DEFINICIÓN DE LOS TAMAÑOS ÓPTIMOS DE MALLA E

INTERVALO DE CÁLCULO EN UN MODELO NUMÉRICO:

APLICACIÓN AL CASO DEL EMBALSE DE PORCE II

OPTIMUM GRID SIZE AND TIME STEP DEFINITION IN A

NUMERICAL MODEL: PORCE II CASE STUDY
BEATRIZ VILLEGAS R.
M.SC., ING. CIVIL. Facultad de Minas, Universidad Nacional de Colombia. Posgrado en Aprovechamiento de Recursos
Hidráulicos, Medellín. bvillegas@bigfoot.com

MAURICIO TORO B.
PH.D., M.SC., ING. CIVIL Profesor Asociado, Facultad de Minas, Universidad Nacional de Colombia. Posgrado en
Aprovechamiento de Recursos Hidráulicos, Medellín. fmtoro@unalmed.edu.co

JAIME I. VÉLEZ U.
PH.D., M.SC., ING. CIVIL Profesor Asociado, Facultad de Minas, Universidad Nacional de Colombia. Posgrado en
Aprovechamiento de Recursos Hidráulicos, Medellín. jivelezu@unalmed.edu.co

Recibido para revisar 27 de Septiembre de 2005, aceptado 14 de Enero de 2005, versión final 3 de Mayo de 2005

RESUMEN: Dentro de las actividades encaminadas a la simulación de la estructura térmica

de un embalse se ha planteado un procedimiento para la determinación del tamaño óptimo de
la malla y del intervalo de cálculo basado en el desarrollo de análisis de sensibilidad del
modelo a estos parámetros. La determinación del tamaño óptimo de la malla de cálculo se
basa en la realización de análisis de sensibilidad al tamaño de la malla, primero horizontal y
luego verticalmente. El efecto del tamaño de la malla se mide a través de pruebas estadísticas
comparando globalmente los resultados obtenidos para cada tamaño de malla con los
resultados obtenidos para una malla definida como “Patrón”. Igual procedimiento se realiza
en la determinación del intervalo de cálculo pero esta vez variando del tamaño del intervalo
de cálculo. Las simulaciones se realizan con el modelo computacional ELCOM (Estuary and
Lake Computer Model) desarrollado por el “Center of Water Research (CWR)” de la
“University of Western Australia”. El caso de aplicación se hizo para un escenario hipotético
creado para el embalse Porce II, en el Departamento de Antioquia, Colombia. El análisis de
sensibilidad se basa en el uso del estadístico RMS (Root-Mean-Square-Error) o Error
Estándar y el Coeficiente de Variación (CV).

PALABRAS CLAVE: Modelos numéricos, Análisis de Sensibilidad, Aplicaciones a

Embalses.

ABSTRACT: Among the activities carried out for the numerical simulation of the thermal
structure of a tropical reservoir, in this paper a procedure has been defined for the geometric
and computing time interval model parameterization based on the development of a
sensitivity analysis of those parameters. For the geometric parameterization the sensitivity
analysis of the model is concentrated on the grid size, first in the horizontal plane followed by
one in the vertical direction. Effects of the different grid sizes are measured through statistical
tests comparing globally the model results for each grid size with the results obtained for a
grid chosen as the reference grid. For the computing time interval a similar procedure was

Dyna, Año 72, Nro. 147, pp. 23-32. Medellín, Noviembre de 2005. ISSN 0012-7353
24 Villegas et al

used in the optimal time step determination by changing the time step size. Numerical
simulations were carried out with the ELCOM (Estuary and Lake Computer Model)
computational model developed by the Center of Water Research (CWR) of the University of
Western Australia. The application test was for the Porce II reservoir in the province of
Antioquia in Colombia for which a hypothetical scenario was defined. The sensitivity analysis
is based on the statistics parameters “Root Mean Square Error” (RMS) and the variation
coefficient (CV).

KEY WORDS: Numerical Models, Sensibility Analysis, Reservoir Applications.

