Está en la página 1de 9

IX Congreso Nacional De Estudiantes De Ingeniera Civil UNI-FIC

TITULO:

MODELO PRECIPITACION ESCORRENTIA USANDO PROGRAMACION GENETICA - Lucy Arroyo Aguilar Estudiante de Ingeniera Civil de la Universidad de Piura (UDEP) e-mail: lucyaa21@hotmail.com - Luis Coronel Bachiller de Ingeniera Civil de la Universidad de Piura (UDEP) e-mail: copeluis@hotmail.com

AUTORES:

ASESOR:

-Mgtr. Jos Vsquez Ojeda Ingeniero Civil, Instituto de Hidrulica de la Universidad de Piura e-mail: jvasquez@udep.edu.pe

RESUMEN: El tema de esta ponencia trata de remarcar la gran aplicacin que puede proporcionar la programacin gentica en temas de ingeniera, como muestra de una de sus aplicaciones es el desarrollo de un modelo Precipitacin - Escorrenta que tiene por objetivo la prediccin del caudal que pasa por una zona determinada un da t a partir de precipitaciones y caudales de das anteriores al da t.

El anlisis se realiz con el registro de precipitaciones y caudales de todo el periodo Enero - Mayo de 1983 para la sub - cuenca de Chulucanas, perteneciente a la cuenca del Ro Piura, donde los mejores resultados se dieron tomando como datos de entrada las precipitaciones y caudales de tres das anteriores al da del caudal a predecir.

El modelo desarrollado ofrece una ecuacin que permite obtener la grfica caudales simulados vs. tiempo, la que se compar con la grfica de caudales observados, logrando resultados satisfactorios, pues el modelo tiene una buena prediccin de los caudales picos que son los de mayor importancia ya que ellos ponen en peligro la vida til de las obras hidralicas.

Pgina 1 de 9

IX Congreso Nacional De Estudiantes De Ingeniera Civil UNI-FIC

MODELO PRECIPITACIN-ESCORRENTIA USANDO PROGRAMACION GENETICA 1. INTRODUCCIN El Fenmeno de El Nio es un evento recurrente en la zona norte del Per, especialmente en el departamento de Piura. Son especialmente notables los eventos de 1983 y 1998, durante los cuales se produjeron intensas precipitaciones que generaron altos caudales en los ros de la regin. Uno de ellos es el ro Piura, que pasa por la ciudades de Chulucanas, Tambogrande y Piura entre otras. El ro Piura caus durante los dos eventos mencionados importantes inundaciones y daos, como la cada de 4 puentes, lo cual produjo prdidas de vidas humanas. Por tal razn, con propsitos de prevencin sera deseable poder contar con algn modelo que permitiera predecir con anticipacin los caudales que se presentan en determinados puntos de la cuenca. En este trabajo se muestran los resultados de un modelo desarrollado con una tcnica sofisticada de Inteligencia Artificial denominada Programacin Gentica, aplicado a la cuenca alta del ro Piura, situada aguas arriba de la ciudad de Chulucanas (Sub-Cuenca Chulucanas). Para ello se emplearon los registros de aforos en el Puente cara, adems la informacin de las siguientes estaciones pluviomtricas: Area (km) Latitud 167,77 05 04' 00" 276,82 05 07' 00" 201,32 05 02' 00" 634,72 05 10' 47" 690,65 05 32' 00" 215,30 04 56' 00" 268,43 05 05' 00" 341,13 05 06' 12"
Las Lomas Chilaco

N Estacin Simbolo Cuenca 1 Altamiza E1 Piura 2 Paltashaco E2 Piura 3 Santo Domingo E3 Piura 4 Morropn E4 Piura 5 Virrey E5 Piura 6 Fras E6 Piura 7 San Pedro E7 Piura 8 Chulucanas E8 Piura

Longitud Elevacin Ao ini Ao fin 79 44' 00" 2.600,00 1972 1993 79 52' 00" 900,00 1970 1991 79 52' 00" 1.475,00 1963 1993 79 58' 41" 140,00 1952 2000 79 59' 00" 230,00 1964 1987 79 51' 00" 1.700,00 1963 1992 80 02' 00" 254,00 1974 1998 80 09' 57" 95,00 1942 2000

