El Bentley WaterGEMS V8i Darwin Calibrator proporciona un historial de sus

intentos de calibracin, le permite utilizar un enfoque manual para la

calibracin, es compatible con los conjuntos de datos de campo mltiple,
ofrece la velocidad y la eficiencia de algoritmos genticos para la
calibracin de su sistema de agua, y presenta varios calibracin candidatos
para que usted considere, en lugar de slo una solucin. Usted puede
configurar una serie de calibraciones Base, que puede tener numerosas
calibraciones nios que heredan la configuracin de sus padres Base
calibraciones.
Utilice Base y Calibraciones Nio para establecer un historial de sus
ensayos de calibracin para ayudarle a derivar una lista de soluciones
optimizadas para el sistema de agua. La herencia no es persistente. Si
cambia la calibracin Base, el cambio no ondulacin hacia abajo para las
calibraciones de los nios.

Usted puede ajustar su modelo para adaptarse mejor a la conducta real de

su sistema de distribucin de agua mediante el uso de la funcin de Darwin
calibrador. Permite realizar ajustes manuales en el modelo, as como los
ajustes mediante la optimizacin del algoritmo gentico.

El panel izquierdo del cuadro de dilogo Darwin calibrador muestra una lista
de cada estudio de calibracin en el proyecto actual, junto con los
procedimientos manuales y optimizados y soluciones calculadas que
conforman cada estudio.

Calibration Criteria
Utilice la ficha Criterios de calibracin para establecer cmo se evalan las
calibraciones.

Las opciones que especifique se aplican a todas las pruebas de calibracin

en el Estudio de calibracin. La pestaa Criterios de calibracin contiene los
siguientes controles:
Fitness Type - Seleccione el tipo de aptitud que desea utilizar de la lista
desplegable. En general, independientemente del tipo de aptitud que
selecciona, la aptitud ms baja indica una mejor calibracin. Tipos de
fitness son: Minimizar Squares Diferencia, Diferencia Minimizar valores
absolutos, y minimizar la Mxima Diferencia
Minimizar Squares Diferencia - Utiliza una calibracin diseado para minimizar
la suma de los cuadrados de la discrepancia entre los datos observados y
los valores simulados modelo. (Valores simulados de modelo incluyen
grados hidrulicos y descargas de tubera.) Esta calibracin favorece
soluciones que minimicen la suma total de los cuadrados de las
discrepancias entre los datos observados y simulados.
Min.. Diff. Valores absolutos - Utiliza una calibracin diseado para
minimizar la suma de discrepancia absoluta entre los datos observados y
los valores simulados modelo. Esta calibracin favorece soluciones que
minimicen la suma total de las discrepancias entre los datos observados y
simulados.

Minimizar Max. Diferencia - Utiliza una calibracin diseado para

minimizar el mximo de todas las discrepancias entre los datos observados
y los valores simulados modelo. Esta calibracin favorece soluciones que
minimicen el peor discrepancia nico entre los datos observados y
simulados. Tenga en cuenta que el Mini-mizar Mxima Diferencia Tipo
Fitness es ms sensible a la exactitud de los datos que otros tipos de
Fitness.
Head/Flow per Fitness Point - Cabeza y Caudal por Gimnasio Tipo de
proporcionar una manera para que usted pueda sopesar la importancia de
la altura y de flujo en su calibracin. Establecer estos valores de tal manera
que la cabeza y el flujo tienen equivalencia unidad. Usted puede dar una
mayor importancia a la cabeza o de flujo mediante el establecimiento de un
nmero ms pequeo por su Per Fitness valor del punto.
Flow Weight Type - Seleccione el tipo de peso: Ninguno, Lineal, Cuadrado,
Raz cuadrada, y Log. El tipo de ponderacin se utiliza puede proporcionar
una mayor o menor pena de fitness.

En general, las mediciones con mayor flujo tienen ms peso en las

calibraciones de optimizacin que aquellos con menos flujo. Usted puede
exagerar o disminuir el efecto mediciones ms grandes tienen en su
calibracin mediante la seleccin de diferentes tipos de peso. Por ejemplo,
el uso de ninguna ponderacin (Ninguno) no proporciona ninguna sancin
para las mediciones con menor flujo en comparacin con aquellos con un
mayor flujo. El uso de registro y la raz cuadrada reduce la pena de aptitud
para las mediciones con menor flujo, y el uso lineal o cuadrada aumenta la
pena de aptitud para las mediciones con menos flujo.
Nota: Si cambia las opciones de calibracin, los valores de la aptitud que obtiene no
son comparables con los valores de fitness obtenidos utilizando diferentes
configuraciones de opciones de calibracin.
Calibration Criteria Formulae
Las siguientes frmulas se utilizan para Minimizar Squares Diferencia, Minimizar
diferen-cia valores absolutos, y minimizar Diferencia mxima.