INTRODUCCIÓN COLCIENCIAS, “Modelamiento de Calidad

de Aguas en Embalses”, desarrollado por El
La aplicación de modelos matemáticos
Posgrado en Aprovechamiento de Recursos
sofisticados y de software especializado a la
Hidráulicos de la Facultad de Minas de la
solución de problemas de ingeniería, y como
Universidad Nacional de Colombia y los
herramienta docente y de investigación, es
grupos de investigación GAIA y GIGA de la
una práctica común en los últimos tiempos,
Universidad de Antioquia y mas
sobre todo en países industrializados. Estos
específicamente de la Tesis de Maestría
modelos y su correspondiente software
“Utilización de un Modelo Numérico para la
especializado hacen posible en la actualidad
Simulación de la Estructura Térmica del
el estudio detallado de problemas de
Embalse Porce II”. Esta publicación resume
ingeniería que antes eran inmanejables debido
la primera parte del trabajo que se centra en el
a la complejidad de los fenómenos naturales.
desarrollo de la metodología de selección del
Estas herramientas permiten analizar una gran
tamaño óptimo de malla y el intervalo de
variedad de fenómenos físicos de una manera
cálculo.
rápida y eficiente.
El modelo ElCOM -Estuary and Lake 1. EL MODELO ELCOM
Computer Model- es una herramienta de
El modelo ELCOM utiliza principios
modelamiento numérico tridimensional para
hidrodinámicos y termodinámicos para
lagos y embalses desarrollada por el Centro
simular el comportamiento espacial y
de Estudios del Agua –Center for Water
temporal de cuerpos de agua estratificados -
Research, CWR- de la universidad del Oeste
distribuciones de velocidad, temperatura y
de Australia. Este modelo fue seleccionado de
salinidad- sometidos a forzamientos
entre un grupo de modelos de características
ambientales externos. El modelo resuelve
similares debido a que además de ser la mejor
numéricamente las ecuaciones de Navier-
herramienta disponible para la simulación de
Stokes para flujo no permanente, viscoso e
ambientes tipo lago, ha sido exitosamente
incompresible usando la aproximación
utilizado en ambientes tropicales como el
hidrostática para la presión. La solución
lago de Maracaibo en Venezuela. El modelo
numérica de las ecuaciones se basa en el
ha sido también utilizado con éxito en la
método semi-implícito de diferencias finitas
realización de estudios para el manejo del
desarrollado por Casulli y Cheng (1992).
sistema de calidad de agua en el lago
Kinneret en Israel, en la exploración de Los procesos de simulación con el modelo
medidas de restauración en el lago Pamvotis ELCOM incluyen respuestas a flujos
en Grecia y en el estuario del río Swan en el inducidos por cambios en al pendiente de la
Oeste de Australia. superficie del agua (respuestas barotrópicas),
flujos inducidos por cambios en la densidad
El trabajo que se presenta hace parte de los
en cuerpos de agua no homogéneos
estudios realizados en desarrollo del proyecto
(respuestas baroclínicas), efectos
# 391 del 2001 financiado por
rotacionales, esfuerzos del viento,
 Dyna 147, 2005 25

intercambio térmico superficial, caudales el instrumento de medición y depende del