AM P 1615.47 Km2 =
CH IR A-P IU RA

AT = 1442.79 Km 2

CA NA L

CA NA L

SUBCUENCA TAMBOGRANDE
Tambogrande Curban

DE

DE RIV AC IO N

TA BL AZ O

AAP= 2796.14 Km 2

E6 E3 E2 E4
Carasquillo

SUBCUENCA MEDIO PIURA E8 AB P 2440.26 Km2 =


AP A IT A

E7

E7 E2

E1
Pasapampa

Pte. Snchez Cerro Corpac

N A L A U L S A

San Joaqun

Pte. cara

Miraflores

Barrios
CA

SUBCUENCA BAJO PIURA

RR ET

Laguna Ramn

C EI N MR A A A RTR A A C R EE A P N

SUBCUENCA CHULUCANAS

ER AP AN AM ER IC AN AA NT IG

Canchaque SUBCUENCA BIGOTE-HUARMACA

E5
Huarmaca Chignia

UA

Pirga

CUENCA DEL RIO PIURA

ABH 1934.98 Km2 =

Fig. 1: Cuenca del ro Piura

Pgina 2 de 9

IX Congreso Nacional De Estudiantes De Ingeniera Civil UNI-FIC

2. PRECIPITACIONES Y CAUDALES MEDIOS DIARIOS (Sub-cuenca Chulucanas) Las estaciones pluviomtricas empleadas y su porcentaje de aporte calculado segn los polgonos de Thiessen se detallan a continuacin:

ESTACION Altamiza Paltashaco Santo Domingo Morropn Virrey Frias San Pedro Chulucanas TOTAL

APORTE 6.0% 9.9% 7.2% 22.7% 24.7% 7.7% 9.6% 12.2% 100.0%

La precipitacin promedio diaria sobre la cuenca se calcul como el promedio ponderado de las precipitaciones cadas en cada una de las estaciones mencionadas, siendo el peso de cada una, su porcentaje de rea aportante. El resultado para todo el periodo Enero-Mayo de 1983 se muestra en la Fig. 2, en la cual puede observarse que hay correspondencia entre las puntas de caudal y las tormentas ocurridas en la cuenca.

CAUDALES Y PRECIPITACIONES MEDIAS DIARIAS CUENCA CHULUCANAS 1983


1200 1000
Q medio diario (m 3/s)

126,5565 1047 945 Precipitacin Caudal

140 120 100 80

800 600 400 200 0 1-ene

52,8516

60 40 20 0

31-ene

1-mar 31-mar Tiempo (dias)

30-abr

30-may

Fig. 2 Caudales y Precipitaciones Medias Diarias

Pgina 3 de 9

P media diaria(mm)

IX Congreso Nacional De Estudiantes De Ingeniera Civil UNI-FIC

2. OCURRENCIA DE AVENIDAS En la Fig. 2 tambin es evidente la influencia de la precipitacin antecedente en las descargas de la cuenca del ro Piura en cara. A manera de ejemplo se muestran dos tormentas y las avenidas que produjeron en los meses de enero y marzo de 1983. Avenida de enero de 1983 en cara. Fecha 23/01/83 24/01/83 25/01/83 26/01/83 27/01/83 28/01/83 29/01/53 30/01/83 Precipitacin Caudal Media diaria Medio diario (mm) (m3 /s) 5.2 84.1 31.9 95.2 54.3 201.7 574.0 126.6 50.9 945.1 50.6 726.7 18.1 699.0 3.4 421.9 Avenida de marzo de 1983 en cara. Fecha 20/03/83 21/03/83 22/03/83 23/03/83 24/03/83 25/03/83 26/03/83 27/03/83 28/03/83 29/03/83 30/03/83 31/03/83 01/03/83 Precipitacin Caudal media diaria medio diario (mm) (m3 /s) 3.8 257.8 16.8 305.8 33.3 305.2 28.9 324.6 27.5 349.2 29.8 368.8 22.6 423.6 26.7 603.2 525.4 52.9 37.0 1046.7 26.6 628.7 35.2 410.8 31.1 712.2

La tormenta ocurrida en enero de 1983, a pesar de ser la mayor en la cuenca durante ese ao, no produjo el mximo caudal en cara, como si se produjo en marzo. La razn probable es que el terreno en marzo estaba saturado por las precipitaciones previas ocurridas durante toda la semana previa el pico de 52.9 mm del da 28 de marzo. Es decir, este sistema posee una suerte de memoria en la cual los valores pasados de precipitacin influyen en los valores presentes de caudal. Esta observacin es importante porque los modelos precipitacin-escorrenta convencionales no suelen considerar los valores previos de precipitacin, tan solo algn parmetro de precipitacin antecedente que modifica los coeficientes de escorrenta. Sera interesante contar con un modelo que proporcione una prediccin del caudal del da siguiente en cara basado en los registros presente y pasados. En el desarrollo de la investigacin, se tom la decisin de utilizar Programacin Gentica, que parte del principio de los Algoritmos Genticos. 3. PROGRAMACIN GENETICA La Programacin Gentica es un tipo especial de Algoritmo Gentico, en el cual se genera una poblacin inicial aleatoria de ecuaciones que tratan de representar un determinado fenmeno fsico. Siguiendo los mismos principios de las teoras Darwinianas de la supervivencia del ms fuerte (o ms adaptable al medio), se evalan la adaptabilidad de las ecuaciones. Mayor adaptabilidad implicara que la ecuacin proporciona menores errores al momento de predecir los caudales. Un ejemplo de la estructura de rbol que la Programacin Gentica emplea para representar las ecuaciones, se muestra en la Fig. 3.

