Universidad Central Del Ecuador

Facultad de Ingeniería y Ciencias Aplicadas

Carrera de Ingeniería Civil
Hidrología Aplicada

Proyecto Final 2025 – 2025

Trabajo Grupal

Grupo: 2

Autores: Belén Borja Tituaña

Alex David Cabezas Condoy

Jessica Lizbeth Tobar Toalombo

Steeven Alexander Quilumbaqui Antamba

Docente: Ing. Diego Paredes

Quito - 2025

Índice De Contenido
1. Resumen.....................................................................................1

2. Objetivos.....................................................................................1

2.1. Objetivo Principal........................................................................1

2.2. Objetivos Secundarios.................................................................2

3. Marco Teórico..............................................................................2

3.1. Lluvia de diseño..........................................................................2

3.2. Metodología de lluvia de diseño:.................................................2

3.3. Curvas IDF...................................................................................2

4. Metodología................................................................................3

4.1. Obtención y procesamiento de datos............................................3

4.2. Discretización de eventos..............................................................3

4.4. Elaboración de curvas IDF – Estación El Bosque............................4

4.5. Aplicación del Método de Patrones con Pluviogramas

Normalizados..............................................................................4

5. Obtención De Datos....................................................................5

6. Pluviogramas De Los 7 y 30 días más Lluviosos de cada año.....6

7. Discretización De Eventos.........................................................12

8. Curvas IDF estación El Bosque..................................................13

8.1. Curvas IDF.................................................................................13

8.2. Metodología de diseño: Chicago...............................................15

9. Conclusiones.............................................................................21

10. Bibliografía................................................................................21

Índice de Imágenes
Fig 1. Plataforma PARAMH2O................................................8

Fig 2. Base de datos.............................................................8

Fig 3. Analizador de Datos Pluviométricos............................9

Fig 4. Pluviogramas del 2000 al 2024 de 15 días de

duración, estación P09 Iñaquito INAMHI.......................9

Fig 5. Pluviograma diario, día máximo.................................9

Fig 6. Pluviogramas del 2016 al 2025 de 15 días de

duración, estación P70 CC El Bosque.........................10

Fig 7. Pluviograma diario, día máximo................................10

Fig 8. Pluviogramas del 2000 al 2024 de 30 días de

duración, estación P09 Iñaquito INAMHI.....................10

Fig 9. Pluviograma diario, día máximo...............................11

Fig 10. Pluviogramas del 2016 al 2025 de 30 días de

duración, estación P70 CC El Bosque.........................11

Fig 11. Pluviograma diario, día máximo.............................11

Fig 12. Interfaz [Link]..............................................12

Fig 13. Curva IDF – Método de Gumbel...............................14

Fig 14. Curva IDF – Método de Mínimos Cuadrados............15

Fig 15. Curvas IDF – Distribución de Gumbel......................15

Fig 16. Programa Curva de [Link].................................16

Fig 17. Curva de masas de un evento de 30 minutos.........17

Fig 18. Curva de masas promedio para eventos de 30

minutos......................................................................18

Fig 19. Curva de [Link]...................................................18

Fig 20. Selección de datos..................................................19

Fig 21. Curvas de masas para distintas duraciones de
eventos...................................................................... 19

Índice de Tablas

Tab. 1. Precipitaciones máximas 2000 – 2025 13

Tab. 2. Curva de masas para un evento de 120 minutos 22

 Grupo 2. Pg.1

1. Resumen
El acelerado crecimiento urbano en ciudades andinas como Quito ha
intensificado los desafíos en la gestión de aguas pluviales. La
expansión de las infraestructuras y el aumento de las superficies
impermeables han provocado un incremento significativo del
escurrimiento superficial, lo que genera riesgos de inundaciones,
saturación de los sistemas de alcantarillado y deterioro de los cuerpos
receptores. Frente a este panorama, la evaluación hidráulica de las
redes de drenaje resulta fundamental para asegurar su capacidad de
respuesta ante eventos de lluvia de distintas magnitudes.

En la capital ecuatoriana, Quito, se ubican diversas cuencas

urbanas; la presente investigación se enfoca en la cuenca El Batán,
que abarca la subcuenca Mirador Sur. En esta última se han
identificado problemas recurrentes en la red de alcantarillado,
especialmente en el sector de la Plataforma Gubernamental Norte,
donde se han reportado deficiencias en la capacidad del sistema para
evacuar adecuadamente los caudales pluviales.

El objetivo de esta investigación es realizar un análisis del

sistema de alcantarillado ubicado en la subcuenca Mirador Sur. Para
ello, se llevará a cabo un estudio de la información pluviométrica, la
selección de eventos críticos de precipitación y la elaboración de
yetogramas, con el fin de realizar la modelación correspondiente en el
software HEC-HMS.

2. Objetivos

2.1. Objetivo Principal

Realizar la evaluación hidráulica del sistema de alcantarillado de la

plataforma gubernamental ubicada en subcuenca hidrográfica
mirador sur, mediante la recolección y análisis de información
pluviométrica de estaciones pluviométricas cercanas al área de
estudio. Esta evaluación permitirá identificar posibles puntos críticos,
mejorar el diseño y la operatividad del sistema.
 Grupo 2. Pg.2

2.2. Objetivos Secundarios

 Recopilar información de precipitaciones históricas de estaciones

pluviométricas ubicadas en la subcuenca mirador sur.
 Identificar los eventos máximos anuales de precipitación para
diferentes duraciones.
 Generar hietogramas.

3. Marco Teórico

3.1. Lluvia de diseño

La hidrología es la ciencia que estudia el agua sobre y bajo la

superficie terrestre, incluyendo su distribución, circulación y
propiedades. Una de sus ramas más importantes es la hidrología de
precipitaciones, la cual se ocupa de analizar la lluvia como fenómeno
meteorológico y su implicancia en el ciclo hidrológico, en particular en
el diseño y análisis de infraestructuras hidráulicas y de drenaje [1].

