Services on Demand
Journal
Article
Indicators
Cited by SciELO
Access statistics
Related links
Cited by Google
Similars in SciELO
Similars in Google
Share
Revista Facultad de Ingeniería
Print version ISSN 0121-1129On-line version ISSN 2357-5328
Abstract
GARCIA-UBAQUE, Cesar-Augusto; LADINO-MORENO, Edgar-Orlando and GARCIA-VACA, María-Camila. Determinación del diámetro interior de tuberías a presión para sistemas de agua potable utilizando redes neuronales artificiales. Rev. Fac. ing. [online]. 2022, vol.31, n.59, e204. Epub May 04, 2022. ISSN 0121-1129. https://doi.org/10.19053/01211129.v31.n59.2022.14037.
El diámetro en sistemas a presión de agua potable es posible determinarlo mediante una ecuación polinómica de quinto grado. Como variables de entrada se tiene: Q: caudal (m3/s), H: pérdida de carga (m); L: longitud de la tubería (m); ε: rugosidad (m), 𝜗: viscosidad cinemática (m2/s) y Ʃk: sumatoria de coeficientes de pérdidas menores (adimensional). Aplicado la ecuación de la energía para un sistema hidráulico compuesto por dos tanques conectados con una tubería de diámetro constante y aceptando la ecuación de Colebrook-White y la ecuación de Darcy-Weisbach se obtiene una expresión subdeterminada debido a que se establecen más incógnitas que ecuaciones. Este problema se soluciona implementando un bucle anidado para el coeficiente de fricción y el diámetro. Este artículo propone una Red Neuronal Artificial (RNA) implementando el método de Retropropagación Levenberg-Marquardt para estimar el diámetro a partir de la función de transferencia log-sigmoidal, esto bajo condiciones estacionarias de flujo. El conjunto de las señales de entrenamiento está conformado por 5,000 datos aleatorios que siguen una distribución normal, calculados en Visual Basic (®Excel). Los estadísticos utilizados para la evaluación de la red corresponden al error medio cuadrático, el análisis de regresión y la función de entropía cruzada. La arquitectura que demostró un mejor redimento correspondió a una capa oculta con 25 neuronas (6-25-1) presentando un MSE igual a 5.41E-6 y 9.98E+00 para el Coeficiente de Correlación de Pearson. La validación cruzada del esquema neuronal se realizó a partir de 1,000 señales de entrada independientes del conjunto de entrenamiento obteniendo MSE igual 6.91E-6. La red neuronal propuesta calcula el diámetro con un error relativo igual a 0.01% con respecto a los valores obtenidos a partir de ®Epanet, evidenciando la capacidad de generalización del sistema optimizado.
Keywords : Colebrook-White; Darcy-Weisbach; hidráulica de tuberías; Levenberg-Marquardt; red neuronal artificial.