Está en la página 1de 17

PREDICCIN

DE FLUJOS

RESUMEN
En la planificacin de los sistemas de
abastecimiento de agua, se necesita cierta
informacin de valores como:
La identificacin de modelos de la
generacin futura de los escurrimientos es
un requisito importante para la planeacin
y la gestin de los recursos hdricos.
Determinacin de potencial de flujo avance
de fundicin de generacin elctrica en
centrales hidroelctricas distribucin de
agua domsticas y de riego.

Los Mtodos de prediccin de Flujo


son cuantificables, como precipitacin
escorrenta modelos de enrutamiento
o inundaciones durante perodos
breves.
La Lgica Difusa para prediccin de
flujo se utilizan los datos, que abarca
el perodo de tiempo de 36 aos el
perodo de observacin entre 1961 y
1996 de 9-13 estacin.
En el estudio de series de tiempo, se
observ que era tenue la Corriente
de segundo grado modelo de Markov.

INTRODUCCIN
La identificacin de la demanda de modelos
para
la
futura
generacin
de
los
escurrimientos es un requisito importante
para la planificacin y gestin de los
recursos hdricos.
Tales estudios de simulacin ayuda a
predecir el futuro probable de replica de
posibles escurrimientos hidrlogo para el
diseo. Recientemente, el predominio de
los modelos deterministas en hidrologa se
ha ido debilitando, debido a una serie de
factores que afectan a la constitucin de
eventos hidrolgicos, de modo que el
carcter
aleatorio
de
las
variables
hidrolgicas necesita ser estudiado.

Ms recientemente, sistemas difusos han atrado la atencin.


Introducido por primera vez por Zadeh [ 1965]. l introdujo el
procesamiento lingstico de las incertidumbres por lgica
difusa
Kindler [ 1992] utilizado lgica difusa para una ptima
asignacin de los recursos hdricos,
Bardossy y Disse [ 1993] aplica la lgica difusa al modelo la
infiltracin y movimiento del agua en zona no saturada.
en [ 1998] aplica algoritmo difuso para la estimacin de
irradiacin solar duracin sol.
Pongracz et al. [ 1999] encontraron que reglas borrosas
regional metodologa basada en la sequa.
[ 2003] desarrollaron un algoritmo lgica difusa para
predecir la media carga de sedimentos sometidas a
precipitacin y escurrimiento.

El propsito principal de este trabajo es el


desarrollo de una lgica difusa (FLA)
metodologa
para
estimar
flujos
colectivamente durante un periodo largo de
tiempo (varios meses).

DESARROLLO DEL TEMA


LGICA DIFUSA SISTEMA EXPERTO
En modelos clsicos variables tienen valores de nmeros reales,
se trata de relaciones de multas en trminos de funciones
matemticas, y los resultados son "limpios.
Son una coleccin de objetos con las mismas propiedades. En la
prctica, las caractersticas de un objeto perteneciente a la serie
se codifican como 1 y si fuera del conjunto, la codificacin es 0.
La idea clave de la lgica borrosa es el subsidio parcial de
pertenecer de diferentes subconjuntos del conjunto universal en
vez de pertenecer a un solo conjunto completamente.

Muestra una tpica funcin de suscripcin


que
expresa
las
expresiones
como
aproximadamente 2, 4, 6. Representado
por una funcin triangular se conoce como
la funcin de suscripcin. La funcin de
suscripcin parcial indica la pertenencia
del valor que supone el conjunto 2 con un
valor de pertenencia que asume valores
entre 0 y 1 .
Fuzzification
es
un
mtodo
para
determinar el grado de pertenencia, que
tiene un valor de un determinado conjunto
borroso.
Una regla debe estar disponible para cada
posible combinacin de variables de
entrada. Implica un proceso de evaluacin
de la parte de la funcin de suscripcin

La funcin mnimo de multas implica en caso de


que un valor de una variable pertenece a un
conjunto de la composicin grado entonces el
conjunto activo zona se puede considerar todos
los valores de la funcin de suscripcin que
pertenecen a la funcin de suscripcin de igual o
menor grado. , el producto mtodo de
implicacin las escalas funcin de . Implicaciones
los resultados en un conjunto de valores para
cada regla evaluada.
Por ltimo, defuzzification es el proceso por el
cual un conjunto de soluciones est convertido
en un solo valor ntido. La lgica difusa conjunto
de soluciones est en la forma de una funcin,
relacionada con el valor del resultado para el
grado de pertenencia.
Defuzzification es un proceso para extraer y
fcilmente respuesta del conjunto.

