3.3 Description of Research Method
3.3.1 Stage one – Company Questionnaire
5.1.12 REENTRENAMIENTO CON 30 EVENTOSREENTRENAMIENTO CON 30 EVENTOS
Con base en los resultados de la evaluación inicial del Numeral
Con base en los resultados de la evaluación inicial del Numeral 5.1.10.55.1.10.5 y losy los resultados de predicción del numeral anterior, se puede llegar a la conclusión que resultados de predicción del numeral anterior, se puede llegar a la conclusión que pese a que existen redes con un desempeño satisfactorio para múltiples eventos pese a que existen redes con un desempeño satisfactorio para múltiples eventos de tormenta, en la mayoría de casos no fue posible lograr un resultado óptimo de tormenta, en la mayoría de casos no fue posible lograr un resultado óptimo para cada evento predicho. Frente a esta problemática en esta etapa del estudio para cada evento predicho. Frente a esta problemática en esta etapa del estudio se intenta determinar una vez más si al ampliar el espacio de entrenamiento se se intenta determinar una vez más si al ampliar el espacio de entrenamiento se pueden subsanar las falencias para aquellos eventos que no se predicen con pueden subsanar las falencias para aquellos eventos que no se predicen con cierto grado de confiabilidad.
Para ello se tomó como ejemplo la red neuronal ANNFED31, siendo esta la red Para ello se tomó como ejemplo la red neuronal ANNFED31, siendo esta la red con el más bajo desempeño. Realizando el reentrenamiento de las redes con un con el más bajo desempeño. Realizando el reentrenamiento de las redes con un conjunto de 30 eventos de tormenta, 20 de ellos con las
conjunto de 30 eventos de tormenta, 20 de ellos con las características de lacaracterísticas de la Tabla Tabla 5-20
5-20 y 10 adicionales con las características de lay 10 adicionales con las características de la Tabla 5-21,Tabla 5-21, se espera se espera complementar el espacio de entrenamiento y obtener una mejor efectividad en la complementar el espacio de entrenamiento y obtener una mejor efectividad en la predicción de los mismos 20 eventos evaluados en el numeral anterior.
predicción de los mismos 20 eventos evaluados en el numeral anterior.
Tabla 5-
Tabla 5-21 E21 Eventos adiventos adi cioncion ales para el entrenamiento.ales para el entrenamiento.
Realizado todo el reentrenamiento y una vez predichos los mismos eventos de Realizado todo el reentrenamiento y una vez predichos los mismos eventos de tormenta del numeral
tormenta del numeral 5.1.115.1.11 se obtuvo, como se puede observar en lase obtuvo, como se puede observar en la GráficaGráfica 5.92,
5.92, una mejora considerable respe una mejora considerable respecto a los valores del MSE.cto a los valores del MSE.
Gráfica 5.92 Variación
Gráfica 5.92 Variación del MSE entre entdel MSE entre ent renamientos renamientos ANNFANNFED3ED31.1.
Por otra parte, respecto a la diferencia porcentual al caudal pico la mejora en el Por otra parte, respecto a la diferencia porcentual al caudal pico la mejora en el desempeño es notoria. En la
desempeño es notoria. En la Gráfica 5.93 Gráfica 5.93 se puede observar como la exactitud ense puede observar como la exactitud en la predicción puntual del caudal máximo se vio altamente mejorada.
la predicción puntual del caudal máximo se vio altamente mejorada.
Evento
Evento DuraDuración ción (min) (min) Q PicQ Pico (L/so (L/s) ) % Co% Coberturabertura 2 21 1 660 0 44885599..772 2 110000%% 2 22 2 11220 0 11664477..888 8 5500%% 2 23 3 11440 0 556666..227 7 2255%% 2 24 4 880 0 22669966..113 3 110000%% 2 25 5 11000 0 112299..668 8 2255%% 2 26 6 440 0 11001166..664 4 5500%% 2 27 7 11660 0 22771144..115 5 7755%% 2 28 8 11660 0 662288..111 1 5500%% 2 29 9 880 0 22447744..221 1 110000%% 3 30 0 330 0 22554488..775 5 7755%%
Gráfica 5.9
66 METODOLOGÍA PARA EL USO DE ANNMETODOLOGÍA PARA EL USO DE ANN
Con la intención de que este trabajo marque un punto de inicio en la investigación Con la intención de que este trabajo marque un punto de inicio en la investigación
rigurosa de la aplicabilidad de las ANNS’s en la ingeniería hidráulica, este capítulo rigurosa de la aplicabilidad de las ANNS’s en la ingeniería hidráulica, este capítulo
propone una metodología general para el desarrollo y aplicación de las ANN en propone una metodología general para el desarrollo y aplicación de las ANN en casos de estudio con series de
casos de estudio con series de tiempo dinámicas. Basado en el estado del arte, entiempo dinámicas. Basado en el estado del arte, en los avances investigativos y en los resultados obtenidos, se construyó la los avances investigativos y en los resultados obtenidos, se construyó la metodología general de la
metodología general de la Figura 6.1Figura 6.1 con la que espero estimular elcon la que espero estimular el emprendimiento de trabajos futuros ofreciendo un punto de partida válido para emprendimiento de trabajos futuros ofreciendo un punto de partida válido para cualquier tipo de estudio.