Donde Wnh y Wnf representan un factor de ponderacin normalizada para

los grados y de los flujos hidrulicos observados respectivamente. Ellos se
dan como:

Los factores de ponderacin tambin pueden adoptar muchas otras formas,

como no hay peso (igual a 1), lineal, cuadrado, raz cuadrada y funciones de
registro. Otras variables incluyen:

Hobsnh designa el piezomtrica observada- nh-th

Hsimnh es el modelo- nh-th simulado piezomtrica.

Fobsnf es el nh-th flujo observado.

Fsimnf es el flujo simulado modelo.

Hpnt toma nota de la carga hidrulica por punto de fitness.

Fpnt es el flujo por punto de fitness.

NH es el nmero de grados hidrulicos observados.

NF es el nmero de descargas de tubera observadas

Optimized Runs
A Run Optimizado gentica algoritmo consiste en dividir los datos por
categoras entre las siguientes fichas:
Roughness Tab
La ficha de rugosidad le permite seleccionar los grupos de ajuste rugosidad (que fueron
definidas en el Estudio de calibracin) y los parmetros a utilizar durante la carrera optimizada

La ficha de rugosidad consiste en una tabla que contiene las columnas siguientes:

Rugosidad Grupo de Ajuste - Muestra el nombre del grupo de ajuste de rugosidad.

Est activo? - Si se marca esta casilla, el grupo de ajuste asociado ser

considerado durante la calibracin. Si la casilla no est seleccionada, ser ignorado.
Operacin - Seleccione la operacin que desea realizar la calibracin.

Valor mnimo - Introduzca el valor mnimo que desea que el algoritmo gentico
para utilizar como lmite inferior en el clculo de soluciones de acondicionamiento
fsico.

 Valor mximo - Introduzca el valor mximo que desea que el algoritmo gentico
que se utiliza como un lmite superior en el clculo de soluciones de
acondicionamiento fsico.

Incremento - Establezca el incremento como la frecuencia con que desea que el GA

para probar.
Trate de elegir un incremento que da el menor nmero de alternativas
posibles. Es posible que
tenga que reducir el intervalo
comprendido entre los lmites superior e inferior para hacer esto.
La pestaa demanda consiste en una tabla que contiene las columnas
siguientes:

Demanda Grupo de Ajuste - Muestra el nombre del grupo de ajuste de la

demanda.

Est activo? - Si se marca esta casilla, el grupo de ajuste asociado ser

considerado durante la calibracin. Si la casilla no est seleccionada, ser
ignorado.

Operacin - Seleccione la operacin que desea realizar la calibracin.

Multiplicador de demanda mnima - Ingresa el multiplicador mnimo la

demanda que desea que el algoritmo gentico para utilizar como lmite
inferior en el clculo de soluciones de acondicionamiento fsico. Este campo
slo se podr editar para Multiplicar la demanda original de Operaciones.

Calibracin del Modelo con Darwin calibrador

Multiplicador de mxima demanda - Ingresa el multiplicador demanda

mxima que desea que el algoritmo gentico que se utiliza como un lmite
superior en el clculo de soluciones de acondicionamiento fsico. Este

campo slo se podr editar para Multiplicar la demanda original de

Operaciones.

Demanda Multiplicador Incremento - Establezca el incremento como los

intervalos de demanda multiplicadores en la que desea que el GA para
probar. Trate de elegir un incremento que da el menor nmero de
alternativas posibles. Es posible que tenga que reducir el intervalo
comprendido entre los lmites superior e inferior para hacer esto. Este
campo slo se podr editar para Multiplicar originales Operaciones a la
vista.
Mnimo emisor Coeficiente - Introduzca el coeficiente emisor mnimo que desea que
el algoritmo gentico para utilizar como lmite inferior en el clculo de soluciones de
acondicionamiento fsico. Este campo slo se podr editar para Set emisor
Coeficiente Detectar y Operaciones de nodo de fuga.
emisor mximo Coeficiente - Introduzca el coeficiente mximo emisor que desea
que el algoritmo gentico que se utiliza como un lmite superior en el clculo de
soluciones de acondicionamiento fsico. Este campo slo se podr editar para Set
emisor Coeficiente Detectar y Operaciones de nodo de fuga.
Emisor Coeficiente Incremento - Establezca el incremento como los intervalos de
coeficiente de emisor a la que desea que el GA para probar. Trate de elegir un
incremento que da el menor nmero de alternativas posibles. Es posible que tenga
que reducir el intervalo comprendido entre los lmites superior e inferior para hacer
esto. Este campo slo se podr editar para Set emisor Coeficiente Detectar y
Operaciones de nodo de fuga.
El nmero de nodos de fuga - El nmero mximo de nodos de fuga posible que el
grupo de la demanda en el clculo de soluciones de acondicionamiento fsico. Este
campo slo se podr editar para Deteccin de Operaciones de nodo de fuga.
Status Tab
Utilice la ficha Estado para ver el estado inicial de cada uno de los tubos en cada uno
de los grupos de ajuste de estado del elemento que se definieron en el estudio de
calibracin. Para cada uno de los elementos, si el est activo? casilla est activada, el
elemento asociado se conside-rarse durante la calibracin. Si la casilla no est
seleccionada, ser ignorado.