Un pluviograma es un gráfico que representa la intensidad de la

precipitación en función del tiempo, registrando de forma continua
cómo varía la lluvia durante un evento determinado. Es una
herramienta fundamental para describir el comportamiento temporal
de las lluvias y para modelar procesos hidrológicos como el
escurrimiento superficial, infiltración y generación de avenidas [2].

Sin embargo, la variabilidad espacial y temporal de la

precipitación dificulta la comparación directa entre diferentes
eventos. Para superar esta dificultad, se recurre a la normalización de
los pluviogramas, lo que permite generar patrones o modelos
comparables entre eventos con distintas duraciones o volúmenes.
Este proceso consiste en transformar las series de datos para que
tengan una escala común, normalmente con el eje del tiempo
expresado como fracción del tiempo total del evento (por ejemplo, 0 a
1) y la intensidad o volumen de lluvia como fracción del total
acumulado [3].
 Grupo 2. Pg.3

Los pluviogramas normalizados permiten identificar patrones de

distribución temporal que son útiles en múltiples aplicaciones. Por
ejemplo, son empleados en la generación de hietogramas de diseño,
análisis de eventos extremos, y simulaciones hidrológicas. Estos
patrones permiten clasificar los eventos en función de su forma:
concentrados al inicio (frontal), al final (trasero), o centrados
(simétricos), lo cual afecta significativamente la respuesta del sistema
hidrológico, como el caudal pico o el tiempo de concentración [4].

Estudios clásicos como el de Huff (1967), quien analizó

numerosos eventos de precipitación en [Link]., propusieron la
clasificación de eventos de lluvia en función del momento de
ocurrencia del mayor volumen relativo dentro de la duración total.
Huff definió cuatro tipos de distribución temporal: primera, segunda,
tercera y cuarta cuartas partes del evento, dependiendo de dónde se
concentra la mayor intensidad [5].

En la actualidad, los patrones pluviográficos normalizados se

utilizan en metodologías modernas de generación de lluvia sintética.
Por ejemplo, los modelos de lluvia de Chicago y distribuciones
alternadas dependen directamente de la forma del hietograma, y su
ajuste se basa en estos patrones obtenidos mediante técnicas de
normalización de datos reales [6].

3.2. Metodología de lluvia de diseño: Patrones Normalizados

El diseño de lluvias sintéticas es una técnica esencial en la ingeniería

hidrológica para simular eventos de precipitación representativos en
zonas donde no se dispone de registros suficientemente largos o
detallados. Una de las metodologías más utilizadas para este fin es el
método de patrones normalizados de lluvia, también conocido como
pluviogramas sintéticos de diseño. Esta técnica permite obtener un
hietograma representativo, cuya forma está basada en la distribución
 Grupo 2. Pg.4

temporal típica de eventos históricos y cuya magnitud se ajusta

mediante curvas de intensidad–duración–frecuencia (IDF) [1].

El proceso de construcción de un hietograma de diseño con

patrón normalizado parte del análisis estadístico de eventos reales de
precipitación, los cuales se seleccionan y normalizan en función del
tiempo y del volumen total acumulado. Una vez agrupados y
clasificados por duración o tipo de patrón (por ejemplo, frontal,
simétrico o posterior), se calcula un perfil promedio o patrón estándar.
Este perfil adimensional se multiplica luego por un volumen de diseño
obtenido de la curva IDF correspondiente a la duración y período de
retorno deseado, generando así un evento sintético [2].

Uno de los métodos más comunes es el modelo de Chicago,

propuesto en 1932, el cual combina el uso de una curva IDF con un
patrón simétrico o asimétrico de distribución temporal. Este modelo
permite ubicar el pico de intensidad en cualquier fracción del evento,
ajustando así la forma del hietograma a las condiciones de diseño,
como la respuesta rápida de cuencas urbanas. En el modelo de
Chicago, la intensidad se calcula para diferentes subperíodos hacia
adelante y hacia atrás desde el centro del evento, permitiendo así
conservar la integral del volumen total [3].

Otra metodología relevante es el método de Huff, el cual

propone cuatro tipos de patrones normalizados según la
concentración del volumen máximo en cada cuarto del evento (1°, 2°,
3° y 4°). Este método, derivado de estudios empíricos, es altamente
útil para estudios regionales y ha sido aplicado ampliamente en
Norteamérica y adaptado en varios países latinoamericanos,
incluyendo Colombia, México y Ecuador [4].

3.3. Curvas IDF

Las curvas de Intensidad-Duración-Frecuencia (IDF) son una de las

herramientas más importantes en el análisis y diseño hidrológico, ya
 Grupo 2. Pg.5

que relacionan la intensidad de la precipitación (mm/h) con su

duración (min o h) y el período de retorno (años), proporcionando
información esencial para el diseño de infraestructuras hidráulicas y
sistemas de drenaje urbano [7].

Estas curvas se derivan del análisis estadístico de datos

históricos de lluvia registrados a intervalos cortos (por ejemplo, 5, 10
o 15 minutos) durante varios años. A partir de los valores máximos
anuales o subdiarios, se realiza un ajuste a funciones de distribución
de probabilidad (por ejemplo, Gumbel, Log-normal o Pearson tipo III),
lo que permite estimar intensidades correspondientes a diferentes
períodos de retorno para diversas duraciones [8].

Matemáticamente, las curvas IDF suelen expresarse con

ecuaciones del tipo:

a
I=
( t+b )c

Donde I es la intensidad (mm/h), t es la duración (min o h), y a, b, y c

son parámetros que se ajustan estadísticamente para cada período
de retorno. Esta fórmula permite construir curvas suaves que pueden
interpolarse para obtener valores intermedios [9].