Pgina 4 de 9

IX Congreso Nacional De Estudiantes De Ingeniera Civil UNI-FIC

X=

-b+ 2+a

c
/ + b 2 + a

Fig.3 Representacin de una ecuacin en Programacin Gentica Las mejores ecuaciones reciben mayor probabilidad de ser seleccionadas para reproducirse y dar hijos. Los padres intercambian informacin gentica mediante un cruce o intercambio similar al desdoblamiento del ADN en la reproduccin sexual de los seres vivos. Dados los cromosomas o ecuaciones de dos padres, se elige aleatoriamente un punto de corte a partir del cual se intercambian los genes de los padres, como se muestra en la Fig. 4.
u r

Padre 1=

5*b+a -b+ / + + a b -

Padre 2=

2*a -b+ / * + a b

* 5

/ + b 2 * a

/ + b * a b

Hijo 1=

-b+

Hijo 2=

2*a -b+ 5*b+a

Fig.4 Representacin del rbol de Reproduccin Gentica Segn las teora de los algoritmos genticos, los hijos tienen mayor probabilidad de ser ms adaptables que sus padres; es decir, estas ecuaciones deberan producir menores errores de prediccin en los caudales. Este proceso se repite por un nmero determinado de generaciones, al trmino de las cuales quedarn mejores ecuaciones que las iniciales. Es pocas palabras, los algoritmos genticos son optimizadores globales que pretenden imitar el proceso de evolucin de las especies, el cual es un proceso natural de optimizacin. Para introducir diversidad gentica y evitar que las ecuaciones puedan quedar atrapadas en un ptimo local que les impida llegar al ptimo global, se introduce un operador gentico adicional que es la

IX Congreso Nacional De Estudiantes De Ingeniera Civil UNI-FIC

mutacin, en l cual con una baja probabilidad se cambia aleatoriamente un gen de algn individuo. a Ejemplo de mutaciones en la Fig. 5, en la cual se cambia 5*b por un 2.
F(x)= 5*b+a -b+ / /

+ * 5 b a b

+ Mutacin 2

+ a b

F ( x) = 5 * b + a

F ( x) = 5 * b + 2 + a

F ( x) =

2+a b+

Fig.5 Representacin de la Mutacin Gentica

4. EL MODELO DESARROLLADO Se gener un modelo de prediccin del caudal Q(t) en cara, como funcin de las precipitaciones previas P(t-1), P(t-2) y P(t-3) y de los caudales previos Q(t-1), Q(t-2) y Q(t-3). Es decir, si conociramos los valores de los caudales y precipitaciones hoy (t-1), ayer (t-2) y antes de ayer (t-3), deseamos predecir el caudal Q(t) de maana. El modelo se gener mediante Programacin Gentica donde los datos de entrada fueron P(t-1), P(t-2), P(t-3), Q(t-1), Q(t-2) y Q(t-3) y el objetivo Q(t). La adaptabilidad se midi mediante dos indicadores:

La Raz Media Cuadrtica del Error: RMS = ( (Qobservado Qsimulado)2 / N )1/2 ; siendo N la longitud de la serie. El Coeficiente de D eterminacin (CoD) que es el coeficiente de correlacin R2 de una regresin lineal entre Qobservado y Qsimulado

Los resultados se muestran grficamente en la Figura 6, en la cual se observa una excelente simulacin de los caudales observados. Los resultados del modelo arrojaron los siguientes indicadores: RMS = 67.5 m3 /s CoD = 89.1 %

IX Congreso Nacional De Estudiantes De Ingeniera Civil UNI-FIC

CAUDALES OBSERVADOS Y SIMULADOS Puente cara 1983


1200 1000 Caudal (m3/s) 800 600 400 200 0 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 145

Observado

Simulado

Tiempo (das)

Fig.6 Representacin de Caudales Observados y Simulados Los resultados de la simulacin de las dos avenidas ms importantes de e nero y marzo de 1983 se muestran en las siguientes tablas: Simulacin de la avenida de enero de 1983 en cara.

Fecha 23/01/83 24/01/83 25/01/83 26/01/83 27/01/83 28/01/83 29/01/53 30/01/83

Caudal Observado (m3/s) 84.1 95.2 201.7 574.0 945.1 726.7 699.0 421.9

Caudal simulado (m3/s) 123.7 108.7 250.8 457.3 961.8 771.3 689.0 501.0

Error absoluto (m3/s) 39.65 13.46 49.15 -116.72 16.68 44.60 -10.03 79.12

Error relativo ( %) 47% 14% 24% -20% 2% 6% -1% 19%

Simulacin de la avenida de marzo de 1983 en cara.