Field Data Tab

La ficha de datos de campo muestra todas las instantneas de datos de campo que
ha introducido para la calibracin. Haga clic en el est activo? casilla de verificacin al
lado del nombre de cada uno de los datos de campo instantneas que desea utilizar
para la prueba de calibracin. Instantneas de datos de campo que tienen las cajas
sin marcar al lado de ellos no sern utilizados para poner a prueba la aptitud Cuando
calcule.

Options Tab
Utilice la ficha Opciones para refinar cmo Bentley WaterGEMS V8i se aplica el
algoritmo gentico (GA) para sus pruebas de calibracin optimizados.
Opciones
Restablecer - Haga clic en Restablecer para restaurar los valores por defecto de
software para las Opciones de calibracin de Darwin.
Tolerancia Fitness - Establezca la precisin con la que desea que la calibracin de
optimizacin para calcular la aptitud. Al igual que con muchos de estos ajustes,
debe determinar una tolerancia que equilibra precisin y velocidad para sus
modelos de agua. Gimnasio tolerancia trabaja en conjunto con las generaciones no
mejora.
Ensayos Mximo - Establecer el nmero mximo de intentos de calibracin desea
que el
Calibracin Optimizado para procesar antes de detenerse.
Generaciones no mejora - Establece el nmero de nmero mximo de
generaciones no mejora que desea que el GA para procesar sin calcular una aptitud
mejorada. Si la calibracin optimizado hace que este nmero de clculos sin
encontrar una mejora en la aptitud que es mejor que la tolerancia de fitness definido,
la calibracin se detendr. Generaciones no las obras de mejora en relacin con la

aptitud Tolerancia.
Soluciones para Tener - Establecer el nmero de soluciones de acondicionamiento
fsico que se desea conservar.
En lugar de presentar con una sola solucin, Bentley WaterGEMS V8i se presenta
con un nmero personalizable de soluciones, para que pueda revisarlos
manualmente.
Nota: Los valores ms altos para las pruebas mximas y las generaciones no
mejora har que el ciclo de optimizacin ms tiempo. Es posible que desee
comenzar con nmeros bastante bajos y luego aumentar gradualmente el nmero
de ejecuciones posteriores como usted quiere asegurarse de mejores soluciones. Si
una carrera parece estar tomando un largo tiempo, puede hacer clic en el botn
Detener para detener la optimizacin.
Opciones avanzadas
Las opciones avanzadas le permiten personalizar cmo funciona el algoritmo
gentico (GA). Desde la optimizacin gentica-algoritmo es un algoritmo de
bsqueda guiada al azar, diferentes valores de los parmetros pueden producen un
conjunto ligeramente diferente de soluciones, que se puede utilizar para un estudio
de sensibilidad de la calibracin del modelo.
Tenga en cuenta que todos los valores deben ser positivos, no negativos. Los
valores recomendados se basan en maximizar la velocidad y la eficiencia.
Restablecer - Haga clic en Restablecer para restaurar los valores por defecto de
software para las opciones.
Nmero mximo Era - Le permite controla el nmero de hebras externas del
algoritmo gentico (GA) utiliza. Cada bucle externo se ejecuta sobre el nmero de
generaciones con el mismo tamao de la poblacin. Un valor grande para el nmero
mximo poca har que el ciclo de optimizacin ms que un nmero ms pequeo
lo hara. Es posible que desee comenzar con un nmero bajo y aumentar el nmero
de ejecuciones posteriores.
El rango permitido para los valores es mayor o igual a 1. Si utiliza 0 o menos, el
Optimized El GA utiliza valores sobre la base de lo que est establecido para los
ensayos mximas y Generaciones no mejora.
Generacin de nmeros Era - Establece el nmero de generaciones de cada bucle
interior de la GA utiliza.
El rango permitido para los valores es mayor o igual a 1. Si utiliza 0 o menos, el
Optimized El GA utiliza valores sobre la base de lo que est establecido para los
ensayos mximas y Generaciones no mejora.
Tamao de la poblacin - Establece el nmero de soluciones de GA en cada
generacin. El aumento de tamao de la poblacin como resultado un tiempo ms

largo para cada generacin y ms soluciones para ser evaluados.