El papel de las curvas IDF es clave en el dimensionamiento de

colectores, canales, alcantarillas, pozos de absorción, sistemas de
control de caudal, y estructuras de retención. Además, sirven como
base para la generación de lluvias sintéticas en modelos de
simulación hidrológica y se integran en normas y manuales técnicos
nacionales, como el NEC-15 en Ecuador, el RAN-Q en Colombia, y las
guías de CONAGUA en México [10].

En años recientes, debido al cambio climático y su impacto en

los patrones de precipitación, se ha observado la necesidad de
actualizar las curvas IDF. Algunas metodologías modernas incorporan
análisis de tendencias, simulaciones estocásticas, o proyecciones
 Grupo 2. Pg.6

climáticas, lo que ha dado lugar a curvas IDF dinámicas o

actualizables, especialmente en contextos urbanos con
infraestructura crítica [11].

La calidad y confiabilidad de las curvas IDF dependen

fuertemente de la densidad y calidad de las estaciones pluviométricas
disponibles. En regiones tropicales y andinas, como en Ecuador, se
requiere especial cuidado en su elaboración debido a la alta
variabilidad espacial y orográfica de la precipitación [12].

4. Metodología

4.1. Obtención y Preprocesamiento de Datos de Precipitación

1. Fuente de Datos: La información de precipitación fue

obtenida de la base de datos pública del Proyecto Agua para
Quito (PARAMH2O), específicamente de las estaciones
hidrometeorológicas Iñaquito y El Bosque, ubicadas en Quito,
Pichincha, Ecuador.

2. Resolución Temporal y Período de Registro: Se

descargaron registros de precipitación con una resolución
temporal de 5 minutos. Los datos abarcaron el período
comprendido entre los años 2000 y 2025 para la estación
Iñaquito, y entre 2015 y 2025 para la estación El Bosque, con
descargas realizadas en intervalos quinquenales.

3. Depuración y Control de Calidad: Posteriormente, los datos

recopilados fueron sometidos a un riguroso proceso de
organización y depuración. Esto incluyó la identificación y
eliminación de registros incompletos, inconsistentes o
duplicados, con el fin de garantizar la calidad y fiabilidad de la
información para los análisis subsiguientes.
 Grupo 2. Pg.7

4.2. Discretización y Clasificación de Eventos de Precipitación

1. Exportación de Datos para Procesamiento: Los datos

depurados de precipitación fueron exportados en formato CSV,
sirviendo como insumo para las etapas de procesamiento
posteriores.

2. Identificación y Agrupación de Eventos:

 Se desarrolló un script en Python diseñado para la

identificación y separación de eventos de precipitación
individuales. Este script es capaz de clasificar los 7 y 30 días
más lluviosos de cada año, permitiendo al usuario
seleccionar la escala temporal (diaria u horaria) según los
requisitos específicos del análisis.

 Es fundamental destacar que, para la generación de las

curvas de masas (sección 4.4), un evento de precipitación se
consideró finalizado al detectar un período sin
precipitaciones significativas, estableciendo un umbral de
intervalo seco continuo de una hora. Esta definición asegura
la identificación de eventos continuos para el análisis de su
distribución interna.

4.3. Elaboración de Curvas Intensidad-Duración-Frecuencia

(IDF) – Estación El Bosque

1. Selección de Datos y Propósito: Una vez identificados y

discretizados los eventos máximos anuales, los datos de la
estación El Bosque fueron utilizados exclusivamente para la
elaboración de las Curvas Intensidad-Duración-Frecuencia (IDF).

2. Método de Construcción: Las curvas IDF se construyeron

ajustando los datos de precipitación máxima mediante el
método de mínimos cuadrados, empleando la distribución de
 Grupo 2. Pg.8

Gumbel. Este proceso se implementó a través de una interfaz

gráfica de usuario desarrollada en Python.

3. Aplicación de Ecuaciones IDF: Posteriormente, las

ecuaciones matemáticas derivadas de las curvas IDF fueron
empleadas para estimar la precipitación total correspondiente a
cualquier período de retorno deseado, lo cual es esencial para
el diseño hidrológico.

4.4. Generación de Curvas de Masas Adimensionales

El análisis detallado de la distribución temporal de la precipitación

dentro de cada evento se llevó a cabo mediante una interfaz gráfica
de usuario (GUI) desarrollada específicamente para este propósito,
siguiendo un procedimiento estructurado:

1. Identificación y Categorización de Eventos para Curvas

de Masas:

 La GUI fue diseñada para identificar y categorizar eventos

de precipitación continua. Se definieron rangos
específicos para la generación de curvas de masas
promedio: eventos de duración exacta de 30, 60, 120 y
180 minutos, y un rango adicional para eventos con
duración mayor a 120 minutos y menor a 180 minutos.

 La continuidad de un evento se mantuvo según el criterio

establecido en la sección 4.2. (umbral de 1 hora de
intervalo seco).

2. Carga y Procesamiento de Datos:

 La interfaz permite la carga simultánea de múltiples

archivos de datos (CSV o Excel). Una vez cargados, el
sistema procesa los datos para identificar y segregar los
 Grupo 2. Pg.9

eventos de precipitación que cumplen con los criterios de

duración antes mencionados.

3. Generación de Curvas de Masas Adimensionales:

 Para cada evento de precipitación identificado dentro de

las categorías de interés, se generó su curva de masas
adimensional individual. Esta curva representa la
distribución acumulada de la precipitación a lo largo del
tiempo del evento, normalizada para que tanto el tiempo
transcurrido (t/T) como la precipitación acumulada
(P/Ptotal) varíen en un rango de 0 a 1.

 Posteriormente, se calculó una curva de masas promedio

para cada categoría de duración (30, 60, 120, 180
minutos exactos). Este promedio se obtuvo integrando
todas las curvas individuales analizadas dentro de cada
categoría.

