Red neuronal informada por la física para la predicción hidráulica en proyectos de transferencia de agua de canal...

Área de la Ciencia:

• Hidráulica y mecánica de fluidos
• Ciencias e ingeniería computacionales
• Gestión de los recursos hídricos

Sus antecedentes:

• Los proyectos de transferencia de agua de canal abierto son vitales para el suministro regional de agua, pero requieren un monitoreo hidrodinámico preciso.
• Los métodos existentes, como el monitoreo hidráulico y las simulaciones numéricas, tienen limitaciones en cuanto al costo, los requisitos de datos y la aplicación práctica.
• Los datos hidrodinámicos en tiempo real son cruciales para el transporte seguro y eficiente del agua y la programación optimizada.

Objetivo del estudio:

• Desarrollar y validar un nuevo método de red neuronal informada por la física (PINN) para predecir transientes hidráulicos en canales abiertos.
• Integrar los escasos datos de monitoreo con las leyes físicas para mejorar las predicciones hidrodinámicas.
• Evaluar la precisión, la robustez y la configuración óptima del modelo para su implementación práctica.

Principales métodos:

• Se desarrolló un marco de red neuronal informada por la física (PINN) para modelar la hidrodinámica de canal abierto.
• El PINN incorporó escasos datos de monitoreo del mundo real junto con las ecuaciones físicas que regían.
• Se realizaron simulaciones numéricas y pruebas de campo para validar las capacidades predictivas del modelo.
• Se realizaron análisis de sensibilidad para optimizar la estructura de la red neuronal y la colocación de los sensores.

Principales resultados:

• El modelo PINN predijo con precisión la hidrodinámica de canal abierto y el coeficiente de Manning en varios escenarios operativos.
• El modelo demostró robustez contra el ruido del sensor, manteniendo la precisión de la predicción.
• Las arquitecturas óptimas de redes neuronales y las configuraciones de puntos de monitoreo se identificaron a través de análisis de sensibilidad.
• El método utiliza eficazmente los escasos datos de seguimiento para las predicciones hidrodinámicas integrales.

Conclusiones:

• El método PINN desarrollado ofrece una solución robusta y precisa para la predicción hidrodinámica en tiempo real en sistemas de canal abierto.
• Este enfoque supera las limitaciones de las técnicas tradicionales de monitoreo y simulación al aprovechar los datos escasos y los principios físicos.
• Los hallazgos proporcionan una base valiosa para mejorar la seguridad, la eficiencia y la programación de los proyectos de transferencia de agua de canal abierto.