El rango permitido para los valores es de 50 a 500. Recomendamos que utilice un
rango de 50 a 150.
Probabilidad Cortar - Establece la probabilidad de que una solucin de GA se
dividir en dos partes. Al establecer este valor cercano a 100% aumenta el nmero
de cortes realizados y reduce la cadena media (cromosoma) de longitud. El
aumento Cut Probabilidad provoca soluciones a variar ms ampliamente de una
generacin a la siguiente, mientras que la disminucin de estas actualizaciones se
cambia ms marginales.
El intervalo permitido para valores es entre 0% y 100%, no inclusive. Le
recomendamos que utilice un valor inferior al 10%.
Ajuste de la probabilidad de empalme ms cercano a 100% aumenta el consumo de
memoria RAM del sistema. Si est recibiendo errores de falta de memoria al utilizar
GA Optimizacin, intente reducir la probabilidad de empalme ms cerca de 0% y
trate de aumentar la probabilidad de corte lejos del 0%.
Probabilidad Splice - Establece la probabilidad de que dos soluciones GA se van a
unir. Una probabilidad de empalme situado cerca de 100% de resultados en las
cadenas de solucin de largo, lo que aumenta la mezcla de alelos (genes) y mejora
la variedad de soluciones.
El intervalo permitido para valores es entre 0% y 100%, no inclusive. Le
recomendamos que utilice un rango de 50% a 90%.
Probabilidad de mutacin - Establece la probabilidad de que una solucin de GA
se altera al azar. Un valor cercano a 100% hace que las soluciones para contener
ms asignacin al azar que los valores ms cerca de 0%.
El intervalo permitido para valores es entre 0% y 100%, no inclusive. Le
recomendamos que utilice un valor inferior al 10%.
Random Seed - Le permite establecer el generador de nmeros al azar a un nuevo
punto.
El cambio de este valor y salir de todos los dems parmetros tal cual producir un
conjunto de soluciones diferentes.
El rango permisible para los valores es de 0 a 1, ambos inclusive.
Factor de Penalidad - En Darwin Designer, utilice un factor de penalizacin para
ayudar a encontrar la solucin. Un alto factor de penalizacin hace que el GA para
centrarse en soluciones viables, que no violen los lmites de presin y caudal. Un
bajo factor de penalizacin (50.000 aproximadamente) permite que el GA considerar
soluciones que estn en el lmite entre factible y soluciones no factibles,
posiblemente violar presin o lmites de flujo por una pequea cantidad. Debido a
que la solucin ptima a menudo se encuentra en el lmite entre las soluciones
factibles y no factibles, un alto factor de penalizacin hace que el GA para encontrar

una solucin viable rpidamente, pero es menos probable que encuentre la solucin
ptima.
Desde un punto de vista prctico, es posible considerar el comenzar con un alto
factor de penalidad y trabajar hacia un factor de penalizacin menor medida que
persigue una solucin ptima.

Roughness Tab
La ficha de rugosidad le permite seleccionar los grupos de ajuste rugosidad (que
fueron definidas en el Estudio de calibracin) y de las operaciones a realizar durante
la ejecucin manual.

La ficha de rugosidad consiste en una tabla que contiene las columnas siguientes:

Rugosidad Grupo de Ajuste - Muestra el nombre del grupo de ajuste de rugosidad.

Est activo? - Si se marca esta casilla, el grupo de ajuste asociado ser

considerado durante la calibracin. Si la casilla no est seleccionada, ser ignorado.

Operacin - Seleccione la operacin que desea realizar la calibracin.

Valor - Escriba el valor que desee para ser usado en conjuncin con la operacin
durante la fase de calibracin manual.

Demand Tab
La ficha Demand le permite seleccionar los grupos de ajuste de la demanda (que se
definieron en el estudio de calibracin) y los parmetros a utilizar durante la carrera
optimizada.

La pestaa demanda consiste en una tabla que contiene las columnas siguientes:

Demanda Grupo de Ajuste - Muestra el nombre del grupo de ajuste de la demanda.

Est activo? - Si se marca esta casilla, el grupo de ajuste asociado ser

considerado durante la calibracin. Si la casilla no est seleccionada, ser ignorado.

Operacin - Seleccione la operacin que desea realizar la calibracin.

Demanda Multiplicador: escriba el valor que desee para ser usado en conjuncin con
la operacin durante la fase de calibracin manual.
Ficha Estado
Utilice la ficha Estado para ver y modificar el estado inicial de cada uno de los tubos
en cada uno de los grupos de ajuste de estado del elemento que se definieron en el
estudio de calibracin.

Para cada uno de los elementos, si el est activo? casilla est activada, el elemento
asociado se considerar durante la calibracin. Si la casilla no est seleccionada, ser
ignorado.

Para cambiar el estado inicial de una tubera, haga clic en el campo Estado de
elemento asociado y seleccione el nuevo estado. Cuando un estado inicial se ha
modificado, la Associated cambiado? Se comprobar casilla de verificacin.

Ficha de Datos de Campo

La ficha de datos de campo muestra todas las instantneas de datos de campo que
ha introducido para la calibracin. Haga clic en el est activo? casilla de verificacin al
lado del nombre de cada uno de los datos de campo instantneas que desea utilizar
para la prueba de calibracin. Instantneas de datos de campo que tienen las cajas
sin marcar al lado de ellos no sern utilizados para poner a prueba la aptitud Cuando
calcule.

Notas Tab
Introduzca las notas que desea asociar con la calibracin.