afluentes y efluentes y transporte de sal, calor tipo de medición analizado.
y escalares pasivos (trazadores). Este modelo
El ∆Rm se deriva del hecho de que los valores
se puede usar en conjunto con un módulo de
medidos nunca son perfectos y siempre se
calidad de aguas, “CAEDYM”, para simular
tiene algún grado de error. Todo error
el transporte tridimensional y la interacción
absoluto menor de ∆Rm se considera como
física, química y biológica del flujo.
bueno y no se toma en consideración dentro
Para realizar una simulación, el usuario debe del RMAE. Este procedimiento mide el error
proveer los datos relacionados con la no atribuible al instrumento de medida.
geometría del dominio, las condiciones Detalles sobre el uso de estos estadísticos se
iniciales y de borde y los parámetros de pueden consultar en Van Rijn et al. (2002).
configuración y de control de salida a través
En el caso de la realización de Análisis de
de archivos de entrada preparados manual-
Sensibilidad, en donde básicamente se
mente. Una detallada descripción del Modelo
comparan “simulaciones con simulaciones” y
ELCOM se puede consultar en los Manuales
donde se pretende medir el grado de
del Modelo (www.cwr.uwa.edu.au).
relevancia de una variable o parámetro del
modelo en el fenómeno que se quiere simular,
2. PRUEBAS ESTADÍSTICAS
el uso del RMAE pierde aplicabilidad ya que
Dentro del proceso de modelamiento en este caso no se presentarán valores
numérico de fenómenos hidrodinámicos erráticos que distorsionen los resultados. Así,
pueden diferenciarse dos instancias básicas: para el caso de estudios de sensibilidad, se
una primera conocida como “Análisis de propone el uso del estadístico RMS (Root
Sensibilidad y Definición de Parámetros Mean Square Error) (Ver Martin and
Básicos” y una segunda conocida como de McCutcheon, 1999) el cual se define como,
“Calibración y Validación”.
N
Durante la etapa de “Calibración y ∑ (O i − Si )2
Validación” de un modelo se dispone de al RMS = i =1
i = 1….N. (3)
menos un grupo de datos de mediciones y un N
grupo de datos de simulaciones que deben ser
donde Oi son los valores del parámetro en
comparados entre sí. Para ello existen
estudio considerados como valores de
diferentes pruebas estadísticas que sirven
referencia (por ejemplo, el valor de la
como herramientas en la determinación de la
temperatura media en una estación de moni-
precisión al comparar ambos grupos de datos.
toreo, o los perfiles de temperatura en una
Un medidor de alta aceptación en la
estación de monitoreo); Si son los valores del
actualidad es el denominado RMAE
parámetro en estudio obtenidos con el modelo
(“Relative Mean Absolute Error”) el cual esta
y derivados para una condición que es objeto
dado por la relación,
del análisis de sensibilidad (por ejemplo, el
(VR c − VRm − ∆Rm ) tamaño de la malla de cálculo en el plano
RMAE = horizontal, esto es, el número de nodos de
VRm cálculo); y N es el número de parejas de
para (VRc-VRm) > ∆Rm (1) datos. El RMS tiene las mismas unidades de
las observaciones y simulaciones. Con base
RMAE = 0 en el parámetro RMS, se define el coeficiente
para (VRc-VRm) < ∆Rm (2) de variación (CV) como,
donde VRm es la medición; VRc es la RMS
CV = (4)
simulación; VRm es el promedio de las Oa
mediciones; y ∆Rm es el error estimado para donde Oa es el promedio de los valores de
referencia (Oi).
26 Villegas et al

Un detallado análisis de la utilización del se muestra la zona del Embalse y la

parámetro RMS en la fase de Análisis de localización de los Sitios de Control.
Sensibilidad, en la validación de un modelo
Para la simulación numérica, se definieron
numérico, se presenta en la Tesis Doctoral de
una serie de parámetros físicos considerados
Palacio (2002) y en una serie de artículos
como valores promedios (típicos) en el
publicados por Palacio, Mayerle y Toro
embalse, los cuales se listan en la Tabla 1.
(2002).
Para cada una de las mallas horizontales
3. DESCRIPCIÓN DEL ÁREA DE definidas (mh1, mh2 y mh3) se conserva la
ESTUDIO misma distribución y dimensionamiento para
las capas verticales (9 capas) e iguales
El proyecto Hidroeléctrico Porce II se
condiciones iniciales y de borde.
localiza al noreste del departamento de
Antioquia, a 120 Km. de la ciudad de Respecto al intervalo de cálculo, ∆t, se
Medellín por la carretera que conduce a los respetan los parámetros de estabilidad
municipios de Amalfi y Anorí. Su principal numérica establecidos para flujos
fuente de abastecimiento es el río Porce que estratificados. El modelo ELCOM usa una
nace en el alto de San Miguel a los 2660 discretización explícita de los términos
m.s.n.m. y desciende atravesando el centro baroclínicos (cambios en densidades) en la
del departamento de Antioquia en dirección ecuación de momentum produciendo una
noreste hasta desembocar en el río Nenchí, restricción para ∆t basada en la condición
afluente del río Cauca, después de 232 Km. para la onda interna,
En sus primeros 60 km este afluente se
conoce como río Medellín y se caracteriza
por ser el medio de transporte de una gran
carga de material orgánico y particulado
Sitio de presa
procedente del área metropolitana del
departamento de Antioquia. La presa del
proyecto, de 123 m de altura, genera un lago
de 229 millones de metros cúbicos (Figura 1).
La conformación del embalse es bastante
encañonada y con condiciones climatológicas
propias de un clima cálido y húmedo. La
simulación de área de estudio se hizo a partir
de una batimetría con curvas de nivel cada 20
m y diferentes grupos de datos relativos a
condiciones medias y series de tiempo de Quebrada La
variables hidrológicas y meteorológicas Cancana
suministrados por las Empresas Públicas de
Medellín.
Quebrada
Río Porce Guaduas
4. LOCALIZACIÓN DE LOS SITIOS
DE CONTROL Y METODOLOGÍA
La batimetría del área de estudio se procesó
en formato digital a través del uso de la
aplicación ArcGis. Usando este software se Figura 1. Zona del Embalse y Localización de los
obtuvieron mallas de cálculo cuadradas de Sitios de Control.
diferentes resoluciones, 100m (mh1), 150m Figure 1. Reservoir Area and Location of Control
(mh2) y 200m (mh3), y se definieron 10 sitios Stations.
de Control sobre el Embalse. En la Figura 1
 Dyna 147, 2005 27

