1
Estimación de la perdida de calor en muros
utilizando redes neuronales artificiales
Diego Leiva, Sebastián Suarez
Libertador Bernardo O’Higgins N°3363, Estación Central. Santiago. Chile – Ingeniería civil en electricidad,
(dleivac@gmail.com, sebastian.suarez@usach.cl)
 lugar cerrado a una cierta temperatura haciendo uso de
Resumen—En el presente informe de abordará la creación de
una red neuronal con el objetivo de poder predecir con un alto
grado de fiabilidad la cantidad de calor que fluye a través de una
muralla de dos capas, siendo la primera capa ladrillo y la
segunda capa algún material de aislación térmica, para distintas
condiciones de temperatura de las capas internas y externas de la
muralla.
Al utilizar los criterios asdasdas se compara los resultados y se
determina que la red QWERTY es la que mejor desempeño
tiene.
Abstract--
.
I. INTRODUCCIÓN
E l contar con una función de transferencia no siempre es
posible en todos los sistemas y muchas veces los sistemas
son tan complejos que para determinar una función de
transferencia se debe emplear matemática muy avanzada en
conjunto con cálculos muy complejos que hacen tedioso el
plantearla, como método alternativo se emplean redes
neuronales que en base a una serie de datos obtenidos
empíricamente representan las entradas y salidas del sistema,
permitiendo así que la red pueda ser entrenada para obtener
salidas muy cercanas a las reales del sistema variando en
método de entrenamiento y funcionamiento interno de la
misma.
Ilustración I.1 Esquema de un proceso de transferencia de calor
Dentro de las ciencias, la termodinámica estudia las
interacciones de calor y energía de los cuerpos a nivel
macroscópico, teniendo como principal importancia el balance
de energía de sistemas que interactúan entre sí. Es en este
contexto que podemos estudiar cómo podemos mantener un
Universidad de Santiago de Chile, Avenida
aislación térmica, tal y como muestra la Ilustración I.1, al
establecer la relación que existe entre la temperatura interior,
exterior, las características físicas de la aislación y la cantidad
de flujo de calor que pasa a través de él, con el fin de analizar
los flujos de energía del sistema y así poder minimizar la
energía que sale del sistema, esto ya que un leve aumento en la
energía almacenada dentro del sistema supone grandes
ahorros en términos energéticos de calefacción.
Objetivo general
Implementación de red neuronal de predicción para un
sistema de transferencia de calor formado por dos capas, una
de ladrillo y la otra de algún material aislante.
Objetivos específicos:
 Obtener a partir de un modelo de caja negra un
conjunto de redes neuronales que sean capaces de
predecir el comportamiento de la salida de una planta
consistente en un sistema de transferencia de calor de
dos capas.
 Analizar y comparar en una etapa de validación las
redes neuronales obtenidas a partir de datos reales.
 Determinar la red neuronal predictiva más óptima en
términos de gasto de recursos computaciones y en
medidas de desempeño.
II. DISEÑO EXPERIMENTAL
A partir de un conjunto de 1680 datos obtenidos gracias a la
página del departamento de ingeniería eléctrica de la
universidad belga KU Leuven se elaborara un modelo
predictivo, tal como se muestra en la figura 2, consistente en
dos entradas y una salida de la planta, en nuestro caso la
transferencia de calor a través de una pared de dos capas cuyas
entradas serán tanto la temperatura interior y exterior de la
pared y cuya salida corresponde a la transferencia de calor que
fluye a través de la pared para dichas condiciones de
temperatura interna y externa.
Modelo
El modelo se describe en la figura 2.
 2

un error pequeño en un tiempo reducido. Además de lo

Ilustración II.1: Modelo de una red neuronal predictiva
Donde las variables mostradas son:
 U1 temperatura interna de la pared.
anterior se analizará los índices de calidad de la red neuronal
con tal de elegir la mejor en términos tanto de usos de recursos
computacionales como de rendimiento, para esto se hará uso
de distintos tipos de redes neuronales:
 Feed forward back propagation
 Radial basis function
 NARX
Además de efectuar re-entrenamientos ajustando el número de
épocas en la cual se encuentra el óptimo y reduciendo el
número de neuronas para encontrar un “optimo global”.
Probar con una red distinta a las vistas en clases, haciendo un
análisis comparativo.

 U2 temperatura externa de la pared. IV. ÍNDICES COMPARATIVOS Y CONCLUSIONES

 Y1 Flujo de calor a través de la pared.

Y(n-1) Flujo de calor con un retardo de tiempo de una REFERENCIAS
medición.
Procesamiento de datos [1]
Para poder diseñar una red neuronal primero se debe [2]
realizar un preprocesamiento de los datos que se tiene
dividiéndolos en tres conjuntos que servirán respectivamente
como conjuntos de entrenamiento, validación y prueba de la
red neuronal. El primero de ellos, el de entrenamiento,
corresponde al 70% de los datos que se tienen, así que para
este conjunto se ocuparan los primeros 1176 datos, mientras
que para uno de los otros dos conjuntos, cada uno con un 15%
de los datos, se utilizaran 252 datos.
Caracterización de la red
Una RNA está conformada esencialmente por tres capas, la
primera de ellas la capa de entrada, cuyo número de neuronas
está determinado por el número de entradas que se cuenta, en
nuestro caso son dos que se denota como Ne=2. La segunda
corresponde a la capa de salida cuyo número de neuronas
queda determinada por el número de variables de salida, se
denota por Ns=1. Ahora bien, la tercera de estas capas
corresponde a la capa oculta, cuyo número de neuronas queda
determinado por el número de pesos de las variables Nw por el
10% del número de datos de entrenamiento:

Nw=Datos de entrenamiento/10. (1)

Quedando Nw=117 y reemplazando Nw, Ne, Ns en la ecuación

(2):

Nw=(Ne+1)×Nc+(Nc+1)×Ns. (2)

Donde finalmente obtenemos el valor de Nc= 29 neuronas.

III. RESULTADOS
Al realizar la red neuronal se busca en primera instancia que
con el conjunto de datos de entrenamiento la red sea capaz de
estimar y predecir la salida del sistema para parecerse más a la
salida real del sistema ante ciertas condiciones de entrada, con