Iván
Iván Gerardo Gerardo Lagos Lagos Castro Castro Tesis Tesis de de maestríamaestría 115115
Figura 6.1 Me
A continuación se presenta una profundización paso a paso de la metodología A continuación se presenta una profundización paso a paso de la metodología planteada y su equivalente en el desarrollo de esta tesis.
planteada y su equivalente en el desarrollo de esta tesis.
Definición de variable de Definición de variable de salida y variables de salida y variables de entrada: Este proceso parteentrada: Este proceso parte
del conocimiento avanzado del fenómeno que se quiere predecir así como del conocimiento avanzado del fenómeno que se quiere predecir así como de las variables independientes sobre las que se quiera definir la variable de las variables independientes sobre las que se quiera definir la variable de salida. Para este caso el fenómeno es el tránsito de caudales a través de salida. Para este caso el fenómeno es el tránsito de caudales a través de redes de drenaje; la variable de salida que se quiso obtener fueron los de redes de drenaje; la variable de salida que se quiso obtener fueron los hidrogramas en la descarga de un punto específico de la red. Y pese a que hidrogramas en la descarga de un punto específico de la red. Y pese a que el tránsito de caudales depende de un gran número de variables físicas el tránsito de caudales depende de un gran número de variables físicas sujetas a incertidumbre, las ANN´s permiten definir todo el fenómeno en sujetas a incertidumbre, las ANN´s permiten definir todo el fenómeno en función de pocas variables conocidas, en este caso los hidrogramas de función de pocas variables conocidas, en este caso los hidrogramas de entrada en diversos puntos de la red.
entrada en diversos puntos de la red.
ConformaciConformación de ón de parejas para parejas para entrenamiento y evaluación: Debido a entrenamiento y evaluación: Debido a que elque el
proceso de entrenamiento es el paso más importante en la creación de proceso de entrenamiento es el paso más importante en la creación de arquitecturas inteligentes la conformación de parejas de entrenamiento arquitecturas inteligentes la conformación de parejas de entrenamiento debe ser un proceso riguroso en el que se incluyan series de tiempo debe ser un proceso riguroso en el que se incluyan series de tiempo diversas que, de ser posible, representen todos los posibles estados del diversas que, de ser posible, representen todos los posibles estados del fenómeno. Sin embargo la inclusión de estas series no debe limitarse a un fenómeno. Sin embargo la inclusión de estas series no debe limitarse a un solo evento pues la red requiere en el proceso de aprendizaje de varios solo evento pues la red requiere en el proceso de aprendizaje de varios ejemplos para su óptimo funcionamiento.
ejemplos para su óptimo funcionamiento.
El análisis de correEl análisis de correlación entre lalación entre las variables de entras variables de entrada y las de salida esda y las de salida es
otro paso importante en la metodología porque permite definir los valores a otro paso importante en la metodología porque permite definir los valores a lo largo de la serie de tiempo más adecuados para determinar un valor de lo largo de la serie de tiempo más adecuados para determinar un valor de salida. En este caso se determinó qué caudales de entrada, desfasados un salida. En este caso se determinó qué caudales de entrada, desfasados un valor
valor
−−
en el tiempo, guardaban mayor correlación con un caudal de en el tiempo, guardaban mayor correlación con un caudal de salida en el tiemposalida en el tiempo
..
