REDES NEURONALES APLICADO A LA PREDICCIÓN DE AGUA POTABLE (original) (raw)
Related papers
Redes
. El área de influencia que afecta la laguna de Mar Chiquita y los bañados del Río Dulce, constituye el sistema endorreico de mayor extensión de la República Argentina. Este sistema incluye las cuencas de aporte de los ríos Dulce, Suquía y Xanaes alcanzando una superficie total cercana a los 75000 km2 . El entorno lagunar abarca un ecosistema cerrado, de una extensión cercana a los 10.000 km2 . Durante las últimas décadas, se han observado importantes fluctuaciones en el sistema (2.000 a 6.000 km², entre niveles de 66 y 72 msnm), pasando de períodos muy pobres a muy ricos, como los que se manifiestan en estos tiempos. Estas variaciones, impactaron directamente tanto en el ecosistema como en el desarrollo social y económico de las comunidades asentadas en las proximidades de la laguna, generando alteraciones de distinta escala, desde la ausencia de pejerrey como consecuencia de una concentración salina importante, hasta el traslado de una comunidad como Miramar al verse invadida por el crecimiento de la misma. Ante los acontecimientos sufridos por algunas comunidades costeras (Miramar), debido al incremento repentino de las aguas, resultó necesario plantear una herramienta que permita pronosticar con cierta exactitud, la evolución del nivel de agua del cuerpo lagunar, en períodos de tiempo lo suficientemente cortos, tal que permitan adoptar medidas asociadas a la planificación y asentamiento de los habitantes del lugar. Con este objetivo, se desarrolló un modelo de redes neuronales que permite pronosticar la evolución de niveles de elevación de superficie de agua de la laguna utilizando como variables explicativas, aquellas que intervienen en el balance hídrico del sistema como precipitaciones (precipitación al norte y sur de la laguna), caudales (en el río Suquía, Xanaes y Dulce) y evaporación (observada en Miramar).
The Determination of soil water retention curve is essential to study the mobility of the groundwater, and this study has a lot of applications in ecology, agronomy and engineering, and others. But it`s direct measurement is complicated as much in the field as in the laboratory, and the proposed theoretical models allow uncertainties as contain empirical parameters, or are estimates based on other parameters more easily measured in the soil. For its part of the laboratory measurements take time and require special equipment.
REDES NEURONALES PARA MODELAR PREDICCIÓN DE HELADAS
Agricultura Tecnica, 2005
In this work models based on neural networks of the backpropagation type were developed in order to predict the occurrence of frosts from meteorological data such as temperature, relative humidity, cloudiness and wind direction and speed. The training and the validation of the networks were made on the basis of 24 years of meteorological data corresponding to the Río Cuarto station, Córdoba, Argentina. These data were grouped as follows: 10 years for the training data set and 14 years for the validation data set. Different models were built to evaluate the performance of the networks when different numbers of input variables and/or neurons in the hidden layer are used, and the probabilities of success in the prediction results on considering different input variables. In the models used, the percentage of days with prediction error was 2%, approximately, for the 14 years of application; when effective frosts days are considered the percentage varies between 10 and 23%, for the same period. The simulation results demonstrated the good performance and the relevance of this methodology for the estimation of the behavior of non-linear phenomena like frosts.
Ingeniería e Innovación, 2013
Las propiedades termodinámicas del líquido y vapor de agua saturados son útiles en el diseño de evaporadores, columnas de destilación, líneas de transporte de vapor e intercambiadores de calor en general, y se pueden modelar a través de ecuaciones tradicionales conocidas (Clapeyron, Clausius-Clapeyron, Antoinne, Riedel y Watson, etc.), todas ellas arrojando una sola propiedad termodinámica, razón por la cual el modelo obtenido con RNAs es importante, ya que éste correlaciona muy bien todas las variables termodinámicas con la temperatura de saturación. El objetivo de este trabajo fue modelar las propiedades termodinámicas presión de saturación, entalpía, energía interna y entropía del líquido y vapor de agua saturados por medio de RNAs. Para el desarrollo de RNAs se utilizó la herramienta Simulink de Matlab 7.5, la arquitectura usada fue MLP (perceptrón multicapa), la función de transferencia usada en las neuronas ocultas fue la sigmoidea y en las de salida fue la función lineal, el ...
