Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1Abstract— In this paper by applying system identification técnico, económico y social [6].
tools a neural network model of an irrigation main canal pool is El diseño de sistemas efectivos de control automático
obtained. The complete system identification procedure, from exige disponer de modelos matemáticos que describan de
experimental design to model validation, taking into account
forma adecuada el comportamiento dinámico de las plantas a
prior physical information, is developed. It is established that a
nonlinear model with NARX structure can adequately describe controlar [7]. Obviamente, el desempeño de un sistema de
the dynamic behavior of an irrigation main canal pool. The control depende en gran medida de la precisión del modelo
model validation results show that the model obtained utilizado en el diseño del controlador [8]. Un buen modelo
reproduces with high accuracy the observed data and therefore it debe capturar el comportamiento dinámico más relevante de la
can be applied in the design of nonlinear control systems and/or planta en condiciones reales y ser tan simple y robusto como
for prediction purposes.
sea posible [9, 10].
Los canales de riego constituyen plantas no lineales, con
Keywords— Irrigation systems, neural network model
identification, model validation, automation of irrigation canals, parámetros variantes en el tiempo, y cuyo comportamiento
management of water resources. dinámico se describe mediante las ecuaciones de Saint-
Venant, las cuales son no-lineales en derivadas parciales del
I. INTRODUCCIÓN tipo hiperbólicas con restricciones complejas, por lo que su
principal de riego mediante la aplicación de RNA se como a la fruticultura y horticultura (alcachofa, coliflor,
encuentran: 1) sus habilidades para representar dinámicas cebolla, etc.) El canal es administrado por la Confederación
complejas y altamente no-lineales, 2) su capacidad de Hidrográfica del Ebro, la cual dispone del Sistema Automático
aprendizaje mediante la modificación de los pesos de de Información Hidrológica (SAIH-Ebro), para la gestión
interconexión entre las neuronas; 3) sus destrezas para alterar global de los recursos hídricos con el fin de optimizar su
en forma dinámica su topología, es decir, el número de capas, asignación y explotación, así como para la previsión y
la cantidad de neuronas en cada capa o la interconexión entre actuación en situaciones de avenidas [26].
capas y neuronas, lo que ofrece una forma no convencional de El canal cuenta con un total de diez tramos de diferentes
aprendizaje y brinda gran flexibilidad a este proceso; 4) su longitudes, separados mediante compuertas sumergibles [27].
tolerancia a datos imprecisos o incompletos.
En la Fig. 1 se muestra una imagen de las compuertas de uno
En [25] se propone un modelo no lineal basado en RNA de
sus tramos.
un tramo de un canal principal de riego. La principal
deficiencia de este modelo consiste en que la RNA utilizada
presenta arquitectura feedforward (propagación hacia delante),
es decir no posee memoria y por ende solo puede transformar
el conjunto de entradas previstas en un conjunto de salidas,
por lo que una vez establecidos todos los parámetros de la
RNA, las salidas únicamente dependen de dichas entradas.
Ello implica, que cuando se originan variaciones en los
parámetros dinámicos del canal, la RNA no puede procesar
esta información y por consiguiente la precisión del modelo
disminuye significativamente. Figura 1. Compuertas de uno de los tramos del canal Imperial de Aragón.
El objetivo de este trabajo consiste en la obtención de un
modelo no lineal que reproduzca con suficiente exactitud el Todos los tramos del canal están electrificados y equipados
comportamiento dinámico de un tramo de un canal principal con sensores de nivel aguas abajo alejado, sensores de
de riego mediante la aplicación de las herramientas de posición de compuerta, moto-reductores y sistemas de
identificación de sistemas basadas en RNA recurrentes. adquisición, procesamiento y almacenamiento de datos. El
La principal contribución de este trabajo consiste en la canal dispone de redes de tele-medida y tele-control, las cuales
aplicación de las herramientas de identificación de sistemas procesan y transmiten en tiempo real al SAIH-Ebro toda la
basadas en RNA recurrentes para la obtención de un modelo información disponible para la toma efectiva de decisiones
no lineal de un tramo de un canal principal de riego. Todos los [27].
estudios de este trabajo se realizaron utilizando información y
datos obtenidos en tiempo real del primer tramo del canal III. IDENTIFICACIÓN BASADA EN RNA DEL PRIMER
principal Imperial de Aragón en España. TRAMO DEL CANAL OBJETO DE ESTUDIO
El trabajo ha sido estructurado de la siguiente forma: en la Los datos utilizados en este trabajo corresponden al primer
Sección 2 se ofrece una breve descripción del canal principal tramo del canal principal Imperial de Aragón, conocido como
Imperial de Aragón. En la Sección 3 se desarrolla el el Bocal, el cual dispone de una infraestructura hidráulica
procedimiento de identificación basada en RNA del primer compleja, presenta un largo de 8 km, una profundidad variable
tramo del canal objeto de estudio. En la Sección 4 se realiza el entre 3.1 y 3.6 m, un ancho variable de hasta de 30 m y
procedimiento de validación del modelo obtenido. Finalmente, conduce un caudal máximo de 30 m3/s [27]. En la Fig. 2 se
en la Sección 5 se ofrecen las conclusiones. muestra un diagrama simplificado del canal Imperial de
Aragón, donde: QR, Q1, Q2, …, Qi, representan los caudales de
II. DESCRIPCIÓN DEL CANAL IMPERIAL DE ARAGÓN agua; yR, y1, y2, …, yi, son los niveles aguas abajo alejado
El canal Imperial de Aragón es una de las obras hidráulicas (variables controladas); uR, u1, u2, …, ui, representan las
importantes de Europa [26]. Es un canal de 110 km de largo, magnitudes de apertura de las compuertas (variables de
ubicado entre los municipios de Fontellas (Navarra) y Fuentes control); qR, q1, q2, …, qi, son las descargas laterales.
