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. Determinação do diâmetro interno de tubulações de pressão para sistemas de água potável usando redes neurais artificiais. 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.
O diâmetro em sistemas de água potável pressurizada pode ser determinado por meio de uma equação polinomial de quinto grau. Como variáveis de entrada temos: Q: vazão (m3/s), H: perda de carga (m); L: comprimento do tubo (m); ε: rugosidade (m), ϑ: viscosidade cinemática (m2/s) e Ʃk: soma dos coeficientes de perdas menores (adimensional). Aplicando a equação de energia para um sistema hidráulico composto por dois tanques conectados por uma tubulação de diâmetro constante e aceitando a equação de Colebrook-White e a equação de Darcy-Weisbach, obtém-se uma expressão subdeterminada, pois se estabelecem mais incógnitas do que equações. Este problema é resolvido implementando um loop aninhado para o coeficiente de atrito e o diâmetro. Este artigo propõe uma Rede Neural Artificial (RNA) implementando o método Backpropagation de Levenberg-Marquardt para estimar o diâmetro a partir da função de transferência log-sigmoidal, isto sob condições de fluxo permanente. O conjunto de sinais de treinamento é composto por 5.000 dados aleatórios que seguem uma distribuição normal, calculados em Visual Basic (®Excel). As estatísticas utilizadas para a avaliação da rede correspondem ao erro quadrático médio, à análise de regressão e à função de entropia cruzada. A arquitetura que apresentou melhor rendimento correspondeu a uma camada oculta com 25 neurônios (6-25-1) apresentando um MSE igual a 5,41E-6 e 9,98E+00 para o Coeficiente de Correlação de Pearson. A validação cruzada do esquema neural foi realizada a partir de 1.000 sinais de entrada independentes do conjunto de treinamento, obtendo-se MSE igual a 6,91E-6. A rede neural proposta calcula o diâmetro com um erro relativo igual a 0,01% em relação aos valores obtidos do ®Epanet, mostrando a capacidade de generalização do sistema otimizado.
Keywords : Colebrook-White; Darcy-Weisbach; Levenberg-Marquardt; rede neural artificial; tubulação hidráulica.