IX Congreso Nacional De Estudiantes De Ingeniera Civil UNI-FIC

Fecha 20/03/83 21/03/83 22/03/83 23/03/83 24/03/83 25/03/83 26/03/83 27/03/83 28/03/83 29/03/83 30/03/83 31/03/83 01/03/83

Caudal Observado (m3/s) 257.8 305.8 305.2 324.6 349.2 368.8 423.6 603.2 525.4 1046.7 628.7 410.8 712.2

Caudal simulado (m3/s) 335.9 232.2 271.9 424.4 394.3 383.7 415.6 399.7 507.2 1058.8 763.7 563.4 503.3

Error absoluto (m3/s) 78.15 -73.62 -33.30 99.75 45.10 14.87 -7.97 -203.49 -18.23 12.08 135.04 152.58 -208.87

Error relativo ( %) 30% -24% -11% 31% 13% 4% -2% -34% -3% 1% 21% 37% -29%

Segn puede observarse la capacidad del modelo para predecir los caudales pico es notable, aunque para los caudales menores registra mayores errores. Sin embargo, desde el punto de vista prctico de prevencin, son las mximos caudales los que ms interesan. Un modelo similar a ste puede emplearse como modelo de prediccin y alerta temprana para predecir los caudales con 1 da de anticipacin. La ecuacin encontrada se muestra a continuacin: Q(t) = ( f1 -f2 ) * f3 * f9 Pt21 * Pt 3 * 0.091 Pt2 2

f 1 = 2 * Q t 1 + Pt 1

P Q Q P 2 1 f 2 = Pt 1 t21 t 1 + (Pt 1 t 1 ) ) * t 3 Pt 3 Pt 1 Pt 2 Pt 1 Q t 1 Q t 3

f3 =

Q t2 +

2 * Pt21 + Q t 1 Pt 2

f4 =

Q t 3 * Pt 1 + Pt 3 Pt 2

Pt 1 * Q t 1 Q t3

f 5 = Q t 1 + Pt 1 f6 =

Pt21 * Pt 1 Pt 2

* 9.6 2 * Pt 3 * Q t 2

Pt 3 f * 4 Pt 1 * Q t 3 * 0.097 f 5

IX Congreso Nacional De Estudiantes De Ingeniera Civil UNI-FIC

f7 =

Pt 3

Q t 3 + Pt 1

Pt 1 f 6 + Q t 1 0 .096

f 8 = Pt 1 +

Pt 3 * Q t 1 Pt 1 + Q t 1 2 * Pt41 * 0.007 Pt3 2

f 9 = Pt 1 Pt 1 + f 7 f 8 + 0. 643

Si bien la ecuacin es bastante l rga, slo hace uso de operadores aritmticos y raz cuadrada. Se a probaron otras funciones trascendentes, pero sin mayor xito.

5. CONCLUSIONES Y RECOMENDACIONES La Programacin Gentica puede tener mltiples aplicaciones en las diferentes ramas de la ingeniera, una muestra de ello es el desarrollo del modelo para Hidrologa. La prediccin y anlisis de series de tiempo mediante el uso de Programacin Gentica, ha demostrado sus capacidades para encontrar relaciones entre los valores antecedentes de precipitacin y caudales en la cuenca del ro Piura hasta Chulucanas, para los datos del ao 1983. Este modelo an necesita ser verificado y mejorado con mayor informacin de otros aos. Sin embargo, demuestra que es una poderosa herramienta con mltiples aplicaciones potenciales. Desde el punto de vista prctico, un modelo como el desarrollado debidamente implementado puede emplearse para la prediccin de las avenidas en la zona de Chulucanas. Podra analizarse la posibilidad de predecir los caudales con mayor anticipacin; es decir, no slo predecir el caudal de maana Q(t), sino tambin intentar predecir el de pasado maana Q(t+1). Dentro de los mismos propsitos de alerta temprana, se puede pretender buscar un modelo de prediccin de los caudales en la ciudad de Piura, a partir de los caudales previos conocidos en Los Ejidos y cara, y a futuro tambin con los datos de precipitacin en la intercuenca (actualmente no disponibles). Si se desea este modelo podra hacerse ms fino, un espaciamiento no de un da, sino tal vez de algunas horas. Puede intentarse usar la Programacin Gentica para buscar alguna correlacin entre la temperatura del mar y las precipitaciones. Tal vez un anlisis de series de tiempo como el mostrado a nivel mensual o semanal, que permita predecir con anticipacin las precipitaciones en Piura conocidas la variaciones de temperatura en el mar u otras variables que se consideren relevantes.