La selección de La selección de arquitectura hace referencia a arquitectura hace referencia a la escogencia de número la escogencia de número dede
neuronas y capas ocultas que conformarán la red neuronal. En cada capa neuronas y capas ocultas que conformarán la red neuronal. En cada capa se decidirá a su vez una función de transformación de datos (sigmoidea, se decidirá a su vez una función de transformación de datos (sigmoidea, tangencial o lineal). Los porcentajes de entrenamiento corresponden a la tangencial o lineal). Los porcentajes de entrenamiento corresponden a la selección y agrupación de parejas de entradas vs salidas que definirán de selección y agrupación de parejas de entradas vs salidas que definirán de todo el conjunto de parejas, que porcentaje se utilizará para el todo el conjunto de parejas, que porcentaje se utilizará para el entrenamiento/validación y qué porcentaje se destinará para la evaluación entrenamiento/validación y qué porcentaje se destinará para la evaluación inicial de desempeños. Con respecto a este último punto es recomendable inicial de desempeños. Con respecto a este último punto es recomendable asegurar que en el porcentaje de entrenamiento se encuentre un grupo asegurar que en el porcentaje de entrenamiento se encuentre un grupo diverso de datos, sin caer en la repetición accidental de demasiados diverso de datos, sin caer en la repetición accidental de demasiados eventos con características específicas. Para el porcentaje de evaluación eventos con características específicas. Para el porcentaje de evaluación
resulta recomendable incluir una pareja por cada estado posible; de esta resulta recomendable incluir una pareja por cada estado posible; de esta manera será posible obtener en la evaluación inicial una mayor manera será posible obtener en la evaluación inicial una mayor aproximación a los resultados que se esperan obtener en la predicción en aproximación a los resultados que se esperan obtener en la predicción en tiempo real.
tiempo real.
Entrenamiento de la Entrenamiento de la red: Comprende el red: Comprende el proceso de entrenamiento para proceso de entrenamiento para elel
cual se definirán parámetros que en cada iteración evaluarán el estado de cual se definirán parámetros que en cada iteración evaluarán el estado de aprendizaje de la red neuronal. Para este caso se utilizó la medición del aprendizaje de la red neuronal. Para este caso se utilizó la medición del error cuadrático medio.
error cuadrático medio.
PredicciPredicción: Una ón: Una vez que vez que la evaluación inicial la evaluación inicial de la de la red neuronal red neuronal cumpla concumpla con
los criterios del diseñador será posible utilizar la red en la práctica, con los criterios del diseñador será posible utilizar la red en la práctica, con datos que no hayan formado parte del espacio de entrenamiento.
datos que no hayan formado parte del espacio de entrenamiento.
Cuando por Cuando por causas exógenas o causas exógenas o endógenas las condiciones del endógenas las condiciones del fenómenofenómeno
se vean alteradas, así como la relación entradas vs salidas, se deberá se vean alteradas, así como la relación entradas vs salidas, se deberá registrar las nuevas parejas que describan el cambio con el fin de actualizar registrar las nuevas parejas que describan el cambio con el fin de actualizar la red neuronal artificial. Para este caso el cambio de las condiciones del la red neuronal artificial. Para este caso el cambio de las condiciones del fenómeno se resume en cambios graduales o totales de la hidrología y la fenómeno se resume en cambios graduales o totales de la hidrología y la hidráulica del sistema.
hidráulica del sistema.
Actualización Actualización de parejade parejas entradas vs sals entradas vs salidas: En el idas: En el evento que evento que los cambioslos cambios
en las condiciones del fenómeno induzcan un mal desempeño en la ANN, y en las condiciones del fenómeno induzcan un mal desempeño en la ANN, y en la medida en la que estos cambios sean registrados, el conjunto de en la medida en la que estos cambios sean registrados, el conjunto de entradas y salidas deberá ser actualizado. Dependiendo de la influencia del entradas y salidas deberá ser actualizado. Dependiendo de la influencia del cambio en el sistema este nuevo grupo de parejas será complementado al cambio en el sistema este nuevo grupo de parejas será complementado al existente o conformará un nuevo grupo de entrenamiento.
existente o conformará un nuevo grupo de entrenamiento.
Adaptación o reentrenamiento: La adaptación y el reentrenamiento son Adaptación o reentrenamiento: La adaptación y el reentrenamiento son
herramientas que permiten actualizar la red neuronal existente frente a herramientas que permiten actualizar la red neuronal existente frente a cambios en el fenómeno. El reentrenamiento es recomendable cuando las cambios en el fenómeno. El reentrenamiento es recomendable cuando las variaciones en el fenómeno son súbitos y generan una caída drástica en el variaciones en el fenómeno son súbitos y generan una caída drástica en el desempeño. Por otro lado, la adaptación es recomendable cuando el desempeño. Por otro lado, la adaptación es recomendable cuando el cambio es gradual y monitoreado.
77 CONCLUSIONES Y RECOMENDACIONESCONCLUSIONES Y RECOMENDACIONES
Pese a Pese a que se que se evaluaron múltiples arquitecturas con diferentes evaluaron múltiples arquitecturas con diferentes algoritmosalgoritmos
de entrenamiento, los resultados obtenidos no permitieron determinar con de entrenamiento, los resultados obtenidos no permitieron determinar con certeza una configuración en particular que garantizase una predicción certeza una configuración en particular que garantizase una predicción confiable de los hidrogramas de salida, frente a diversos escenarios de confiable de los hidrogramas de salida, frente a diversos escenarios de operación, de las redes de drenaje objeto de estudio.
operación, de las redes de drenaje objeto de estudio.
