UNIVERSIDAD NACIONAL

DE SAN
CRISTOBAL DE HUAMANGA

FACULTAD DE INGENIERÍA DE MINAS,

GEOLOGÍA Y CIVIL
ESCUELA PROFESIONAL DE INGENIERÍA CIVIL

INGENIERIA DE RECURSOS HIDRAULICOS

IC-545
REPORTE FINAL
Comparación de caudales medios mensuales
mediante el modelo lutz sholtz y redes neuronales

DOCENTE:

[Link]. Luis Ángel GOMEZ CUNYA

ALUMNOS:
APELLIDOS Y NOMBRES:
1 CHAVEZ CACEREZ, Nilver D.
2 MURILLO ALTAMIRANO, Werner N.
3 SANCHEZ GARCIA, Dirak
4 SOCA JORGE, Ever
5 SUAREZ ESTRELLA, Yelsin F.
6 TINEO GUTIERREZ, Jorge L.

AYACUCHO - 2019
1. INTRODUCCION
El modelo de Lutz Scholz, se realiza debido a la escasez de registros históricos de variables
climáticas, al desconocimiento de los parámetros adecuados para la generación de caudales
promedios mensuales y debido a la carencia de registro de caudales diarios del rio Chacco,
este modelo es usado por especialistas e instituciones para el estudio del manejo de los
recursos hídricos de algunas cuencas del país, pero debido a la compleja diversidad climática
del Perú, no es posible aplicar el modelo en todo el país, pero se pretende poder mejorar la
estimación de estos caudales, mediante el uso de una herramienta matemática conocida como
Red Neuronal, la cual ha tenido variadas aplicaciones en el campo de los modelos
hidrológicos.
En este trabajo se desarrollaron modelos basados en redes neuronales artificiales y modelo
de Lutz Scholz, para el análisis comparativo de caudales medios mensuales del río Chacco.
El entrenamiento y la validación de los modelos de redes neuronales artificiales se realizaron
utilizando 14 años de información meteorológica correspondiente a las estaciones: Tambillo,
Quinua y Ayacucho.

2. JUSTIFICACION Y OBJETIVO
Técnicamente la investigación propuesta es justificada porque en todos los estudios para el
aprovechamiento hídrico de una determinada cuenca hidrográfica es necesaria la información
de la descarga promedio en un punto de interés de la red hídrica, con la finalidad de
determinar su potencial aprovechable o tomar previsiones para su protección.
Es de interés y de carácter social, porque los proyectos de aprovechamiento hídrico son
sustancialmente de carácter primario y fundamental para el hombre, ya sea elevando su nivel
de vida o generando y ampliando la fuente laboral.
El resultado obtenido no solo interesa al ámbito académico, es necesaria para todos los
involucrados en los proyectos de inversión pública y especialmente para los consultores en
la elaboración de perfiles y expedientes técnicos, con los resultados obtenidos del modelo
Lutz Scholtz podrán realizar un planeamiento adecuado en el aprovechamiento hídrico.

Marco teórico del estudio propuesto

Modelo de Lutz Scholtz. El modelo es fundamentalmente utilizado para poder estimar
caudales medios mensuales y se origina a falta de registros históricos en estaciones
hidrológicas en ríos de la sierra peruana. Debido a la exclusividad del modelo delimitado
espacialmente a la sierra peruan, los textos tomados como referencias son nacionales,
principalmente reportes técnicos de las entidades nacionales encargadas de la
implementación para el aprochamiento racional del recurso hídrico, entre estas instituciones
tenemos: Ministerio de agricultura, Autoridad Nacional del Agua (ANA), servicio nacional
de metorología e hidrología del Perú SENAMHI

Balance Hídrico. La relación fundamental que establece el balance hídrico en mm/mes está
presentado por la ecuación 2.1
𝐶𝑀𝑖 = 𝑃𝑖 − 𝐷𝑖 + 𝐺𝑖 + 𝐴𝑖 (2.1)
Donde:
CMi: es el caudal mensual, en mm/mes
Pi: representa la precipitación mensual sobre la cuenca
Di: déficit de escurrimiento, en mm/mes
Gi: gasto de la retención de la cuenca, en mm/mes
Ai: abastecimiento de la retención, en mm/mes
Coeficiente de escurrimiento.
𝑃−𝐷
𝐶= (2.3)
𝑃

Donde:
C: coeficiente de escurrimiento
P: precipitación total anual, en mm/año
D: déficit de escurrimiento, en mm/año
Para obtener D.
1
𝐷=𝑃 𝑃2 1
(2.4)
(0.9+ 2 ) ⁄2
𝐿

Planteamiento del problema.

