TY - JOUR AU - Ladino-Moreno, Edgar-Orlando AU - García-Ubaque, César-Augusto AU - García-Vaca, María-Camila PY - 2021/12/28 Y2 - 2024/03/29 TI - Estimación de fugas en tuberías a presión para sistemas de agua potable mediante redes neuronales artificiales y Epanet JF - Revista Científica JA - Rev. Cient. VL - 43 IS - 1 SE - Ingeniería y Tecnología DO - 10.14483/23448350.18275 UR - https://revistas.udistrital.edu.co/index.php/revcie/article/view/18275 SP - 2-19 AB - <p>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 <em>bucle </em>anidado en Visual Basic (Excel<sup>®</sup>) estableciendo 35.837 escenarios de fuga para una tubería de 30 m que conduce agua con viscosidad cinemática de 0,000001 (m<sup>2</sup>/s), un diámetro igual a 0,15222 m, rugosidad de 0,0000015 m, pérdida de carga de 3,5 m y dos accesorios (<em>k<sub>1</sub>, k<sub>2</sub></em>) 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<sup>®</sup> e Hydroflo<sup>®</sup> (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 <em>R<sup>2</sup>. </em>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.</p> ER -