Tabla 1. Listado de Parámetros Físicos Base incremento de la carga computacional

Usados en las Simulaciones. (tiempo de cálculo). En el caso de la
Table 1. Physical Parameters Used on simulación de la estructura térmica de un
Simulations. lago, una resolución mayor en la parte
superior es muy importante pues los
PARAMETRO VALOR
fenómenos de transferencia de calor más
Temperatura Inicial del Agua 240C; constante en todo el Embalse
Caudal del río Porce 100 m3/s; constante
relevantes se suceden en las capas superiores.
Caudal quebrada Guaduas 5 m3/s; constante
Caudal quebrada La Cancana 5 m3/s; constante
Conservando los mismos sitios de control y
Caudal Efluente (Turbinado) 110 m3/s; constante las condiciones iniciales y de borde usadas en
Radiación Solar Variable en ciclo diario, Max 900 W/m2 el análisis de la malla horizontal se definen 5
Temperatura del Aire Variable en ciclo diario, Max 300C, Min 170C
Humedad del Aire 90%; constante mallas verticales con una resolución vertical
Viento
Nubes
Sin Viento
Sin Nubes
de 9 (mv1), 15 (mv2), 18 (mv3), 23 (mv4) y
29 (mv5) capas, respectivamente.
∆t
CFL = g*D 〈 2 (5) El primer paso en el análisis de sensibilidad a
∆x la distribución de la malla vertical es
donde CFL es el criterio de estabilidad de determinar la incidencia del incremento del
Courant-Friedrichs-Lewy; g* es la gravedad número de celdas en el tiempo de
reducida debida a la estratificación; D es la computación. Para ello se corre cada uno de
profundidad efectiva (profundidad del lago); los 5 casos para un número igual de
∆x es el tamaño mínimo de la malla; y (g* intervalos de simulación (equivalente a 30
D)1/2 es una aproximación de la velocidad de días) y se registran los tiempos obtenidos.
una onda interna. En este caso el valor límite A continuación se calculan los CV
es 0.7. correspondientes al último día de simulación
Para la realización del estudio de sensibilidad (día 30) para cada sitio de control y para 4
se selecciona un intervalo de cálculo de 60 s horas diferentes del día (horas 6:00, 12:00,
para las 3 mallas y el modelo se corre por un 18:00 y 24:00) tomando como malla “Patrón”
período de tiempo suficientemente largo la mv5 (malla de mayor resolución).
como para lograr las condiciones típicas Una vez establecida la resolución horizontal y
diarias (recuérdese que las condiciones de vertical de la malla se procede a definir la
radiación solar se especificaron con base en el sensibilidad al tamaño del intervalo de
ciclo diario) una vez se ha “calentado” el cálculo. En el procedimiento de selección de
modelo y las condiciones iniciales de los casos de simulación se tienen en cuenta
simulación han perdido su efecto. El los condicionamientos de estabilidad
parámetro CFL se escoge para definir este numérica establecidos por el modelo
periodo de tiempo de simulación. ELCOM.
La determinación del tamaño de malla Se mantienen las mismas condiciones
horizontal se hace tomando la malla mh2 iniciales y de borde utilizadas en las etapas
como malla “Patrón” y calculando el anteriores y se corren simulaciones de 30 días
coeficiente de variación CV de manera global de duración para 4 casos correspondientes a
(considerando todos los nodos en la vertical) intervalos de cálculo (∆t ) de 40, 60, 80 y 120
respecto a las otras mallas en estudio para segundos. Con los resultados obtenidos se
cada uno de los 10 Sitios de control. calculan los coeficientes de variación (CV)
La resolución de la malla vertical es un tomando la malla ∆t = 60 s como patrón. Para
parámetro particularmente crítico por dos el cálculo de los Coeficientes de Variación se
razones fundamentales. La primera se asocia eliminan los sitios con pocos datos (sitios 8 y
con el grado de resolución requerido por el 9) pues éstos distorsionan el cálculo del
fenómeno que se quiere representar y la estadístico.
segunda con su marcada incidencia en el
28 Villegas et al