La necesidad de aminorar el tiempo para la estimación de caudales en todo proyecto de
aprovechamiento Hídrico.
 ¿es posible mejorar la simplicidad en la predicción de caudales medios
mensuales?
 ¿es posible utilizar las redes neuronales para la predicción de caudales medios
mensuales?

OBJETIVO.
Comparar la precisión de la estimación de caudales medios mensuales entre el método de
Lutz Scholtz y la inteligencia artificial mediante redes neuronales
Delimitación y limitación del estudio.
El estudio realizado se limita a los datos de precipitación de por lo menos 3 estaciones
meteorológicas.

3. REVISION DE LA LITERATURA
a. Literatura teórica y de investigación especifica
1. Ministerio de Agricultura Perú. Evaluación de los recursos hídricos en la cuenca del
río llave. Inf. téc. Autoridad Nacional de Agua, Dirección de Conservación y
Planemamiento de Recursos Hídricos, Administración Local del Agua llave, 2009,
pág. 282.
2. Ministerio de Agricultura Perú. Evaluación de los recursos hídricos de la cuenca del
río Ocoña. Inf. téc. Instituto Nacional de Recursos Naturales, Intendencia de Recursos
Hídricos, 2007, pág. 152.
3. Ministerio de Agricultura y Alimentación. Plan de mejoramiento de riego en la sierra
Plan MERIS 1ra. etapa. Inf. téc. Dirección General Ejecutiva del Programa Especial,
Programa Nacional de Pequeñas y Medianas Irrigaciones, 1980, pág. 250.
4. Autoridad Nacional de Agua. Diagnóstico de problemas y conflictos en la gestión de
recursos hídricos en la cuenca Chinchipe Chamaya. Inf. téc. Dirección de
Conservación y Planeamiento de los Recursos Hídricos, 2011, pág. 298.
5. Autoridad Nacional de Agua. Estudio integral de los recursos hídricos en las cuencas
de los ríos Acarí y Yauca, componente de estudio de inventario de fuentes de agua
superficiales. Inf. téc. Ministerio de Agricultura, 2003, pág. 138.
6. Ministerio del Ambiente Perú. Estudio hidrológico de la cuenca de Huacrahuacho. lnf.
téc. Servicio Nacional de Hidrología y Meteorología del Perú, 2010, pág. 131.
7. Hydrological Geotechnical Services Perú Sociedad Anónima. Estudio de ubicación de
zonas de captación y ubicación de reservorios de agua para la comunidad de Pará. Inf.
téc. Gerencia de Hidrología y Geomecánica, Departamento de Hidrología, 2011, pág.
107.
8. Justo Virjilio Gonzáles Cornejo. Hidrología para la construcción de la minipresa Río
Blanco. Inf. téc. Municipalidad Provincial de Condesuyos, 2012. Cap. Capítulo 3, pág.
105.
b. Critica de la Validez de la literatura existente.
La literatura es fundamentalmente utilizado para poder estimar caudales medios mensuales
y se origina a falta de los registros históricos en estaciones hidrológicas en ríos de la sierra
peruana. Debido a la exclusividad del modelo delimitado espacialmente a la sierra peruana,
los textos tomados como referencias son nacionales, principalmente reportes técnicos de
las entidades nacionales encargadas de la implementación para el aprovechamiento
racional del recurso hídrico, entre estas instituciones tenemos: Ministerio de Agricultura,
Autoridad Nacional del Agua (ANA), Servicio Nacional de Meteorología e Hidrología del
Perú SEN AMHI. Seguidamente se citarán algunas definiciones encontradas en reportes
técnicos específicos:
1. El reporte técnico, se refiere al modelo de la siguiente manera: el modelo de Lutz
Scholtz, es un modelo hidrológico combinado, por que cuenta con una estructura
determínistica para el cálculo de los caudales mensuales para el año promedio
(Balance Hídrico - Modelo determinfstico); y una estructura estocástica para la
generación de series extendidas de caudal (Proceso Markoviano – Modelo
Estocástico). Fue desarrollado por el experto en hidrología, Lutz Scholtz para
cuencas de la sierra peruana, entre los años 1979-1980, en el marco de Cooperación
Técnica de la República de Alemania a través del Plan Meris II.
2. La referencia establece lo siguiente: El modelo hidrológico de Lutz Scholtz, ha
sido estudiado y calibrado en 19 cuencas de la sierra peruana, ubicadas en las
regiones de Cuzco, Huancavelica, Junín y Cajamarca, y es aplicable generalmente
para pequeñas y medianas cuencas con escasa información hidrométrica. El
modelo de precipitación- escorrentía de Lutz Scholtz fue propuesta por la Misión