4. Exportación de Resultados:

 Los puntos normalizados de las curvas de masas (tanto

las individuales como las promedio por categoría) fueron
exportados a un archivo en formato .xlsx. Este archivo
estructurado está listo para ser utilizado como insumo en
etapas posteriores del estudio, particularmente para la
generación de hietogramas de diseño.

4.5. Aplicación del Método de Patrones con Pluviogramas

Normalizados

Para la generación de hietogramas sintéticos representativos de

eventos de precipitación, se empleó el Método de Patrones con
Pluviogramas Normalizados. A tal fin, se desarrolló una tercera
interfaz gráfica de usuario (GUI) dedicada, que integra las ecuaciones
de Intensidad-Duración-Frecuencia (IDF) y las curvas de masas
 Grupo 2. Pg.10

adimensionales obtenidas en las etapas previas para la construcción

de hietogramas de diseño.

La aplicación de este método se esquematiza en los siguientes

pasos:

1. Determinación de Parámetros IDF: Se extrajeron los

parámetros a, b y n que definen la forma de las ecuaciones IDF
desarrolladas para la estación El Bosque (según la Sección 4.3).

2. Recopilación de Ecuaciones IDF Externas: Adicionalmente,

se consultaron y obtuvieron las ecuaciones IDF oficiales
correspondientes a la estación Iñaquito, proporcionadas por el
Instituto Nacional de Meteorología e Hidrología (INAMHI).

3. Cálculo de Intensidad de Diseño: Utilizando las ecuaciones

IDF pertinentes (ya sean las generadas para El Bosque o las
recopiladas para Iñaquito, según el caso de estudio), se calculó
la intensidad de precipitación (I) para un tiempo de retorno (T) y
una duración (t) específicos, ambos definidos por el usuario en
la interfaz.

4. Carga de Curvas de Masas Normalizadas: Se importaron a

la interfaz gráfica los datos de las curvas de masas
adimensionales promedio (obtenidas en la Sección 4.4). Estas
curvas sirven como el patrón temporal de distribución de la
precipitación acumulada a lo largo del evento.

5. Generación y Visualización del Hietograma de Diseño: La

interfaz sintetizó el hietograma de diseño combinando la
intensidad de precipitación calculada (Paso 3) con el patrón
temporal de la curva de masas normalizada (Paso 4). El usuario
pudo definir interactivamente el período de retorno y la
duración del evento deseados, y el hietograma resultante fue
visualizado gráficamente, representando la distribución
 Grupo 2. Pg.11

temporal de la precipitación para un evento de diseño

específico.

5. Obtención De Datos
La información de la estación pluviométrica reposa en la base de
datos de la plataforma PARAMH2O del municipio de Quito.

Fig 1. Plataforma PARAMH2O

La información de la estación se descarga en formato .xlsx, se

depura y posteriormente se importa a archivos con extensión .csv.
Debido al gran volumen de datos registrados cada 5 minutos, estos se
organizan en bloques de cinco años.

Fig 2. Base de datos

 Grupo 2. Pg.12

6. Clasificación de Eventos y Discretización

6.1. Clasificación de Eventos

A partir de los datos obtenidos de la estación pluviométrica, se

desarrolló una interfaz gráfica en Python que identifica y clasifica los
eventos máximos según la duración seleccionada de 7 o 30 días y
muestra la información de precipitación instantánea en los días de
análisis, adicionalmente muestra el pluviograma semanal y diario.

Fig 3. Analizador de Datos Pluviométricos

En dicho código se carga el archivo Excel con las series

históricas y luego se selecciona procesar datos, automáticamente se
desplegarán los máximos eventos de precipitaciones de cada año.

Con el código realizado se obtienen los siguientes resultados,

para lluvias de 15 días de duración de las estaciones Iñaquito y C.C el
bosque:
Grupo 2. Pg.13
 Grupo 2. Pg.14

Fig [Link] del 2000 al 2024 de 15 días de duración,

estación P09 Iñaquito INAMHI
 Grupo 2. Pg.15

Fig 5. Pluviograma diario, día máximo

Fig [Link] del 2016 al 2025 de 15 días de duración,

estación P70 CC El Bosque
 Grupo 2. Pg.16

Fig [Link] diario, día máximo

Con el código realizado se obtienen los siguientes resultados,

para lluvias de 30 días de duración de las estaciones Iñaquito y C.C el
bosque:
Grupo 2. Pg.17
 Grupo 2. Pg.18

Fig 8. Pluviogramas del 2000 al 2024 de 30 días de duración,

estación P09 Iñaquito INAMHI

Fig 9. Pluviograma diario, día máximo

 Grupo 2. Pg.19

Fig 10. Pluviogramas del 2016 al 2025 de 30 días de duración,

estación P70 CC El Bosque

Fig 11. Pluviograma diario, día máximo.

6.2. Discretización de Eventos

Para la elaboración de las curvas de intensidad–duración–frecuencia

(IDF), es necesario discretizar los eventos máximos de cada año en
intervalos de 30, 180, 240, 300 y 360 minutos. Con este fin, se
desarrolló una interfaz gráfica en Python que importa los datos de la
estación pluviométrica e identifica los eventos máximos anuales,
considerando como eventos distintos aquellos separados por al
menos una hora sin precipitación.

El programa únicamente se tiene que ejecutar y seleccionar

cargar datos, la separación se lo realiza de forma automática,
adicionalmente se pueden exportar los datos en un archivo Excel.
 Grupo 2. Pg.20

Fig 12. Interfaz [Link]

Los registros máximos son exportados a formato .xlsx

obteniendo una base de datos total para la estación analizada.