de Ebro (Zaragoza), utilizado para el riego y la navegación,
aunque actualmente no es navegable. El canal tiene pendiente
de 8 cm/km, sección transversal trapezoidal y discurre paralelo
al río Ebro por su margen derecha. La Casa de Compuertas,
situada en el origen del canal (tramo 1), regula el flujo de agua
desde el río Ebro hacia el canal mediante 11 compuertas de
1.67 m de ancho y 2.22 m de altura, con una descarga máxima
de 30 m3/s.
La superficie de riego del canal es de 26 500 ha. La
dedicación de sus áreas bajo riego se encuentra orientada a los
cultivos herbáceos extensivos (alfalfa, maíz, cereales, etc.), así Figura 2. Diagrama simplificado del canal objeto de estudio.
HERNÁNDEZ LÓPEZ et al.: ARTIFICIAL NEURAL NETWORK 1597
En la Fig. 5. se exhibe la estructura general del modelo tangente sigmoidal hiperbólica, la cual constituye una función
NARX. no lineal, mientras que la capa de salida presenta una función
lineal. La ventaja de esta arquitectura consiste en que puede
aproximar cualquier función con la precisión deseada mientras
que la misma presente un número finito de discontinuidades.
La precisión de la aproximación depende de la selección del
número adecuado de neuronas en la capa oculta.
Una vez determinada la arquitectura de la RNA resulta
necesario entrenarla. En la etapa de entrenamiento la RNA
tiene que ser capaz de aprender las relaciones complejas no
lineales existentes entre el vector de entradas y el vector de
salidas [35]. Durante el entrenamiento, los vectores de pesos
(W) y de bias (b) de las conexiones entre las neuronas de las
diferentes capas (ver Fig. 6) se ajustan gradualmente, de forma
tal de que sus valores converjan hacia los valores que
posibilitan obtener un error mínimo ( e( k ) ) entre la salida
Figura 5. Estructura del modelo NARX.
estimada yˆ m ( k ) por la RNA y la salida deseada de la planta
El error de predicción entre la salida de la planta y la salida
y (k ) [36]. Para el ajuste de los pesos de la RNA se utilizó el
estimada por la RNA ( e( k ) = y ( k ) − yˆ m ( k ) ) se utiliza para
algoritmo de Levenberg-Marquardt [37], el cual mezcla
ajustar los pesos y los bias de la RNA mediante la sutilmente el método de Newton y el método del gradiente
minimización de la siguiente función [31]: descendente en una única ecuación y se caracteriza por su
elevada velocidad de convergencia, aunque la complejidad de
1 m
ε=
2 k =1
[ y(k ) − yˆ m (k )]2 . (4) sus cálculos es mayor que en otros algoritmos. La expresión
con la que se actualizan los pesos w es la siguiente:
V. CONCLUSIONES
Aplicando las herramientas de identificación de sistemas se
obtuvo un modelo no lineal basado en RNA con estructura
NARX de la distribución de agua en un tramo de un canal
principal de riego. Los resultados de validación del modelo
Figura 8. Resultados de validación del modelo basado en RNA obtenido obtenido muestran que el mismo reproduce con un elevado
frente a datos de entrada/salida desconocidos. grado de adecuación el comportamiento dinámico no lineal del
Bocal, incluso considerando datos en tiempo real que no
De la Fig. 8 es posible observar la habilidad que presenta fueron utilizados en el entrenamiento de la RNA.
la RNA diseñada de seguir de forma adecuada un conjunto de El modelo obtenido promete ser una alternativa interesante
datos de entrada/salida de la variación de nivel en el tramo de en el modelado del comportamiento dinámico no lineal de la
canal objeto de estudio no utilizados en la fase de distribución de agua en canales principales de los sistemas de
entrenamiento. Ello evidencia las principales ventajas que riego y muestra que existe un gran potencial en la utilización
posee el modelo basado en RNA obtenido de generalizar de las RNA en el diseño de sistemas de control no lineal de
conceptos y tratar con información que no le fue presentada esta clase de plantas, así como de sistemas de predicción y de
durante la fase de entrenamiento. soporte a la toma de decisiones para una mejor la operación y
Para cuantificar el grado de adecuación del modelo se utilización de los recursos hidráulicos.
utilizó el índice de ajuste FIT, el cual constituye una medida Los próximos objetivos de esta investigación consisten en
cuantitativa de la calidad del modelo y se obtiene a partir de la modelar los restantes tramos del canal Imperial de Aragón y
norma de los errores residuales entre la salida medida y la utilizar dichos modelos en el diseño e implementación práctica
salida estimada por el modelo. Los valores cercanos al 100% de un sistema integral de control inteligente de la distribución
significan una mejor aproximación y por consiguiente un del agua en todo el canal.
1600 IEEE LATIN AMERICA TRANSACTIONS, VOL. 15, NO. 9, SEPTEMBER 2017