Técnica Alemana en 1980 para el Ex-Programa Nacional de Pequeñas y Medianas
Irrigaciones - Plan Meris 11. El modelo se basa fundamentalmente en el balance
hídrico y en parámetros parciales de tipo determinístico. Este método permite
combinar los factores que producen e influyen en los caudales, tales como, la
precipitación, evaporación, el almacenamiento y la función de agotamiento natural
de la cuenca, para el cálculo de las descargas en forma de un modelo matemático.
3. Según la referencia, este modelo fue implementado con fines de pronosticar
caudales a escala mensual, teniendo una utilización inicial en estudios de proyectos
de riego y posteriormente extendiéndose el uso del mismo, a estudios hidrológicos
con prácticamente cualquier finalidad (abastecimiento de agua, hidroelectricidad,
etc). Los resultados de la aplicación del modelo a las cuencas de la sierra peruana,
han producido una correspondencia satisfactoria respecto a los valores medidos.
4. El modelo se desarrolló tomando en consideración parámetros físicos y
meteorológicos de las cuencas, que puedan ser obtenidos a través de mediciones
 cartográficas y de campo. Los parámetros más importantes del modelo son los
coeficientes para la determinación de la precipitación efectiva, déficit de
escurrimiento, retención y agotamiento de las cuencas.
5. Los procedimientos necesarios a seguir en la implementación del modelo son (en
correspondencia a lo establecido en la referencia:
5.1.Cálculo de los parámetros necesarios para la descripción de los
fenómenos de escorrentía promedio.
[Link] de un conjunto de modelos parciales de los parámetros
para el cálculo de caudales en cuencas sin información hidrométrica.
[Link]ón del modelo y generación de caudales extendidos por un
proceso markoviano combinado de precipitación efectiva del mes con
el caudal del mes anterior.
c. Resumen de lo que se sabe y se desconoce sobre el tema de la tesis
El recurso hídrico es importante para el desarrollo de los pueblos, por lo cual su
estudio es más aún. Para nuestra profesión este resultado daría precisión,
planeamiento y control del recurso hídrico, debido a la escasés mundial de agua y
específicamente en el Perú. Se sabe que existen muchas metodolgias y formas de
obtener caudales medios, pero no se sabenlas formas de como hay que hacerlos para
que las metodologias puedan tener una validez adecuada y cada uno de ellos enfocada
a que con que tipos de parametros funciona o nos va llevar a analizar cada una de
ellas. El modelo obtenido es específico para la generación de caudales mensuales
medios en la cuenca del Río Chacco, considerando como punto de aforo el Puente
Chacco. Para su diseño se basó en los registros hidrométricos.
d. El aporte que este estudio hará a la literatura
Como es sabido a lo largo del tiempo el recurso hídrico ha sido importante para el
desarrollo de los pueblos, sin embargo, no se fue avanzando en la parte técnica,
especialmente en conocer la disponibilidad hídrica de los ríos y su comportamiento
en el transcurso del tiempo, esto implica que los ríos no estén siendo aforados,
generalmente al elevado costo que conlleva el mantenimiento y operación de las
estaciones hidrométricas. En los ríos no aforados es un limitante y hace que los
ingenieros no cuenten con información precisa para el diseño y gestión de presas, esto
genera incertidumbre y perjudica en el planeamiento y control de los recursos
hidricos.
4. METODOLOGIA
Instrumentación.
 Programas de computo (Microsoft Word, Microsoft Excel, Microsoft power point,
Autocad, Hec Ras, Matlab, etc.)
 Información cartográfica: cartas nacionales escala 1:100,000 (MED)
 Información hidrometeorológica: Registros históricos de caudales medios
mensualesm series históricas de precipitación total mensual (SENAMHI, PRIDER).
 Material bibliográfico(Najarro soto,2015), (Miguel Sanchez & Wilber Laqui, 2008).
Recopilación de datos.
 Registro de precipitaciónes mensuales(mm) de la estación de tambillo
 Registro de precipitaciónes mensuales (mm) de la estación de Huamanga.
 Registro de precipitaciónes mensuales (mm) de la estación de Quinua.
 Registro de precipitaciónes mensuales (mm) de la estación de Chacco.

