SciELO - Scientific Electronic Library Online

 
vol.84 issue203Intermittent demand forecasting with time series methods and artificial neural networks: A case studyCarbon nanotube dispersion for in-vitro applications author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


DYNA

Print version ISSN 0012-7353

Abstract

PINEDA-JARAMILLO, Juan Diego; SALVADOR-ZURIAGA, Pablo  and  INSA-FRANCO, Ricardo. Comparando el consumo energético para rutas de tránsito ferroviario mediante Alineamientos Verticales Sinusoidales Simétricos (SVSA), y aplicando redes neuronales artificiales. Un estudio de caso de MetroValencia (España). Dyna rev.fac.nac.minas [online]. 2017, vol.84, n.203, pp.17-23. ISSN 0012-7353.  https://doi.org/10.15446/dyna.v84n203.65267.

Este artículo presenta el entrenamiento de una red neuronal artificial usando el consumo energético medido en la red metropolitana de Valencia, España, para estimar el consumo energético de un sistema metro. Después de la calibración y validación de la red neuronal, los resultados obtenidos muestran que esta puede ser utilizada para predecir el consumo energético con una gran precisión. Una vez entrenada, la red neuronal es utilizada para probar diferentes escenarios de operación hipotéticos con el objetivo de reducir el consumo energético de un sistema metro. Estos escenarios de operación incluyen diferentes trazados verticales que prueban que los Alineamientos Verticales Sinusoidales Simétricos (SVSA, por sus siglas en inglés) pueden reducir el consumo energético en un 18.41 % en contraste con un alineamiento plano (pendiente del 0%).

Keywords : Alineamientos Verticales Sinusoidales Simétricos (SVSA, por sus siglas en inglés); pendiente; consumo energético; redes neuronales artificiales; sistema metro..

        · abstract in English     · text in English     · English ( pdf )