Soluciones de calibracin

Despus de calcular un recorrido optimizado o manual, aparecern una o ms

soluciones en el panel de lista de estudio de calibracin. Destacando una solucin
hace que las siguientes fichas disponibles en el lado derecho del cuadro de dilogo:

Tab Solucin - La ficha de soluciones muestra los valores ajustados para cada
grupo de ajuste junto con una comparacin entre el valor original y ajustado para cada
elemento dentro de cada grupo de ajuste. Los resultados de la solucin son filtrados

por Tipo de ajuste de grupo; haga clic en el tipo que desee en el panel Tipo de grupo
de ajuste.

Tab resultados simulados - La pestaa Resultados simulados muestra la

simulacin de HGL o fluyen en contra de las observaciones que registr en los datos
de campo y la diferencia entre los valores observados y simulados. Los resultados de
la solucin son filtrados por tipo de atributo; haga clic en el tipo que desee en el panel
Atributos.

Adems, cuando una solucin se pone de relieve en el panel de lista de estudio de

calibracin, los siguientes controles estarn disponibles:

Exportacin de Escenario - Haga clic en el botn Exportar para exportar el Escenario

de la solucin de calibracin seleccionado actualmente en el modelo de flujo de agua.
Esto abre la exportacin de calibracin al cuadro de dilogo Escenario (para ms
informacin, consulte Calibracin Exportar a Cuadro de dilogo Escenario en la
pgina 11-947).

Informe - Haga clic en el botn Informe para mostrar una vista previa de impresin
de la ventana de datos de soluciones.

Grfico - Haga clic en el botn Grfico para ver un grfico con sus conjuntos de
datos observados con respecto al HGL correlacin entre el simuladas y observadas
HGL.
Correlacin Cuadro de dilogo Graph
Este cuadro de dilogo muestra un grfico que muestra la correlacin entre la
simulada y
Observada HGL.

Copiar: copia el grfico actual en el portapapeles.

Vista preliminar: Muestra una vista previa del grfico tal como se ver cuando se
imprima.

Opciones: Abre las opciones de grficos para permitir la visualizacin de grficos

para su personalizacin.

Cerrar: Cierra la ventana del grfico.

Ayuda: abre la ayuda para el cuadro de dilogo Grfico de correlacin.

Importacin de datos de campo en Darwin calibrador Uso ModelBuilder
Darwin instantneas de datos de campo se pueden importar a travs de ModelBuilder,
los datos de campo tiene que estar preparado en un formato determinado para una
coleccin de datos diferente. Echemos Excel como origen de datos de ejemplo; el
proceso de importacin de otras fuentes de datos va a ser muy similar a esto tambin.
Consejos de calibracin optimizados-GA
Darwin calibrador emplea un poderoso mtodo de bsqueda algoritmo gentico
competente sobre la base de los principios de la evolucin natural y la reproduccin
biolgica. Este tipo de algoritmo de bsqueda se adapta bien a la optimizacin de
problemas de naturaleza solucin local ptima no convexo y mltiple. La calibracin
de un modelo hidrulico entra en esta categora problema y, como resultado, una
herramienta de bsqueda basada GA-optimizacin, tales como Darwin calibrador, es
una buena eleccin para la calibracin del modelo hidrulico.
A pesar de todas las buenas caractersticas de GA hay, sin embargo, algunas
cuestiones a tener en cuenta:
Una solucin es ms en forma nica en relacin con otras soluciones conocidas y,
en consecuencia, un AG no tiene ninguna prueba de la verdadera optimalidad. Como
GA slo conoce la mejor solucin con respecto a los dems, un AG no tiene ninguna
regla precisa para cuando parar. Esto significa que los mtodos heursticos deben ser

utilizados para determinar si se debe detener una ejecucin de GA. En Darwin Calibrator puede establecer un plazo GA parar, ya sea por:
- Haga clic en Detener.
- El establecimiento de un nmero mximo de soluciones de prueba.
- El establecimiento de un nmero mximo de generaciones no mejora, de forma que
si el estado fsico de la mejor solucin no mejora en ms de una tolerancia
especificada en un determinado nmero de generaciones, entonces el GA se detiene.