TRATAMIENTO DE LOS DATOS.

ANÁLISIS DE LA CUENCA:
• Delimitación de la cuenca hidrográfica
• Determinación de los parámetros y precipitación media de la cuenca hidrográfica.
MODELO LUTZ SCHOLTZ
(Najarro Soto, 2015)
• Balance hídrico
• Coeficiente de escurrimiento
• Evapotranspiración
• Precipitación efectiva
• Retención de la cuenca
• Relación entre descargas y retenciones
• Coeficiente de agotamiento
• Almacenamiento hídrico
• Abastecimiento de la retención
• Determinación del caudal mensual para el año promedio
• Generación de caudales mensuales para periodos
• Extendidos
MODELO DE REDES NEURONALES
• Arquitectura Multicapa del perceptron multicapa (MLP)
• Aprendizaje(Algoritmo backpropagation)
 • Modelos propuestos
Qt = f(PE1,PE2,PE3,Q_Historicos)
Qt =f(PE1,PE2,PE3,Q_sinteticos)
• Fase de validación de los modelos de redes neuronales.
• Selección del mejor modelo de redes neuronales artificiales.

5. RESULTADOS
ANALISIS DE LA CUENCA Pm(mm/mes)

AREA DE LA CUENCA (Km2) A= 1096.81 Km2 120.52

PERIMETRO DE LA CUENCA P= 174.82 Km 85.023
LONGITUD DEL RIO MAS LARGO (Km) L= 60.35 Km 72.455
LONGITUD DE LA RED HÍDRICA Lh= 1435.932 m 23.12
ORDEN DE LA RED HÍDRICA N° 6 To unid 11.56
ALTITUD MEDIA Hm 3713.26 m.s.n.m 3.767
ALTITUD MÁS FRECUENTE Hf 4004.17 m.s.n.m 8.83
ALTITUD DE FRECUENCIA MEDIA HFm 3561.38 m.s.n.m 8.57
DESNIVEL DE CUENCA (m) H= 1900 m 17.883
PENDIENTE DE LA CUENCA (m/m) S= 0.031483 m/m 28.093
PENDIENTE DEL CAUCE (m/m) S= 0.0314 m/m 38.205
TIMEPO DE CONCENTRACION PROMEDIO Tc = 6.178 horas 88.96
Ilustración [Link] Propios.

MODELO LUTZ SCHOLTZ

Gasto Abastecimiento Generados Afora
MES N° DE DIAS P_total(mm/mes) Pe(mm/mes)
gi Gi ai Ai Q_t(m3/s) Q(m3/s)
ENE 31 120.52 71.4166 0 0 0.4 48 9.4974 10.35
FEB 28 85.023 43.0183 0 0 0.2 24.12 7.7422 15.65
MAR 31 72.455 33.4732 0 0 0 0 13.7073 17.5
ABR 30 23.12 3.8756 0.69 40 0 0 18.1154 6.24
MAY 31 11.56 2 0.476 27 0 0 12.2267 1.99
JUN 30 3.767 0 0.329 19 0 0 7.8735 1.41
JUL 31 8.83 0 0.227 13.27 0 0 5.4342 1.59
AGO 31 8.57 0 0.157 9.157 0 0 3.7506 1.78
SET 30 17.883 2 0.108 6.321 0 0 3.4076 2.03
OCT 31 28.093 6.8558 0.075 4.363 0 0 4.5941 0.8
NOV 30 38.205 12.9235 0 0 0.05 6.028 2.8237 1.47
DEC 31 88.96 46.1746 0 0 0.35 42.2 1.6292 1.5
Ilustración 2. Calculos y resutados propios.
 GENERACION DE CAUDALES SINTETICOS

Qt(mm/mes) Qt-1(mm/mess) pe(mm/mes)

23.1926 3.9786 71.4166

18.9063 23.1926 43.0183

33.4732 18.9063 33.4732

44.2376 33.4732 3.8756

29.8574 44.2376 2

19.2269 29.8574 0

13.2702 19.2269 0

9.159 13.2702 0

8.3214 9.159 2

11.2188 8.3214 6.8558

6.8955 11.2188 12.9235

3.9786 6.8955 46.1746

La ecuación obtenida por regresión múltiple fue: Qt= A+[Link]-1 + C. Pe +S

A = -0.6632, B = 0.8340, C = 0.2017 y
S (números aleatorios generados con distribución normal)

