RESUMEN: Un algoritmo genético (AG), INTRODUCCIÓNDurante los últimos veinticinco años, gran parte de la atención de los ingenieros hidráulicos se ha centrado en el desarrollo de técnicas de diseño y análisis de redes de distribución de agua.Las redes de distribución de agua son sistemas compuestos por tuberías, bombas, etc., conectados de modo que suministren a los consumidores las cantidades de agua demandada a las presiones requeridas.La implantación tanto de una nueva red de distribución como de ampliaciones de redes ya existentes, implica importantes costes de inversión y mantenimiento, lo que obliga a cuidar con atención su diseño (configuración y dimensionamiento) así como las condiciones de operación.En el proceso de proyecto de una red de distribución pueden considerarse tres fases: determinación de la configuración topológica de la red; dimensionamiento de componentes; y operación. Aunque cada fase no es independiente de las demás, puede ser planteada y analizada como si de un problema distinto se tratara. En este trabajo sólo se estudia la fase de dimensionamiento de componentes.El diseño de redes es un problema complejo, debido, principalmente, a la distribución discreta de las dimensiones de los componentes (valores comerciales), a que la formulación del problema es no lineal y no convexa (no unimodal) y a que supone un problema matemático de gran complejidad, incluso para redes de tamaño moderado.Hasta el presente, se han planteado diversas formulaciones para la determinación del diseño de redes mediante la aplicación de técnicas de optimización que permiten una mayor reducción de costes. La clasificación de los distintos procedimientos puede hacerse en función de la topología de la red (mallada o ramificada) y del método de resolución. En cuanto a la influencia de la configuración geométrica de la red en el diseño es importante destacar que el de redes ramificadas es más simple, pues las distribución de caudales en la red es conocida a partir de los datos de consumos nodales. De forma general, los principales métodos empleados se basan en técnicas de programación lineal (Alperovits y Shamir, 1977, Fujiwara y col.,1987, Cabrera y col., 1992, Sonak y Bhave, 1993, y Eiger y col. ,1994, y no lineal (Shamir,1974, Lansey y Mays, 198, Fujiwara y Khang,1990, y Martínez y Pérez, 1992.Muchos de los métodos de optimización basan su bús-queda del óptimo en movimientos punto a punto dentro del espacio de búsqueda, utilizando para ello una serie de reglas de transición. Así, las basadas en técnicas de gradiente, requieren la existencia de derivadas, además de partir de una distribución inicial de caudales en la red, fijada por el diseñador de ésta, con la consiguiente dependencia de estos valores iniciales. Este tipo de bús-queda puede llevar a la identificación de falsos óptimos en problemas multimodales. Por el contrario, los Artículo publicado en Ingeniería del Agua. Vol.4 Num. 1 (marzo 1996), páginas 71-77, recibido el 29 de marzo de 1996 y aceptado para su publicación el 11 de octubre de 1996. Pueden ser r...

No abstract

Resumen:Se ha desarrollado un modelo de red neuronal para caracterizar series meteorológicas que son difíciles de modelar con los métodos clásicos de inferencia estadística. Concretamente, se ha utilizado la red neuronal para cuantificar la relación intensidad -duración de la lluvia, variables que se encuentran interrelacionadas de una forma muy imprecisa. El modelo contiene funciones de transferencia no lineales e incluye términos de naturaleza estadística en la función de error. Para estimar los parámetros de la red neuronal se ha desarrollado un algoritmo de aprendizaje adaptado a funciones de error no derivables.Palabras clave: Intensidad de la lluvia, dependencia de la intensidad y duración de la lluvia, red neuronal artificial, términos de error en una red neuronal artificial. INTRODUCCIÓNLa finalidad principal de un estudio hidroló-gico es la obtención de datos básicos que permitan evaluar los recursos hídricos de una cuenca. En la actualidad, la mejor forma de evaluar estos recursos se basa en la implantación de modelos que caractericen y simulen la forma en la que las precipitaciones se transforman en escorrentía. En este sentido, la variable climática más importante es la lluvia, ya que de ella dependerán la distribución y los valores máximos de los recursos disponibles.El modelado de la lluvia plantea ciertas dificultades debido a la dependencia temporal de las observaciones y a la dependencia cruzada entre las variables asociadas a la ocurrencia de lluvia, como pueden ser la duración, la intensidad media o la variación de la intensidad dentro de cada episodio lluvioso. Todas estas relaciones de dependencia adquieren especial importancia en modelos que generan datos agregados en intervalos cortos de tiempo.En este trabajo se propone un modelo de red neuronal artificial (RNA) que relaciona la duración y la intensidad media de una lluvia. Se han elegido estas variables porque son componentes importantes de los modelos pluviométricos y porque sus relaciones son difíciles de cuantificar, especialmente en datos con escala de agregación pequeña.Las RNAs constituyen una alternativa a la generación de modelos empíricos y han sido utilizadas con éxito en tareas de modelado de sistemas y ajuste de funciones no lineales. Su flexibilidad para el ajuste de datos con gran dispersión numérica, junto con la ventaja que supone no tener que precisar el enunciado de una relación matemática exacta (Alvarez y Bolado, 1996), hacen interesante su uso para caracterizar procesos hidrológicos, en los que resulta deseable una descripción precisa de la variabilidad.