Precipitación (mm)
Años
30' 180' 240' 300' 360’

2015 5.5 5.6 5.6 5.6 5.6

2016 2 27.3 31.6 33.6 34.7

2017 0.5 7.7 8.1 28.4 40.9

2018 5.6 17.3 18.4 21.3 32.4

2019 24.7 36.4 36.5 36.5 36.5

2020 2.3 11.4 21 25.9 28.7

2021 0.7 4.8 8.4 15.4 19.4

2022 0.9 11.3 14.7 19.2 21

2023 2.8 21.2 30.9 36.1 41.9

2024 0.3 1.3 6 17.9 24.1

2025 2.9 17.6 28.2 32.8 33.5

Tab. [Link] máximas 2015 – 2025

 Grupo 2. Pg.12

7. Curvas IDF estación El Bosque

Los coeficientes de las curvas IDF (Intensidad-Duración-Frecuencia)
son parámetros empíricos utilizados para representar la relación entre
la intensidad de la precipitación, su duración y su periodo de retorno.
Estas curvas son fundamentales en ingeniería hidrológica para
diseñar sistemas de drenaje, alcantarillado, obras hidráulicas.

Para el análisis de las curvas, se emplearon 2 variaciones a la

ecuación IDF:

1. Sherman

a
i=
( t+ b )c

2. Kiefer Chu

d
a ⋅T
i=
( t+ b )c

Para la ecuación de Kiefer Chu las curvas IDF fueron

desarrolladas en Excel empleando los métodos de Gumbel Y Mínimos
cuadrados, obteniendo marcadas diferencias

CURVAS IDF (Ec. De Kiefer Chu)

60.00

50.00
INTENSIDAD (mm/h)

40.00

30.00

20.00

10.00

0.00
0 20 40 60 80 100 120 140 160 180 200

DURACIÓN (min)

TR = 2 AÑOS TR= 5 AÑOS TR=10 AÑOS TR= 25 AÑOS

 Grupo 2. Pg.13

Fig 13. Curva IDF – Método de Gumbel

C ur va s I DF (E c. De Kie fe r C hu)
80.5
70.5
60.5
Intensidad (mm/h)

50.5
40.5
30.5
20.5
10.5
0.5
20 70 120 170 220 270

Duración (min)
Por otra parte, la ecuación general propuesta por Sherman fue
realizada 25 años 20 años 15 años 10 años 5 años
en
Fig [Link] IDF – Método de Mínimos Cuadrados
un entorno de
programación en Python aplicando el método de Gumbel y un ajuste
no lineal, obteniendo resultados cercanos a la metodología empleada
en Excel.

Cálculo del Fig 15. Curvas IDF – Distribución de Gumbel

Parámetro K en la Ecuación IDF para la Estación El Bosque

Introducción: La estimación de lluvias intensas es

fundamental en el diseño de obras de drenaje urbano, estructuras
 Grupo 2. Pg.14

hidráulicas y evaluaciones de riesgo hidrometeorológico. Una de las

herramientas más utilizadas para representar este comportamiento
es la curva IDF (Intensidad - Duración - Frecuencia), cuyo modelo
matemático generalizado, validado por el Instituto Nacional de
Meteorología e Hidrología (INAMHI), es:

[ I = K T^m t^{-n} ]

donde: - ( I ): Intensidad de precipitación (mm/h) - ( T ): Período

de retorno (años) - ( t ): Duración del evento (min) - ( K ), ( m ), ( n ):
Parámetros ajustados para cada estación

Este documento detalla el proceso de ajuste de esta ecuación

para la estación “El Bosque” en la ciudad de Quito, partiendo de
datos de intensidades máximas por duración, obtenidas durante 11
años consecutivos.

Paso 1: Recolección y organización de datos

Se utilizaron datos de intensidades máximas anuales por

duración: 30, 60, 120, 180 y 360 minutos. A continuación se
presentan los valores registrados por año:

A 3 6 12 18 36
ño 0 min 0 min 0 min 0 min 0 min

1 1 5 2. 1. 0.
1.00 .60 80 87 93

2 4. 5 8. 9. 5.
00 .90 50 10 78

3 1. 7 3. 2. 6.
00 .30 75 57 82

4 1 8 6. 5. 5.
1.20 .50 75 77 40

5 4 3 18 12 6.
 Grupo 2. Pg.15

9.40 2.60 .00 .13 08

6 4. 2 1. 3. 4.
60 .30 30 80 78

7 1. 1 1. 1. 3.
40 .40 70 60 23

8 1. 5 5. 3. 5.
80 .70 05 77 30

9 5. 3 2. 7. 6.
50 .70 25 07 98

1 0. 0 0. 0. 4.
0 60 .40 60 43 02

1 5. 1 8. 5. 5.
1 80 0.60 50 87 58

Tab. [Link] máximas 2015 – 2025

El cálculo de la intensidad promedio para cada duración se

realizó usando la fórmula:

[ I_{} = _{i=1}^n I_i ]

donde ( n = 11 ) es el número de años. El resultado fue:

Duración Intensidad Promedio

(min) (mm/h)

30 8.76

60 7.27

120 5.84

180 5.45

360 5.26

Tab. [Link] Promedio.

Justificación: Esta tabla resume el comportamiento promedio de

las lluvias máximas anuales por intervalo de duración. Aunque no
distingue períodos de retorno, es válida para generar una curva base
 Grupo 2. Pg.16

IDF, que posteriormente puede ser escalada para diferentes retornos

si se conoce el valor de ( m ).

Paso 2: Selección del modelo IDF

Se utilizó inicialmente la forma simplificada del modelo tipo

INAMHI:

[ I = K t^{-n} ]

Esto es válido cuando no se dispone de intensidades

clasificadas por período de retorno ( T ). Sin embargo, el modelo
general considera también el efecto de la frecuencia o período de
retorno:

[ I = K T^m t^{-n} ]

Dado que no se contaba con intensidades por diferentes

períodos de retorno, el valor de ( m ) no fue calculado directamente.
Sin embargo, se estimó un valor típico basado en estaciones cercanas
(como Izobamba o Quito Observatorio), obteniéndose un valor
promedio de referencia:

[ m = 0.20 ]

Justificación: El parámetro ( m ) representa cómo cambia la

intensidad esperada al aumentar el período de retorno. Valores entre
0.15 y 0.25 son comunes para zonas de la Sierra ecuatoriana.