COMPRACION DE CAUDALES GENERADOS1

Red neuronal con caudales históricos

ENE FEB MAR ABR MAY JUN JUL AGOS SEP OCT NOV DIC
2007 1.008 4.791 4.036 2.026 0.447 1.208 0.432 3.661 2.944 1.893 6.885 41.866
2008 0.547 40.166 10.491 0.4 0.412 0.649 0.55 2.621 5.547 0.451 17.662 11.621

Red neuronal con caudales sintéticos del Modelo Lutz Scholtz

ENE FEB MAR ABR MAY JUN JUL AGOS SEP OCT NOV DIC
2007 12.532 4.761 9.08 3.747 8.802 5.752 4.866 6.025 5.203 3.335 8.484 9.126
2008 12.976 11.562 6.693 10.761 1.752 8.089 3.086 5.817 1.787 4.647 18.056 18.115

Modelo Lutz Scholtz

ENE FEB MAR ABR MAY JUN JUL AGOS SEP OCT NOV DIC
2007 8.394 9.812 11.322 10.392 8.184 6.275 4.845 3.7 3.032 3.021 2.908 5.968
2008 8.053 10.282 10.677 9.491 8.561 6.554 4.962 3.769 2.979 2.823 3.315 5.968

1
Comparación de Resultados obtenidos, a partir de procesos de cálculos propios
 GRAFICAS

GRAFICA DE CAUDALES MENSUALES

25

20
Q (m3/s)

15

10

0
1 2 3 4 5 6 7 8 9 10 11 12
MES

RED RED Y SCHOLTZ SCHOLTZ HISTORICOS

Ilustración 3. Resultado de la generacion de caudales Mensuales.

GRAFICA DE CAUDALES ANUALES

12
10
8
Q(m3/s)

6
4
2
0
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
AÑO

RED RED Y SCHOLTZ SCHOLTZ HISTORICOS

Ilustración [Link] de la generacion de caudales Anuales

6. DISCUSION
De manera global, realizando una comparación gráfica de los parámetros estadísticos, se
encontró una mejoría en el ajuste entre la data histórica y la generada. Adicionalmente se
presentan las gráficas de comparación entre los caudales históricos y los generados(Datos
Sinteticos) con el modelo de Scholz y el implementado con la Red Neuronal.
 Para analizar la efectividad de los resultados del modelo de Scholz y el de Red
Neuronal, se hace un análisis de los caudales pico (período húmedo) y caudales
críticos (período seco) de cada año de la serie histórica.
Para realizar el trabajo de investigación. La variable que se empleó en el presente
estudio es la precipitación total mensual, esta información es obtenida a través
información pluviométrica de 3 estaciones meteorológicas.
Como se puede observar que la predicción de caudales con redes neuronales es más
próximas a los históricos en estaciones secas. Los modelos utilizados no reproducen
con exactitud los caudales mensuales históricos, pero las medias anuales totales son
comparables a los históricos. Dado que la efectividad de la red neuronal fue mayor en
la época seca que en la época húmeda, se analiza si esto es compensado en el volumen
anual generado por la cuenca.

7. CONCLUSION
 Los resultados de caudales medios mensuales del rio Chacco utilizando modelos de
Redes Neuronales Artificiales, muestran un excelente comportamiento al ser
evaluados en términos de medidas de error, por lo tanto se considera que esta
metodología es muy eficiente en la estimación de los caudales frente al modelo de
Lutz Scholz.
 Como se puedo observar que la predicción de caudales con redes neuronales son más
próximos a los históricos en estaciones secas.
 Los modelos de redes neuronales artificiales establecidos presentan un mejor
desempeño frente al modelo hidrológico de Lutz Scholz.
 Al realizar la correlación lineal entre los caudales generados mediante el modelo Lutz
Scholz para un año promedio y los caudales aforados en el puente Chacco, se obtiene
un coeficiente de correlación del 95 %.
 Los modelos utilizados no reproducen con exactitud los caudales mensuales
históricos, pero las medias anuales totales son comparables a los históricos.
 En esta investigación se logró establecer y desarrollar modelos de redes neuronales,
a partir de datos de caudales, precipitación, lo que demuestra la capacidad de los
modelos de redes neuronales artificiales en la predicción de caudales medios
mensuales a partir de este tipo de información.
 Con los Caudales generados se podrá saber la disponibilidad hídrica y realizar
planeamientos adecuados en el aprovechamiento del recurso hídrico.