228
A
vances
en
la
hidráulica
de
redes
de
distribución
de
agua
potable
Métodos de esta naturaleza han sido desarrollados para la modelación de la lluvia tam-
bién (Rodríguez-Iturbe
et al
. 1984). En esas técnicas, la estimación de los parámetros se basa
en el planteamiento de una función objetivo que expresa la relación entre los momentos
estadísticos de la serie observada y los momentos teóricos del modelo estocástico, que se
minimiza a través de técnicas de programación no lineal, obteniéndose a partir de ello los
parámetros deseados. Nadimpalli y Buchberger (2003) realizaron una comparación entre
esas técnicas, aplicadas al problema de estimación de los parámetros con base en ejemplos.
Las técnicas se diferencian entre sí por el tipo de distribución de probabilidad que se asume
para gobernar el comportamiento de algunos parámetros, por ejemplo la duración e inten-
sidad de los pulsos, y por el proceso estocástico que se emplea como base para formular los
momentos teóricos involucrados (Rodríguez-Iturbe
et al
. 1984). En particular, Nadimpalli y
Buchberger (2003) realizaron un análisis para definir la certeza en los valores estimados con
cuatro de esas técnicas. Los resultados de su análisis demuestran que el proceso de Guercio
et al
. (2001), involucrando una distribución de probabilidades normal, obtiene un grado de
confiabilidad mayor con respecto a los procesos de Poisson y Markoviano propuestos por
Rodríguez- Iturbe
et al
. (1986); sin embargo, ninguna de las técnicas cumple con la condición
de poder trabajar con diferentes escalas de tiempo y simultáneamente obtener resultados
favorables en cuanto a la estimación de parámetros, por lo que se requiere de métodos que
permitan realizar funciones de agregación y desagregación temporal con mayor flexibilidad,
sin importar el intervalo de registro
h
empleado.
En este capítulo se propone un método para estimar los parámetros básicos necesarios para
generar las series de consumo, esto a partir de la desagregación temporal de mediciones con
intervalo de registro de mayores a un segundo. A diferencia de los métodos conocidos men-
cionados, la estimación se realiza con datos de series de consumo medidos en los propios
domicilios, lo que elimina el error debido a la agregación espacial. Parte de la formulación
Figura 3.2.1 Variación típica de la demanda de agua potable en un día, medida en un domicilio.
00:00:00
00:40:45
01:21:30
02:02:15
02:43:00
02:23:45
03:23:45
04:04:30
04:45:15
05:26:00
06:06:45
06:47:30
07:28:15
08:09:00
08:49:45
09:30:30
10:11:15
10:57:19
11:38:04
12:18:49
12:59:34
13:40:18
14:21:03
15:01:48
15:42:33
16:23:18
17:04:03
17:44:48
18:25:33
19:06:18
19:47:03
20:27:48
21:08:33
21:49:18
22:30:03
23:10:48
23:51:33
Tiempo(s)
Gasto (l/s)
0.16
0.14
0.12
0.10
0.08
0.06
0.04
0.02
0.00