5. RESULTADOS La Figura 3 refleja la variabilidad diaria del

fenómeno y el tiempo a partir del cual el
Malla horizontal: La Figura 2 muestra el
efecto de las condiciones iniciales ha
comportamiento temporal del CFL máximo
desaparecido (25 días aproximadamente).
en todo el dominio para las 3 mallas.
De acuerdo con los resultados presentados en Temperatura vs. Tiempo de simulación
la Figura 2, el efecto de las condiciones
iniciales sobre el CFL desaparece después del 36
día 20 de simulación para las tres mallas, 34
k8
siendo la malla menos densa la que presenta

Te m p e ra tu ra ( 0 C )
32 k6
un mayor valor.
30
k4
Obsérvese cómo se refleja el ciclo diario en 28
este parámetro y que el valor reportado
26
muestra que la corrida ha sido estable y no se k2
24
presentaron puntos de comportamiento
extraño. 22
0 5 10 15 20 25 30
Como consecuencia del anterior resultado el Tiempo simulación (días)
modelo se debe correr por un período de al
menos 20 días para que los resultados
generados por él puedan ser usados para Figura 3. Variación de la Temperatura en el
Tiempo en el Sitio de Control 1, para la Malla
definir el tamaño óptimo de la malla
mh2.
horizontal.
Figure 3. Variation of Temperature with Time.
La Figura 3 muestra el comportamiento Control Station 1. Grid mh2.
temporal del perfil vertical de temperatura en
le sitio de control 1 para la malla mh2, siendo Un aspecto importante de los resultados que
k8 la celda superficial y k2 la celda próxima se presentan en la Figura 3, es el alto valor
al fondo. alcanzado por la temperatura superficial del
embalse al final del período de simulación.
CFL vs. Tiempo de Simulación
0.7
Este hecho se explica si se tiene en cuenta
0.6
que la simulación no está considerando el
0.5
mh1 efecto del viento, variable que en definitiva es
0.4 el gran agente mezclador en la dinámica del
CFL

mh2
0.3 lago. El comportamiento del error global se
0.2 presenta en la Figura 4. En esta Figura se
0.1
mh3 observa un CV estable a partir del día 10 de
0 simulación, aproximadamente, y una
0 5 10 15 20 25 30
Tiempo de Simulación (días)
variabilidad apreciablemente menor entre las
mallas mh2 y mh1. Dada la poca variación en
el tiempo del parámetro CV entre estas
Figura 2. Variación Temporal del CFL para las mallas, la malla patrón se escoge, en este
Mallas mh1, mh2 y mh3. caso, como la malla horizontal óptima. En la
Figure 2. CFL Temporal Variation for grids mh1, Figura 5 se muestra la malla de cálculo
mh2 y mh3. horizontal seleccionada.
 Dyna 147, 2005 29

CV vs. Tiempo de Simulación En la Figura 6 se muestran gráficamente los

16 resultados obtenidos para el sitio de control 1
15
mh2 vs. mh3
a las 6:00 horas y se puede observar que la
14
13 relación entre CV y el # de Celdas Activas
muestra un comportamiento tal que alrededor
CV

