Estimación de fugas en tuberías a presión para sistemas de agua potable mediante redes neuronales artificiales y Epanet

Abstract

Este trabajo trata de la estimación de una fuga para un sistema de tubería principal sin ramificaciones. Se propone un algoritmo y una red neuronal con cuatro variables de entrada, una capa oculta con 25 neuronas y tres variables de salida. La obtención de los datos se realizó mediante un bucle anidado en Visual Basic (Excel®) estableciendo 35.837 escenarios de fuga para una tubería de 30 m que conduce agua con viscosidad cinemática de 0,000001 (m2/s), un diámetro igual a 0,15222 m, rugosidad de 0,0000015 m, pérdida de carga de 3,5 m y dos accesorios (k1, k2) que suma 1,5. Se instalaron en el sistema hidráulico dos caudalímetros y dos manómetros virtuales al inicio y al final de la tubería. Asimismo, se utiliza Epanet® e Hydroflo® (Tahoe Design Software) para estructurar el modelo hidráulico y validar los datos iniciales. Se utilizó MatLab R2021a para analizar los algoritmos de aprendizaje de retropropagación y regularización bayesiana, adoptando la función de transferencia log sigmoide. Como función de control se implementó el error medio cuadrático y el coeficiente de determinación R2. El modelo neuronal obtenido presentó un error medio cuadrático de 1,44E-06 y un error relativo igual a 0,0055 % para los datos de entrenamiento. La validación cruzada de la red neuronal se realizó a partir de 5.973 datos de entrada independientes.