Por favor, use este identificador para citar o enlazar este ítem: http://dspace.unl.edu.ec/jspui/handle/123456789/19230
Título : Diseño de una red neuronal para la predicción de valores del diagrama de Moody.
Autor : Tapia Peralta, Darwin Giovanny
Moreno Moreno, José Andrés
Palabras clave : <RED NEURONAL ARTIFICIAL><DIAGRAMA DE MOODY><MATLAB><BACKPROPAGATION><COEFICIENTE DE PREDICCIÓN>
Fecha de publicación : 2017
Resumen : El presente trabajo describe el diseño de una red neuronal, con el objeto de obtener el factor de fricción en el diagrama de Moody, el mismo que está inmerso en la ecuación de Darcy-Weisbach, que calcula las pérdidas por fricción en tuberías. En primera instancia, se revisa y selecciona en la literatura disponible, temarios sobre mecánica de fluidos y redes neuronales, que justifiquen técnicamente la investigación en cuestión. Posteriormente se plantea una metodología para realizar la tabulación del diagrama de Moody obteniendo una base de 724 datos de puntos notables. Luego se caracterizó una arquitectura de red neuronal que mejor se ajuste a la aplicación de la investigación, la misma que tiene como datos de entrada el número de Reynolds y la rugosidad relativa. Se entrenó varios diseños de red neuronal tipo backpropagation y se seleccionó la que presentó mejores resultados, eligiendo una topología 2-30-30-1 que exhibió un error porcentual medio de 0.162%. Finalmente, se validó y comprobó el comportamiento de la red neuronal para cada una de las curvas del diagrama de Moody, demostrando que el diseño no se encuentra sobre ajustado o bajo ajustado, corroborando que se tiene un buen desempeño fuera de la muestra y es capaz de dar solución al problema.
Descripción : The present work describes the design of a neural network, in order to obtain the friction factor in the Moody diagram, which is immersed in the Darcy-Weisbach equation, which calculates the friction losses in pipes. Firstly, it is reviewed and selected in the available literature topics on fluid mechanics and neural networks, that technically justify the research in question. Subsequently, a methodology is proposed to perform the tabulation of the Moody diagram, obtaining a base of 724 data of notable points. Then was characterized a neural network architecture that best fits the application of the research, which has the input data Reynolds number and relative rugosity. Several backpropagation neural network designs were trained and was selected the one that presented the best results, choosing a topology 2-30-30-1 that exhibited an average percentage error of 0.162%. Finally, the behavior of the neural network was validated for each of the curves of the Moody diagram, showing that the design is not overfitting or underfitting, corroborating that it has a good performance outside the sample and is able to give solution to the problem.
URI : http://dspace.unl.edu.ec/jspui/handle/123456789/19230
Aparece en las colecciones: TESIS AEIRNNR

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Moreno Moreno, José Andrés.pdf2,18 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.