12
11
10
del número de celdas activas igual a 6000, se
mh2 vs. mh1
9 presenta un quiebre importante en la
8
0 5 10 15 20 25
pendiente de dicha curva, mostrando una
Tiempo de Simulación (días) pendiente más suave a partir de este punto
que aquella obtenida en el rango de celdas
Figura 4. Gráfico Comparativo de la Variación activas menores de 6000.
Temporal del CV para Diferentes Tamaños de
Malla Horizontal. CV y CPU vs. #Celdas Avtivas

Figure 4. Comparative Graph of CV Temporal 12.0 25.0

Variation for Different Horizontal Grid Sizes. 10.0 20.0

CPU (hr)
8.0 P1 15.0

CV
CV
6.0
CPU 10.0
4.0 P2
Quebrada 5.0
2.0 P3
La Cancana
0.0 0.0
2000 4000 6000 8000 10000
# de Celdas Activas
Captación

Quebrada
Guaduas
Figura 6. Relación entre CV, Tiempo de CPU y
Rio Porce Número de Celdas Activas para el Sitio de
Muestreo 1 el día 30 de Simulación a las 6:00
Figura 5. Malla Horizontal Seleccionada (mh2). horas.
Figure 5. Selected Horizontal Grid (mh2). Figure 6. CV, CPU Time and Number of Active
Cells Relationships for the Control Station 1 on
Malla vertical: El primer paso en el análisis the 30 Simulation day at 6:00 hours.
de sensibilidad a la distribución de la malla
vertical fue determinar la incidencia del De una manera analítica este procedimiento
incremento del número de celdas en el tiempo podría plantearse de la siguiente manera: la
de computación. Para ello se corrió cada uno pendiente de cada tramo de la gráfica CV vs.
de los 5 casos para un número igual de Número de Celdas Activas es un indicativo
intervalos de simulación (equivalente a 30 del costo computacional que se tiene que
días) y se registraron los tiempos obtenidos. pagar con el ánimo de mejorar la precisión de
los resultados. Tomando como referencia la
La Figura 6 muestra la relación entre el Figura 7 se calculan las pendientes de los
tiempo de cálculo, tiempo de CPU, y el tramos,
número de celdas activas para las 5 mallas
verticales en estudio. Claramente se observa Tramo 1: P1 = 0.00216; Tramo 2: P2 =
una tendencia lineal en esta relación, y por lo 0.00223; Tramo 3: P3 = 0.00073
tanto cualquiera de los 2 parámetros se puede y la relación entre las pendientes
usar para asociarlo con el correspondiente CV consecutivas,
y definir el tamaño óptimo de malla. En el
análisis siguiente se tomará como parámetro P2/ P1 = 1.03 y P3/ P2 = 0.33
de comparación la variable Número de La relación P2/P1 = 1.03 cuantifica la
Celdas Activas. similitud entre las pendientes e indica que en
términos prácticos se sigue pagando el mismo
30 Villegas et al