EJEMPLO:

Turqua tiene 26 aplicaciones principales


cuencas. La regin donde hay poca corriente
es uno de los mayores y ms importantes
cuencas de Turqua. Es parte sur de Turqua y
medio llamado influencia mediterrnea. La
influencia Mediterrnea medio media anual
es de 407,02 . rea de las cuencas es 14518 .

Datos de flujo a desarrollar el modelo difuso se


obtienen a partir de 9-13 Estacin de Dim. Los
datos utilizados para elaborar modelos difusos
incluye 408 promedios mensuales (para el
perodo 1961 Octubre -noviembre de 1994). Las
entradas constaba de dos corrientes anteriores
(flujos a veces t - 2, t - 1) y cos(2i/ 12),
sin(2i/ 12) (i = 1, 2, ... , 12) para los efectos
de periodicidad mensual, y el resultado que
aparece un nico valor de flujo de tiempo t.

DONDE

SE MIDEN FLUJO
MENSUAL
Y
FLA
MODELOS
ESTIMACIN
LOS
VALORES,
RESPECTIVAMENTE.
EL
ERROR
CUADRTICO MEDIO (MSE) SE
DEFINE COMO:

Donde n es el nmero de datos


observados. Prediccin de flujo por FLA
utilizando datos observados, R2 y MSE
se encuentran valores 0,71 a 523,21 y,
respectivamente. Modelo de FLA es
superior. Resultados del modelo son
graficados contra flujo medido los
valores de la Fig. 3. FLA modelos de
trazado es de unos 45 lneas rectas lo
que implica que no hay errores en los
modelos

Teniendo en tiempos t - 2, t - 1, t se dividen en nueve


mientras que cos(2i/ 12), sin(2i/ 12) se dividen en
cinco subgrupos triangular. En este estudio, "promedio"
es considerado como el valor de la mediana del conjunto
de datos. Para todas las entradas y salidas, conjuntos
difusos consiste en encontrar magnitud con etiquetas
como (t-2)1, (t-2)2,, y (t-2)9.
Las reglas son fciles de definir para condiciones
extremas, independientemente de hechos reales, debido
a la naturaleza fsica de las relaciones. Se creo una regla
de 484 normas.
SI (t-2) (t-2) (n) y (t-1) (t-1) (n) y cos(2i/ 12) es cos(2i/
12) (m) y sin(2i/ 12) es el pecado(2i/ 12) (m), entonces
t es t (N). * (5) en la que, n y m como n=1,2 , ,9 y m=1,2
, ,5 como se ha mencionado anteriormente para la
entrada
y
salida
de
composicin
variable,
respectivamente.

Las variables se combinan en las reglas


a travs del concepto de "Y". El
operador difuso "mnimo" se aplica a la
"Y" funcin de combinar las variables.
No se aplican coeficientes correctores,
lo que significa que no hay regla se
destaca como ms importante en
cuanto a la previsin del flujo.

.
Predecir flujos son en comparacin con los valores observados en la Figura siguiente, donde los picos
estn sobrevaloradas y alguna desviacin de flujos bajos .

CONCLUSIONES
El objetivo de esta investigacin
consiste en aplicar mtodo difuso para
calcular flujos mensuales en funcin de
datos medidos de poca corriente.
Un modelo difuso es desarrollado
utilizando el centroide defuzzification
procedimiento de la salida nmero
funcin con el fin de determinar los
valores ntidos. Se ha llegado a la
conclusin de que el enfoque difuso
puede ser usado para predecir flujos
mensuales de poca corriente.

GRACIAS