Determinación del diámetro interior de tuberías a presión para sistemas de agua potable utilizando redes neuronales artificiales

Resumen

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), : 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.