Un GA es un mtodo no determinista que depende en cierta medida de su poblacin

aleatoria inicial (a partir de lugares en el espacio de la solucin). Por lo tanto, cada
ejecucin GA realizado puede producir diferentes soluciones. (Si mantiene todos los
parmetros y ajustes GA aptitud del mismo, el mtodo es determinista y producir
soluciones idnticas cada vez.) Dado el hecho de que un AG no tiene ninguna
verdadera prueba para el ptimo, cuando le detuvo un GA y producir un resultado
determinado, no siempre existe la posibilidad que si se ejecuta el nuevo GA es posible
encontrar una mejor solucin. De hecho, es una buena prctica para ejecutar un GA
varias veces, cada vez modificar algo en la GA ejecutar (por ejemplo, los parmetros
de GA, pesadez fsica, o la configuracin del grupo de ajuste), con el fin de producir
otra serie de potencialmente mejores resultados. Como mnimo, la semilla de nmero
aleatorio debe ser cambiado para cada ejecucin individual de modo que la bsqueda
GA inicia de forma diferente y por lo tanto llega a la conclusin de manera diferente.
El GA calcula la aptitud de cada solucin de prueba de acuerdo con los objetivos
definidos para el problema de optimizacin. GA slo utiliza medios objetivos para
decidir lo que constituye una solucin en forma y lo que constituye una solucin
menos conveniente. El GA no tiene forma de evaluar subjetivamente una solucin
distinta de los mtodos
(pesos) integradas en la definicin del clculo de la aptitud. La mejor solucin
encontrada por un AG no debe ser aceptada ciegamente como correcta. Para
cualquier problema de optimizacin sola no es probable que haya muchas soluciones
que se aproximen a los objetivos requeridos. Debido al hecho de que el GA no tiene
ningn concepto de lo que constituye una solucin en forma, con excepcin de su
rendimiento frente a los objetivos definidos, el GA puede producir soluciones que son
poco prcticas. Es decir, el GA no puede pensar por el ingeniero, slo puede buscar la
combinacin de opciones que se presentan a la misma. Si el ingeniero no proporciona
la GA con datos de alta calidad y opciones suficientes o suficientemente flexibles a
considerar, entonces el GA puede no ser capaz de encontrar una solucin
satisfactoria. Por el contrario, si el GA se presenta con demasiadas posibilidades de
probar (por ejemplo, en Darwin calibrador, si define rangos de grupos de ajuste
excesivamente grandes, combinados con incrementos de ajuste pequeos y una gran

cantidad de grupos de ajuste), entonces la eficiencia de la bsqueda GA se reduce , y

la probabilidad de que la AG encontrar la respuesta correcta tambin se reduce
considerablemente. GA es un altamente sofisti-domesticadas tcnica de bsqueda,
pero a pesar de sus grandes caractersticas, GA todava debe ser utilizado con un
grado de juicio de ingeniera y habilidad. Slo entonces el ingeniero de esperar que el
GA para encontrar soluciones que no son slo en forma, pero son prcticos y que
puedan representar a la situacin de la vida real con la mayor precisin posible.

La incertidumbre en las observaciones de campo debe ser evaluado antes de que

estas observaciones se utilizan en una optimizacin. No es raro que los errores en la
medicin de la prdida de carga para estar en el mismo orden de magnitud o mayor
que la prdida de carga real (Walski, 2000). Estos valores no se deben utilizar en la
calibracin debido a que el algoritmo de calibracin se obedientemente tratar de
coincidir con las observaciones de campo, incluso si son errneos. Para asegurarse
de que la prdida de carga es adecuada para superar el error de medicin, que es til
para recoger datos cuando las velocidades en las tuberas son apreciables. En
algunos sistemas de tamao adecuado para la proteccin contra incendios, las
demandas (y las velocidades y las prdidas de carga) son tan bajos la mayor parte del
tiempo que dirigen las mediciones de prdida no tienen sentido, que no sea para
comprobar la presin elevaciones Gage. Otro problema que se produce cuando la
calibracin de un modelo es que algunos de los parmetros determinados son fijos y
cognoscible en el momento de la
Se tomaron los datos (rugosidad, el estado de la vlvula), mientras que otros no son
ms que una observacin aleatoria de un proceso estocstico (uso del agua). Si un
factor C se determina como 90, entonces ese valor se podr decir en el futuro no muy
lejano. Si el uso del agua durante una observacin de la presin se determina que es
100 gpm (6,3 l / s), es que el valor de la demanda que se debe utilizar en el modelado,
dado que es slo una observacin de una distribucin? El agua real determinada a
partir de la calibracin puede no ser el mejor valor a utilizar para representar el estado
actual ao del sistema. Usted debe decidir si el uso del agua observada durante la
calibracin es el uso del agua que se debe utilizar como base para el modelado
futuro.

Darwin calibrador Solucionar problemas

Si usted ha encontrado su camino a esta seccin, entonces usted est probablemente
en busca de una respuesta a un problema que no se puede encontrar en otros
lugares. Por favor, consulte la lista a continuacin si usted est teniendo problemas
para ejecutar Darwin calibrador (le sigue dando soluciones insatisfactorias) o si recibe

este mensaje mientras se ejecuta una calibracin: El motor de la calibracin no tuvo

xito. Consulte el sistema de ayuda de consejos para resolver problemas.