By these days when we have to improve everything from our lives to the tools we use in order to make easier the activities, where we locate our selves to analyze the importance that implier the posibility of creating control algorithms that let emulate the characteristics of the biologic organisms. For any enginneer, is interesting to know the maximun point he can go, and to do it, use the Artificial Neural Network as one of the many tools to attain it. With Neural Networks is necessary give to system the steps for make some action. The advantage of Neural Networks is that this have the experience and that make the system more independence, " Not request to program a sistem makes many expectatives and many doubts since it's and advantage that could become in a whole conflict between man and machine ". INTRODUCCIÓN Una de las razones por la cual los seres humanos y los computadores se necesitan mutuamente, es la diferencia radical que hay entre ellos. Los computadores hacen muy bien tareas que nosotros realizamos torpemente y viceversa. Por ejemplo, los computadores son lógicos y exactos; nosotros por el contrario no siempre lo somos. Los computadores pueden almacenar, sin errores, cantidades impresionantes de todo tipo de información; los humanos que intenten hacer algo similar pertenecen a los archivos de Guiness. Pero, los humanos podemos manejar, en escalas que llegan a la genealidad, la incertidumbre, la ambigüedad, la suposición e integrar en conclusiones, información proveniente de diferentes y multiples fuentes. El sistema biológico de un insecto es miles de veces más poderoso y flexible que cualquier programa de computador por extenso y poderoso que sea. Desarrollar un sistema de inteligencia artificial con la flexibilidad, la creatividad y la capacidad de aprendizaje del sistema biológico humano, se constituyó desde hace muchos años en un reto atractivo para los científicos de muchas disciplinas. Los intentos por imitar el funcionamiento del cerebro han seguido la evolución del estado de la tecnología. Por ejemplo, al finalizar el siglo XIX se le comparó con la operación de la bomba hidráulica; durante la década de 1920 a 1930 se intento utilizar la teoría de la conmutación telefónica como punto de partida de un sistema de conocimiento similar al del cerebro. Entre 1940 y 1950 los científicos comenzaron a pensar seriamente en las redes neuronales utilizando como concepto la noción de que las neuronas del cerebro funcionan como interruptores digitales que puedan dispararse (on – off) de manera también similar al computador digital. Así nace la idea de "revolución cibernética" que maneja la analogía entre el cerebro y el computador digital y a su vez, crea la necesidad de estudiar y analizar dichos sistemas. Las redes neuronales son un elemento importante de las denominadas tecnologías de Inteligencia Artificial (IA). La IA es "la disciplina científica y técnica que se ocupa del estudio de las ideas que permiten ser inteligentes a los ordenadores" (definición de H. Winston). Otra posible definición sería que la IA es una rama de la computación que se encarga, entre otras cosas, de los problemas de percepción, razonamiento y aprendizaje en relación con sistemas artificiales, y que tiene como áreas de investigación a los sistemas expertos y de conocimiento, la robótica, los lenguajes naturales y las redes neuronales.
2004
El area de influencia que afecta la laguna de Mar Chiquita y los banados del Rio Dulce, constituye el sistema endorreico de mayor extension de la Republica Argentina. Este sistema incluye las cuencas de aporte de los rios Dulce, Suquia y Xanaes alcanzando una superficie total cercana a los 75000 km2. El entorno lagunar abarca un ecosistema cerrado, de una extension cercana a los 10.000 km2. Durante las ultimas decadas, se han observado importantes fluctuaciones en el sistema (2.000 a 6.000 km², entre niveles de 66 y 72 msnm), pasando de periodos muy pobres a muy ricos, como los que se manifiestan en estos tiempos. Estas variaciones, impactaron directamente tanto en el ecosistema como en el desarrollo social y economico de las comunidades asentadas en las proximidades de la laguna, generando alteraciones de distinta escala, desde la ausencia de pejerrey como consecuencia de una concentracion salina importante, hasta el traslado de una comunidad como Miramar al verse invadida por el c...