Serviços Personalizados
Journal
Artigo
Indicadores
- Citado por SciELO
- Acessos
Links relacionados
- Citado por Google
- Similares em SciELO
- Similares em Google
Compartilhar
Revista científica
versão impressa ISSN 0124-2253versão On-line ISSN 2344-8350
Resumo
LADINO-MORENO, Edgar-Orlando; GARCIA-UBAQUE, César-Augusto e GARCIA-VACA, María-Camila. Estimación de vazamentos na pressão de tuberías para sistemas de água potável através de redes de neuronales artificiales e Epanet. Rev. Cient. [online]. 2022, n.43, pp.2-19. Epub 17-Fev-2022. ISSN 0124-2253. https://doi.org/10.14483/23448350.18275.
Este trabalho trata da estimativa de vazamento para um sistema de tubulação principal sem ramificações. Um algoritmo e um vermelho neural com 4 variáveis de entrada são propostos, uma camada oculta com 25 neurônios e 3 variáveis de saída. A coleta de dados é realizada por meio de um loop aninhado no Visual Basic (Excel®) estabelecendo 35.837 cenários de fuga para uma tubulação de 30 m que transporta água com viscosidade cinemática de 0,000001 (m2/s), diâmetro igual a 0,15222 m, rugosidade de 0,0000015 m, perda de carga de 3,5 m dos acessórios (k 1 , k 2 ) que soma 1,5. É instalado no sistema hidráulico dos medidores de vazão e manômetros virtuais no início e no final da tubulação. Asimism, Epanet® e Hydroflo® (Tahoe Design Software) são usados para estruturar o modelo hidráulico e validar os dados iniciais. Use o Matlab R2021a para analisar os algoritmos de aprendizagem de retropropagação e regularização bayesiana adotando a função de transferência log sigmóide. A função de controle implementa o erro quadrático médio e o coeficiente de determinação R 2 . O modelo neuronal obtido apresenta um erro quadrático médio de 1,44E-06 e um erro relativo igual a 0,0055% para os dados de entrada. A validação cruzada do vermelho neuronal foi realizada a partir de 5.973 dados de entrada independentes.
Palavras-chave : água potável; gestão de recursos hídricos; Levenberg-Marquardt; rede neural artificial; vazamento..