costo computacional a cambio de una mejora y 9 presentan muy pocas celdas activas en la
en el CV al pasar del tramo 1 al tramo 2. De vertical (el resto de celdas están secas debido
otro lado, la relación m3/m2 = 0.33 está a los efectos de la batimetría local) y por lo
diciendo que a partir del tramo 3 el número tanto afectan los estadísticos calculados.
de celdas debe ser triplicado para obtener la Estos dos sitios no deben ser considerados en
misma mejora en CV que en los tramos el análisis. De los demás sitios, se puede
anteriores. Este análisis se hizo para los 10 observar que la relación P2/P3 está alrededor
sitios de monitoreo y para las cuatro horas del de 0,33 (ligeramente mayor).
día consideradas. En la Tabla 2 se presentan
los resultados obtenidos a las 6:00 horas del Tabla 3. Número de Celdas Verticales con Datos
último día simulados (día 30) en los 10 Sitios en cada sitio de control.
de Muestreo. Tabla 3. Number of Vertical cells with data in
each Control Station.
Tabla 2. Relaciones de Pendientes en las Curvas
CV vs. # de Celdas Activas para los 10 Sitios de # Celdas Verticales con Datos
Muestreo el día 30 de simulación a las 6:00 horas. Malla/Sitio 9 15 18 23 29
1 8 14 14 17 23
Table 2. Slope Relationships in the CV vs. # of 2 8 14 14 16 22
Active Cells for all Control Stations on the 30 3 7 12 12 15 21
simulation day at 6:00 hours. 4 7 12 12 15 21
5 8 14 14 16 22
6 7 13 13 16 22
Pendientes Relación de Pendientes 7 7 13 13 16 22
Sitio Tramo 1 Tramo 2 Tramo 3 P3/P2 8 2 5 4 6 6
1 0.00216 0.00223 0.00073 0.33 9 2 5 4 6 6
2 0.00230 0.00197 0.00068 0.34 10 6 12 11 14 20
3 0.00245 0.00194 0.00068 0.35
4 0.00258 0.00179 0.00069 0.38 El análisis de la información para las horas
5 0.00248 0.00156 0.00061 0.39 12:00, 18:00 y 24:00 refleja el mismo
6 0.00271 0.00143 0.00062 0.43
7 0.00275 0.00136 0.00061 0.45 comportamiento (no se presenta, en este caso,
8 0.00118 -0.00431 0.00291 -0.68 variación apreciable en el ciclo diario).
9 0.00153 -0.00229 -0.00028 0.12
10 0.00293 0.00113 0.00041 0.36 Finalmente, adoptando el criterio del
parámetro α = 0.33, el quiebre de pendientes
Generalizando, el procedimiento anterior se en la curva CV vs. Número de celdas activas
puede escribir, se da para la malla mv3 y por lo tanto es ésta
mi+1 = αmi (6) la que se escoge como malla óptima en la
vertical.
donde, en este caso, α es una medida del
precio que se está dispuesto a pagar en Intervalo de cálculo: En La Figura 7 se
tiempo de computación a cambio de un muestra el comportamiento de la onda interna
incremento en la precisión de los resultados y a lo largo de la simulación para cada uno de
dependerá de las condiciones particulares del los 5 casos considerados y se observa cómo
análisis. En cualquier caso, la relación deberá en todos ellos, el CFL debido a la onda
ser menor de 1 y la selección de este límite interna se estabiliza por debajo del límite de
será compromiso del modelador. La decisión estabilidad establecido por el Modelo (0.7).
deberá estar fundamentada en los resultados Con los resultados obtenidos se calcularon los
particulares y las expectativas en lo referente coeficientes de variación (CV) tomando la
a los niveles de precisión deseados. malla ∆t = 60 s como patrón.
Obsérvese que en la Tabla 2 los sitios de La Figura 8 muestra el comportamiento del
control 8 y 9 presentan un comportamiento CV a lo largo de la simulación. Para el
alejado del reflejado por los demás sitios. cálculo de los Coeficientes de Variación se
Este comportamiento se puede explicar si se eliminaron los sitios con pocos datos (sitios 8
observa la información que se suministra en y 9) pues éstos distorsionaban el cálculo del
la Tabla 3. Claramente los sitios de control 8
 Dyna 147, 2005 31

estadístico. Los resultados reportan errores Los resultados mostraron la importancia de

menores de 1.0 en todos los casos. una buena resolución espacial del dominio de
cálculo a simular para que los resultados del
CFL vs. Intervalo de cálculo
modelo lo describan detalladamente. También
0.7
0.6 dt=120 son parámetros fundamentales, los intervalos
0.5 de cálculo y de simulación. La determinación
0.4 dt=80 cuidadosa y sistemática de estos dos últimos
CFL

0.3 dt=60 parámetros posibilita, no solo la precisión

0.2 dt=40 deseada en los resultados sino también la
0.1
optimización del tiempo de computación
0.0
0 10000 20000 30000 40000 50000 60000 requerido.
Intervalo de cáculo

REFERENCIAS
Figura 7. Variación del CFL a lo Largo de la
Simulación. [1] CASULLI V. and CHENG R., “Semi-
Implicit Finite Difference Methods for
Figure 7. CFL Variations during Simulation.
Three Dimensional Shallow Water
Flow”. U.S. Geological Survey, WRD.
CV vs. Tiempo de Simulación
Menlo Park, CA U.S.A., 1992.
0.35