Si usted est recibiendo el mensaje de xito del motor, intente lo siguiente:

Tome nota del mensaje de error que se proporciona junto con el motor de calibracin
fue el mensaje fallido. Se puede proporcionar una pista de por qu la calibracin no se
ha ejecutado y ahorrar de tener que ir ms lejos a travs de esta lista!
Asegrese de que el modelo de escenario sobre el que se basa la calibracin
funcionar apropiadamente en Bentley WaterGEMS V8i. Seleccione Anlisis>
Compute, seleccione el botn de estado estacionario, y haga clic en GO. Si la carrera
se obtiene ya sea una luz de color amarillo o verde, entonces el modelo hidrulico
corre y ste no es el problema.
Asegrese de que la configuracin del grupo toda su aspereza y la demanda son
vlidos y razonable. Por ejemplo, asegrese de que los ajustes de rugosidad y / o
ajustes de la demanda no son tales que su modelo hidrulico podra tener dificultad
para converger. Por ejemplo, asegrese de que no est permitiendo que exige ser
demasiado altos o demasiado spero tuberas, causando una cantidad excesiva de
prdida de carga.
Si tiene un gran nmero de tubos asignados a los grupos de estatus, revisar la
necesidad de incluir todos esos tubos como las decisiones de estado y tratar de
minimizar el nmero de tubos en los grupos de estatus.
Nota: Los ajustes de la memoria virtual se deben ajustar slo los usuarios avanzados
o administradores del sistema.
Usted puede estar experimentando poca memoria del sistema. Al ejecutar Darwin
calibrador, asegrese de cerrar todas las aplicaciones no utilizadas y si el ajuste de
los parmetros avanzados GA asegrese de que est utilizando una probabilidad de
corte de ms de un pequeo porcentaje, y una probabilidad de empalme de menos
del 90 por ciento. Si su sistema no tiene mucha memoria RAM (<128Mb), tambin es
posible que desee aumentar la cantidad de memoria virtual asignada que su sistema
est utilizando. Los usuarios de Windows 98/ME deben dejar que Windows administre
la memoria virtual, sin embargo, los usuarios de Windows NT4/2000/XP pueden
querer aumentar el tamao de su archivo de paginacin del sistema. Por favor,

consulte la documentacin de Microsoft Windows para obtener informacin sobre la

configuracin de memoria virtual especficas a su sistema-ciones de servicio.
Si usted est teniendo problemas para conseguir soluciones de calibracin
razonables, intente lo siguiente:

Asegrese de que el campo Hora para cada uno de su medida de datos de campo
fija corresponde a la hora del da en que se tomaron las medidas. La razn es que el
tiempo introducido en el conjunto de datos de campo se utiliza para determinar los
multiplicadores de la demanda (de los patrones de flujo), que a su vez se utiliza para
calcular las exigencias de conexiones que se pueden simular en el motor de
calibracin GA. (La demanda en un cruce durante una fase de calibracin del GA es el
producto de sus demandas iniciales y los factores de la demanda en el momento
especificado para los datos de campo establecidos.) Ajustes de la bomba y los ajustes
de control, etc, tambin se determina a partir de la configuracin de tiempo que
especifique. Ajustes multiplicador de la demanda y las exigencias de conexiones
adicionales (por ejemplo, pruebas de flujo de fuego) son adems de, no en lugar de,
las demandas de unin ya calculados a partir de los multiplicadores de patrones.
Tambin tenga en cuenta que un estado de equilibrio se ejecute en Bentley
WaterGEMS V8i se ejecutar con slo demandas iniciales de unin aplicadas,
mientras que un desplazamiento de calibracin GA basado en un escenario de estado
estacionario se siguen utilizando multiplicadores de patrn durante el tiempo
especificado.

Modificacin del estado de un enlace puede tener efectos significativos en los

resultados hidrulicos y sus posibilidades de encontrar buenas soluciones de
calibracin. Si est utilizando una serie de ajustes de grupo de estado, debe revisar
por qu necesita esos grupos de ajuste. Tal vez sea mejor para experimentar con este
tipo de ajustes de forma manual, o conseguir a alguien para averiguar si esa vlvula
realmente se cierra y retire la decisin de estado de la calibracin GA. En general,
trate de mantener las decisiones de ajuste de estado a un mnimo.

Asegrese de que los grupos de ajuste son lgicas. Por ejemplo, las uniones se
agrupan por el patrn o las demandas de los grupos de la demanda y las tuberas
estn agrupados por tamao similar, la edad y la ubicacin de los grupos de
rugosidad similar.

Asegrese de que usted no tiene demasiados grupos de ajuste o los rangos

permitidos y los incrementos para los grupos no permiten demasiadas opciones para

cada grupo. Por ejemplo, un grupo rugosidad permite que vare entre una de HazenWilliams C de
80 y una de Hazen-Williams C de 130, con un incremento de 0,1 equivale a 500
diferentes posibles configuraciones de rugosidad para un grupo. Esto es demasiado
alto! Trate de elegir lmites inferior y superior, y un incremento que le dar no ms de
10-12 valores posibles. Si es necesario, se puede empezar con la configuracin del
curso (por ejemplo de 80 a
130 con un incremento de 5) inicialmente, y perfeccionar gradualmente el rango
permitido y el incremento para filtrar las soluciones de calibracin. Esto se aplica tanto
a los grupos de ajuste rugosidad y tambin para exigir grupos de ajuste.