Paso 3: Linealización mediante logaritmos

Al aplicar logaritmo base 10 a ambos lados de la ecuación

simplificada, se obtiene:

[ (I) = (K) - n (t) ]

 Grupo 2. Pg.17

Esta ecuación representa una relación lineal entre ( (I) ) y ( (t) ),

con: - pendiente: ( -n ) - intersección: ( (K) )

Esto permite usar regresión lineal o no lineal para determinar

( K ) y ( n ).

Paso 4: Ajuste matemático y cálculo de parámetros

Se empleó el paquete [Link].curve_fit en Python para

ajustar directamente el modelo:

[ I = K t^{-n} ]

Datos utilizados para el ajuste:

Duraciones (min): [30, 60, 120, 180, 360]

Intensidades promedio (mm/h): [8.76, 7.27, 5.84, 5.45, 5.26]

Resultado del ajuste por mínimos cuadrados: - ( K = 22.57

) - ( n = 0.28 )

Incorporando el valor estimado de ( m = 0.20 ), la ecuación IDF

completa propuesta para la estación El Bosque es:

[ I = 22.57 T^{0.20} t^{-0.28} ]

Paso 5: Representación gráfica de los resultados

La siguiente figura muestra los datos observados de intensidad

(puntos azules) y la curva ajustada (línea roja):
 Grupo 2. Pg.18

Fig [Link] IDF – Estación el Bosque Se observa un

excelente ajuste visual, indicando que la función ajustada representa
fielmente la tendencia decreciente de la intensidad con la duración.

8. Generación de Curvas de Masas Normalizadas

Las curvas de masas, también conocidas como curvas de
acumulación o curvas de masa de lluvia, representan la precipitación
acumulada a lo largo del tiempo de un evento [1]. Su normalización
las convierte en herramientas adimensionales, donde tanto el tiempo
transcurrido como la precipitación acumulada se expresan como una
fracción del total del evento, variando de 0 a 1 [2]. Este proceso
elimina la dependencia de la duración y la magnitud absolutas,
permitiendo comparar y promediar eventos de diversas
características.

El procedimiento detallado para la generación de estas curvas

es el siguiente:

1. Preparación de Datos y Eventos: Se inician con series

temporales de precipitación de alta resolución, que deben ser
depuradas para asegurar su calidad. Posteriormente, se
 Grupo 2. Pg.19

identifican y separan los eventos de precipitación continuos,

definiendo su finalización por un período sin lluvia que excede
un umbral.

Fig 17. Programa Curva de [Link]

2. Acumulación y Normalización Individual: Para cada evento

identificado, se calcula la precipitación acumulada. Luego, esta
curva de masas bruta se normaliza: el tiempo se escala de 0 a 1
(tiempo transcurrido / duración total del evento), y la
precipitación acumulada también se escala de 0 a 1
(precipitación acumulada / precipitación total del evento) [2].
 Grupo 2. Pg.20

Fig 18. Curva de masas de un evento de 30 minutos

3. Clasificación y Promediado: Las curvas normalizadas

individuales se clasifican según su duración (e.g., duraciones
exactas de 30, 60, 120, 180 minutos, o rangos como >120 y
<180 minutos). Para cada categoría, se interpola y calcula la
curva de masas promedio, sin aplicar filtros adicionales de
outliers o de forma, asegurando que todos los eventos
continuos contribuyan al patrón representativo [5].

Fig 19. Curva de masas promedio para eventos de 30 minutos

 Grupo 2. Pg.21

Modo de uso programa Curva de [Link]:

1. Abrir el programa

Fig 20. Curva de [Link]

2. Click en cargar datos

3. Seleccionar los archivos de la estación pluviométrica

Fig 21. Selección de datos

3. Una vez cargados los datos el análisis comienza. Este proceso

puede tardar unos pocos minutos
4. Click en generar múltiples curvas de duración exacta
 Grupo 2. Pg.22

Fig 22. Curvas de masas para distintas duraciones de eventos

5. Exportar los resultados en formato .xlsx

9. Método de Patrones con Pluviogramas

Normalizados
A partir de las ecuaciones IDF de la estación Iñaquito se puede
determinar la precipitación total de un evento en determinado
periodo de retorno.

Para una precipitación de 120 minutos con un periodo de

retorno de 10 años:

0.2196 −0.721
i=418.754∗T ∗t
0.2196 −0.721
i=418.754∗10 ∗120

mm
i=22.002
h

P=i∗d

mm
P=22.002 ∗2 h
h

P=44 mm
 Grupo 2. Pg.23

Se selecciona la curva de masas perteneciente a los eventos de

120 minutos:

Tiempo Precipitación
Normalizado Normalizada Promedio
0 0
0.01010101 0.01724865
0.02020202 0.0344973
0.03030303 0.05174595
0.04040404 0.0689946
0.050505051 0.082666963
0.060606061 0.095828428
0.070707071 0.108989892
0.080808081 0.122151357
0.090909091 0.133546
0.101010101 0.144351702
0.111111111 0.155157404
0.121212121 0.165963105
0.131313131 0.176755338
0.141414141 0.18753949
0.151515152 0.198323642
0.161616162 0.209107793
0.171717172 0.221807595
0.181818182 0.236423045
0.191919192 0.251038496
0.202020202 0.265653946
0.212121212 0.279901569
0.222222222 0.293536147
0.232323232 0.307170724
0.242424242 0.320805302
0.252525253 0.334044039
0.262626263 0.346095254
0.272727273 0.35814647
0.282828283 0.370197686
0.292929293 0.382327592
0.303030303 0.395008332
0.313131313 0.407689073
0.323232323 0.420369813
0.333333333 0.433050553
0.343434343 0.444891373
0.353535354 0.456732193
0.363636364 0.468573012
0.373737374 0.480413832
0.383838384 0.491467988
0.393939394 0.502409763
0.404040404 0.513351538
0.414141414 0.524293313
0.424242424 0.535348155
 Grupo 2. Pg.24

