PREDICCIN DE FLUJOS

PREDICCIN DE FLUJOSEn 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.

RESUMEN 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. 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.

INTRODUCCIN

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).

LGICA DIFUSA SISTEMA EXPERTOEn 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.

DESARROLLO DEL TEMA

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 que est activo para una regla en particular. 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.

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 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.

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.

CONCLUSIONES

GRACIAS17