Una revisión de los resultados obtenidos por las 8 mejores redes Una revisión de los resultados obtenidos por las 8 mejores redes
neuronales artificiales, frente a los diferentes cambios de hidrología, neuronales artificiales, frente a los diferentes cambios de hidrología, muestran que cuanto más complejos se hicieron los caudales el muestran que cuanto más complejos se hicieron los caudales el desempeño se vio disminuido.
desempeño se vio disminuido.
Durante el desarrollo de Durante el desarrollo de la investigación se hizo evidente que la investigación se hizo evidente que para obtenerpara obtener
un buen desempeño
un buen desempeño con las ANN’scon las ANN’s es necesaria una cantidad considerablees necesaria una cantidad considerable
de datos disponibles para el entrenamiento. Sin embargo, debido a las de datos disponibles para el entrenamiento. Sin embargo, debido a las condiciones propias del fenómeno estudiado, la consecución de tal cantidad condiciones propias del fenómeno estudiado, la consecución de tal cantidad de datos exigiría una gran inversión de tiempo y recursos, hecho que de datos exigiría una gran inversión de tiempo y recursos, hecho que desvirtúa la utilización práctica de las redes neuronales para este caso en desvirtúa la utilización práctica de las redes neuronales para este caso en específico.
específico.
Pese a la poca Pese a la poca aplicabilidad de las redes en este caso de aplicabilidad de las redes en este caso de estudio, no seestudio, no se
deben desconocer los buenos resultados que se obtuvieron para algunas deben desconocer los buenos resultados que se obtuvieron para algunas arquitecturas como las redes entrenadas con el algoritmo de Levenberg arquitecturas como las redes entrenadas con el algoritmo de Levenberg – –
Marquardt. Los avances y resultados obtenidos en esta investigación abren Marquardt. Los avances y resultados obtenidos en esta investigación abren la puerta a un estudio más riguroso sobre las redes neuronales y su la puerta a un estudio más riguroso sobre las redes neuronales y su aplicación en la ingeniería hidráulica.
aplicación en la ingeniería hidráulica.
Con base Con base en las en las últimas predicciones realizadaúltimas predicciones realizadas en s en el modelo el modelo Nicolás deNicolás de
Federmán se puede establecer que para obtener unos resultados de Federmán se puede establecer que para obtener unos resultados de evaluación altamente confiables, es necesario que el porcentaje de valores evaluación altamente confiables, es necesario que el porcentaje de valores destinados para la evaluación contemplen múltiples eventos que destinados para la evaluación contemplen múltiples eventos que comprendan etapas diversas del fenómeno estudiado. Un espacio de comprendan etapas diversas del fenómeno estudiado. Un espacio de evaluación que no sea diverso genera incertidumbre frente a los verdaderos evaluación que no sea diverso genera incertidumbre frente a los verdaderos resultados que generaría la ANN ante eventos fuera del espacio de resultados que generaría la ANN ante eventos fuera del espacio de entrenamiento.
entrenamiento.
Se comproSe comprobó cuabó cualitativa litativa y cuantitatiy cuantitativamente vamente el eel efecto positivo fecto positivo de de procesosprocesos
como la adaptación y el reentrenamiento en el desempeño de las ANN. Los como la adaptación y el reentrenamiento en el desempeño de las ANN. Los escenarios predichos comprobaron que estos son capaces de mantener escenarios predichos comprobaron que estos son capaces de mantener actualizada a la red frente a cambios en el fenómeno.
Con base en los resultados y en las limitaciones de las ANN’sCon base en los resultados y en las limitaciones de las ANN’s se concluye se concluye
que su uso para la modelación y diagnóstico de complejos sistemas de que su uso para la modelación y diagnóstico de complejos sistemas de drenaje no es práctico; sin embargo su uso para el monitoreo y el control de drenaje no es práctico; sin embargo su uso para el monitoreo y el control de puntos específicos en una red es
puntos específicos en una red es factible.factible.
Aunque la Aunque la metodología planteada en metodología planteada en esta tesis se esta tesis se enfoca a la enfoca a la construcciconstrucción,ón,
entrenamiento y puesta en marcha de arquitecturas inteligentes para el entrenamiento y puesta en marcha de arquitecturas inteligentes para el tránsito de caudales, es igualmente aplicable y válida para cualquier otro tránsito de caudales, es igualmente aplicable y válida para cualquier otro tipo de fenómeno de interés en la ingeniería hidráulica.