0.434343434 0.546440685
0.444444444 0.557533215
0.454545455 0.568625745
0.464646465 0.57987408
0.474747475 0.591215897
0.484848485 0.602557714
0.494949495 0.613899532
0.505050505 0.625959689
0.515151515 0.638738186
0.525252525 0.651516684
0.535353535 0.664295181
0.545454545 0.676270854
0.555555556 0.686908484
0.565656566 0.697546115
0.575757576 0.708183746
0.585858586 0.718623278
0.595959596 0.728468515
0.606060606 0.738313751
0.616161616 0.748158988
0.626262626 0.757997808
0.636363636 0.767791718
0.646464646 0.777585628
0.656565657 0.787379537
0.666666667 0.797173447
0.676767677 0.805787837
0.686868687 0.814402228
0.696969697 0.823016618
0.707070707 0.831631009
0.717171717 0.840264357
0.727272727 0.848900414
0.737373737 0.85753647
0.747474747 0.866172527
0.757575758 0.873676233
0.767676768 0.880802488
0.777777778 0.887928743
0.787878788 0.895054999
0.797979798 0.901847343
0.808080808 0.908439341
0.818181818 0.915031338
0.828282828 0.921623336
0.838383838 0.927728382
0.848484848 0.933346477
0.858585859 0.938964572
0.868686869 0.944582667
0.878787879 0.949768634
0.888888889 0.954234388
0.898989899 0.958700141
0.909090909 0.963165895
 Grupo 2. Pg.25

0.919191919 0.967587255
0.929292929 0.971875434
0.939393939 0.976163613
0.949494949 0.980451792
0.95959596 0.984682617
0.96969697 0.988511963
0.97979798 0.992341309
0.98989899 0.996170654
1 1

Tab. 4. Curva de masas para un evento de 120 minutos

Posteriormente los datos son tratados para estimar la

precipitación de cada intervalo de 5 minutos. Finalmente se generan
los hietogramas de diseño para cada duración:

Modo de uso programa [Link]:

1. Abrir el programa
2. Seleccionar archivo/ Escoger la curva de masas en formato .xlsx
3. Ingresar un periodo de retorno y una duración
 Grupo 2. Pg.26

Fig 23. [Link]

9.1. Estructura General del Programa

El programa utiliza una interfaz gráfica (GUI) construida con Tkinter

que permite:

1. Cargar datos de precipitación desde archivos CSV o Excel

2. Identificar y clasificar eventos de lluvia por duración
3. Generar curvas de masas normalizadas individuales
4. Calcular curvas promedio para diferentes duraciones
5. Exportar resultados a Excel

9.2. Componentes Principales

2.1. Variables Globales

Estas variables almacenan:

 Resultados del análisis de duración

 Eventos con duraciones exactas (30, 60, 120, 180 minutos)
 Eventos en el rango 120-180 minutos
 Datos originales cargados
 Resumen de todos los eventos identificados
 Grupo 2. Pg.27

2.2. Función cargar_datos()

Proceso paso a paso:

1. Selección de archivos: Usa un diálogo para seleccionar múltiples

archivos CSV o Excel.
2. Lectura de datos: Para cada archivo:
a. Detecta el formato (CSV o Excel)
b. Verifica las columnas requeridas ('Fecha' y 'Valor')
c. Convierte la columna 'Fecha' a datetime con varios
formatos posibles
d. Limpia datos (valores negativos o nulos se convierten a 0)
3. Combinación de datos: Une todos los archivos en un solo
DataFrame
4. Procesamiento: Llama a procesar_datos() con los datos
combinados

2.3. Función procesar_datos()

Proceso de análisis:

1. Identificación de eventos:
a. Marca registros con precipitación (>0)
b. Detecta inicios de nuevos eventos (cuando pasa de no-
lluvia a lluvia)
c. Asigna un ID único a cada evento
2. Análisis por duración:
a. Calcula duración, precipitación total y número de registros
por evento
b. Clasifica eventos en categorías de duración:
i. <30 min, 30-60 min, 60-120 min, 120-180 min,
>180 min
ii. Duración exacta (30, 60, 120, 180 min)
iii. Rango especial >120 y <180 min
3. Almacenamiento:
 Grupo 2. Pg.28

a. Guarda datos brutos de cada evento según su categoría

b. Actualiza la interfaz con los resultados

2.4. Función
calcular_curva_normalizada_individual()

Algoritmo de normalización:

1. Precipitación acumulada: Calcula suma acumulativa de los

valores
2. Tiempo transcurrido: Calcula minutos desde el inicio del evento
3. Normalización:
a. Tiempo: Divide por duración total (0 a 1)
b. Precipitación: Divide por precipitación total (0 a 1)
4. Interpolación: Asegura puntos (0,0) y (1,1) para curvas
completas

2.5. Funciones de Generación de Gráficos

1. Curvas individuales (graficar_curva_masas):

a. Muestra curva normalizada para un evento específico
2. Curvas promedio (generar_curva_promedio_por_duracion):
a. Calcula promedio de todas las curvas para una duración
exacta
3. Rango especial (generar_curva_promedio_120_180_min):
a. Promedia eventos con duración entre 120-180 minutos
b. Normaliza cada uno según su duración real
4. Múltiples curvas (generar_multiples_curvas_exactas):
a. Muestra 4 subgráficas con curvas individuales y promedio
para 30, 60, 120 y 180 min

2.6. Exportación a Excel (exportar_excel)

Genera un archivo Excel con:

1. Análisis de duración de eventos

2. Datos originales de eventos por categoría
 Grupo 2. Pg.29

3. Puntos de curvas promedio normalizadas

3. Interfaz Gráfica

La GUI contiene:

1. Sección superior: Botones para cargar datos y exportar

resultados
2. Análisis de duración: Muestra estadísticas de eventos por
categoría
3. Curvas individuales: Selección de evento exacto para graficar
4. Curvas promedio:
a. Por duración exacta (30, 60, 120, 180 min)
b. Para rango 120-180 min
5. Vista múltiple: 4 curvas en una sola gráfica

4. Proceso de Normalización

La normalización es clave para comparar eventos de diferente

duración e intensidad:

1. Tiempo normalizado (X):

a. 0 = inicio del evento
b. 1 = fin del evento
c. Calculado como: tiempo_transcurrido / duración_total
2. Precipitación normalizada (Y):
a. 0 = sin precipitación acumulada
b. 1 = precipitación total del evento
c. Calculado como: precipitación_acumulada /
precipitación_total

5. Aplicación en Hidrología

Este programa es útil para:

1. Diseño de drenaje: Las curvas normalizadas representan

patrones típicos de lluvia
 Grupo 2. Pg.30

2. Análisis comparativo: Permite estudiar diferencias entre eventos

cortos/largos
3. Modelación hidrológica: Los pluviogramas normalizados son
entrada para modelos de transformación lluvia-escorrentía
4. Diseño de infraestructura: Proporciona patrones de lluvia para
dimensionar obras hidráulica
 Grupo 2. Pg.21

6. Conclusiones
Durante la elaboración de las lluvias de diseño, la estación “El
Bosque” no cuenta con le ecuación formulada por el INAMHI, sin
embargo, no fue posible elaborar las curvas Intensidad-Duración-
Frecuencia (IDF) para la estación, debido a que el período de registro
disponible comprende únicamente 10 años de datos de precipitación.
Este intervalo de tiempo es insuficiente para realizar un análisis
estadístico robusto que garantice la representatividad y confiabilidad
de los valores extremos asociados a diferentes períodos de retorno.
Según la literatura hidrológica, se recomienda contar con al menos 20
a 30 años de datos continuos para obtener curvas IDF estables y
significativas. Por tanto, cualquier resultado obtenido con la serie
actual presentaría alta incertidumbre y limitaciones técnicas para su
aplicación en el diseño hidrológico.

El valor de (K = 22.57) se obtuvo mediante un ajuste directo de

la ecuación tipo del INAMHI, utilizando datos promedio de intensidad
máxima anual por duración en la estación El Bosque. El valor de (n =
0.28) representa adecuadamente el efecto de la duración, y se
asumió un valor típico de (m = 0.20) para permitir el uso del modelo
extendido con períodos de retorno. Esta ecuación permite estimar
intensidades para distintas duraciones y frecuencias, y puede ser
usada con confianza en el diseño hidráulico urbano.
 Grupo 2. Pg.22

7. Bibliografía
[1] V. T. Chow y L. Mays. Hidrología aplicada. McGraw-Hill. M. Sáured,
Ed. 1994. [Link]/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwjwhZn5
sPWNAxXkRTABHdB4PKAQFnoECDMQAQ&url=https%3A%2F
%[Link]
%2F105588091%2FVen_Te_Chow_Hidrologia_Aplicada&usg=AOvVa
w3rp2brkmk9-unyEJBDuL9W&opi=89978449
[2] C. Viessman y G. Lewis, Introduction to Hydrology, 5th ed., Upper
Saddle River, NJ: Prentice Hall, 2003.
[3]A. Camacho et al., “Generación de eventos sintéticos de
precipitación mediante patrones pluviográficos normalizados,”
Ingeniería Hidráulica en México, vol. 26, no. 3, pp. 95–108, 2011.
[4]R. Keifer y H. Chu, Urban Stormwater Management, New York:
McGraw-Hill, 1984.
[5] J. D. Salas et al., “Design storm hydrographs based on Huff curves
for Bogotá, Colombia,” Hydrology Research, vol. 49, no. 6, pp.
1742–1757, 2018.
[6] M. C. Grimaldi, “Sensitivity of urban drainage systems to temporal
rainfall patterns,” Journal of Hydrologic Engineering, vol. 14, no. 5,
pp. 511–519, 2009.
[7] US Army Corps of Engineers, “HEC-HMS Hydrologic Modeling
System User's Manual,” 2020.
[8] P. Pilgrim and D. Cordery, “Rainfall Temporal Patterns for Design
Flood Estimation,” Hydrology and Water Resources Symposium,
pp. 47–54, 1993.
[9] M. R. Lamboray, “Development of IDF curves using long-term
rainfall data,” Water SA, vol. 38, no. 4, pp. 541–548, 2012.
[10] R. Chow, D. Maidment y L. Mays, Applied Hydrology, New York:
McGraw-Hill, 1988.
[11] Secretaría de Agua Potable y Saneamiento del Ecuador, Manual
de Diseño Hidrosanitario, Quito, Ecuador, 2015.
 Grupo 2. Pg.23

[12] P. Willems, “Multidecadal variations in extreme rainfall statistics:

A need for risk-based approaches,” Water Resources Research, vol.
49, pp. 399–411, 2013.
[13] E. Ochoa-Tocachi et al., “Hydrological data collection and
analysis in the Andean region: Challenges and innovations,”
Hydrological Sciences Journal, vol. 63, no. 9, pp. 1430–1446, 2018.
[14] Instituto Nacional de Meteorología e Hidrología (INAMHI).
“Determinación de Ecuaciones para el Cálculo de Intensidades
Máximas de Precipitación.” Quito, Ecuador, Versión 2, 2019. -
Aparicio, F. (1995). Fundamentos de hidrología de superficie.
Limusa, México. - Python Software Foundation. “SciPy
Documentation.” Disponible en: [Link]
[15]