0.3 dt60 vs. dt120 [2] CENTER FOR WATER RESEARCH,

0.25 “ELCOM Model, User´s Manual”.
Universidad del Oeste de Australia, 2002.
CV

0.2 dt60 vs. dt80

0.15
[3] CENTER FOR WATER RESEARCH,
0.1
dt60 vs. dt40 “ELCOM Model, Science Manual”.
0.0
Universidad del Oeste de Australia, 2002.
0 200 400 600 800
Tiempo Simulación (horas) [4] L.C. VAN RIJN, B.T. GRASMEIGER
and B.G. RUESSINK, “Accuracy of
Figura 8. Variación Temporal del CV. Measurement Instruments”. Delft
Figure 8. CV Temporal Change. Hydraulics, Univer-sity of Utrecht, 2002.
[5] L.C. VAN RIJN, D.J. WALSTRA, B.
Con base en este resultado y considerando GRASMEIGER, J. SUTHERLAND, S.
que un intervalo de cálculo menor significa PAN and J.P. SIERRA, “Simulation of
un tiempo de simulación menor, se seleccionó Nearshore Hydro-dynamics and
un intervalo de cálculo de 120 s. Morphodynamics on the time scale of
Se trabajó entonces con una malla horizontal storms and seasons using process-based
cuadrada de 150 m X 150m una malla profile models”. Delft Hydraulics,
vertical variable de 18 capas y un intervalo de University of Utrecht, 2002.
cálculo de 120s. [6] MARTIN J. and MCCUTCHEON S.,
“Hydro-dynamics and transport for Water
6. CONCLUSIONES Quality Modeling”. Lewis Publishers,
Se desarrolló un procedimiento para la 1999.
determinación de parámetros geométricos y [7] M. KLEIN, E. ELIAS, D.J. WALSTRA
temporales a utilizar en el modelamiento and L.C. VAN RIJN, “Simulation of
numérico a través de la realización de un Nearshore Hydrodynamics and
Análisis de Sensibilidad. Este procedimiento Morphodynamics on the short term time
presenta un planteamiento sencillo, claro y scale of storms using 2DH area model”.
sistemático de gran utilidad en trabajos de Delft University of Technology, Delft
modelamiento numérico en lagos y embalses. Hydraulics, 2002.
32 Villegas et al

[8] PALACIO C.A. “Metodología para la [11]PALACIO, C. A., MAYERLE, R., y

Validación de Modelos Hidrodinámicos TORO, F. M., “Modelo Anidado de Gran
utilizando amplia información de campo: Escala para Simular Tormentas en el Mar
Aplicación a la Bahía Meldorf en la costa del Norte”, Memorias del XV Seminario
del mar del Norte Alemán (PhD Thesis)”. Nacional de Hidráulica e Hidrología,
Medellín, Universidad Nacional de Medellín, Agosto 29-31, 2002.
Colombia, 2002.
AGRADECIMIENTOS
[9] PALACIO, C.A., y TORO, F.M.,
“Metodología para la Validación de un Los autores agradecen a Colciencias por su
Modelo Hidrodinámico Específico en patrocinio del proyecto “Modelamiento de
Zonas Intermareales”, Avances en Calidad de Aguas en embalses” (Proyecto
Recursos Hidráulicos, Facultad de Minas, #391 del 2001), del cual hace parte esta
No. 9, Septiembre 2002, pp 37-46, ISSN Publicación, y a las Empresas Públicas de
0121 – 5701. Medellín por el apoyo que le han brindado al
desarrollo de este Estudio. También
[10] PALACIO, C.A., MAYERLE, R., y
agradecen al CWR por permitir el uso del
TORO, F.M., “Metodologías para la
modelo ELCOM en esta investigación y por
Definición de las Condiciones de Borde
las ayudas técnicas dadas para su manejo e
en las Fronteras Abiertas en Modelos
interpretación de resultados.
Costeros”, Memo-rias del XX Congreso
Latinoamericano de Hidrología e
Hidráulica, La Habana, Cuba, Octubre 1-
5, 2002.