Interamericana S.A. 584 p.
CONAF-CONAMA, 1999, Catastro y evaluación de recursos vegetacionales nativos de
Chile.
Informe regional de la séptima región. Santiago, Chile. 116 p.).

35
VI. ANEXOS

36
Fuente: Revista Reporte Santiaguino 2009,

37
38
39