Asegrese de que dispone de los datos suficientes y de campo de calidad y que se

ha introducido correctamente. En general, es una buena idea tener tantos (o ms)
mediciones de datos de campo como los grupos de ajuste para la calibracin, o bien
su problema de calibracin es bajo-especificado. Esto significa que no es probable
que haya mltiples soluciones de calibracin que producen las mismas o muy
similares resultados hidrulicos (por ejemplo, soluciones que presentan errores de
compensacin). En teora, slo hay una solucin correcta, sin embargo, debido a los
lmites observados para muchas calibraciones modelo prcticos, los datos de campo
de mayor calidad que se puede brindar, ms posibilidades tienes de encontrar una
solucin que sea cercana a la situacin real. Al evaluar el nmero de campo
observaciones que usted tiene, consideran que cada observacin individual debera
contribuir con informacin nica y precisa para la calibracin. Por ejemplo, la presin
mediciones realizadas en dos uniones en diferentes partes del sistema de distribucin
tienden a ser ms valioso que dos mediciones realizadas en los alrededores de uno al
otro en el sistema de distribucin. De hecho, las dos mediciones tomadas en puntos
prximos entre s pueden ser slo tan buena como una medicin. Es decir, ambas
mediciones dicen lo mismo sobre el sistema. Simplemente, los datos de campo recoja
y entrar en Darwin calibrador debe ser los datos que representan momentos en que
su sistema est experimentando una gran demanda, incluso si es slo el resultado de
actividades tales como las pruebas de flujo de fuego. La razn de esto es que durante
los tiempos de demandas normales, la prdida de carga a travs del sistema es por lo
general en el mismo orden de magnitud que el error en la medicin de prdida de
carga. Por lo tanto, los pequeos errores de medicin pueden llevar a grandes errores
en el coeficiente de rugosidad o la demanda.

Asegrese de que no ha introducido observaciones de datos de campo que se

hacen imposible de alcanzar por cualquier observado las condiciones de frontera,
como una ley observada por un PRV ajustado en un grado diferente.

Nota: Los niveles de los tanques, los ajustes de velocidad de la bomba, la

configuracin de la vlvula y HGL reservorio son utilizados por el motor de calibracin
como condiciones de contorno y como estas entradas de datos de este tipo de campo
no aparecern en el resumen del informe de calibracin. Es decir, se establecen estas
cantidades fijadas en las simulaciones de calibracin y la calibracin no intenta hacer
coincidir estos datos. Todas las dems cantidades se utilizan en forma de cantidades
observadas de que el motor de calibracin intenta igualar mediante el ajuste de los
parmetros definidos en los grupos de ajuste.
Asegrese de que est utilizando las condiciones de contorno adecuadas. Si ha
introducido observaciones de niveles de los tanques, etc, asegrese de que usted no
ha cometido errores en la introduccin de los datos.
Planes de Optimizacin de Mejoras de Capital con Darwin Designer
Darwin Designer
Darwin Designer le permite disear nuevos diseos de la tubera o la rehabilitacin de
tuberas para las tuberas existentes. Un enfoque basado en la gentica algoritmo
evita un enfoque de prueba y error manual para encontrar el diseo ms eficiente.
Soluciones y costos calculados usando Darwin Designer se pueden exportar de nuevo
a cualquier escenario.
Para abrir Darwin Designer
1. Inicie Bentley WaterGEMS V8i.
2. Vaya a Anlisis> Darwin Designer.

3. Click New Designer Study.

Algoritmos Genticos Metodologa

Darwin calibrador Metodologa

Metodologa Darwin Designer

Darwin calibrador Metodologa
Los modelos de computadora se han convertido en una herramienta esencial para la
gestin de los sistemas de distribucin de agua en todo el mundo. Hay numerosos
efectos para el uso de un modelo de ordenador para simular las condiciones de flujo
dentro de un sistema. Un modelo puede ser empleado para:
Asegurar la adecuada cantidad y calidad de servicio de los recursos de agua potable
a la comunidad
Evaluar alternativas de planificacin y diseo
Evaluar el rendimiento del sistema
Verifique que las estrategias de operacin para una mejor gestin del sistema de
infraestructura de agua
Realizar estudios de vulnerabilidad para evaluar los riesgos que se pueden
presentar y que afecten el suministro de agua.
A estos efectos, se construye un modelo en el que los datos que describen elementos
de la red de tuberas, uniones, vlvulas, bombas, tanques y depsitos se ensamblan
de manera sistemtica para predecir el flujo de la tubera y lneas de unin hidrulicos
grado (HGL) o presiones dentro de un agua sistema de distribucin.
Los modelos de computadora son inversiones importantes para las empresas de
agua. Para asegurar un buen rendimiento de la inversin y el uso correcto de los
modelos, el modelo debe ser capaz de simular correctamente las condiciones de flujo
se encuentran en el sitio. Esto se logra mediante la cali-brando los modelos. Una
calibracin implica el proceso de ajuste de modelo caractersti-cas y los parmetros
de manera que los flujos y presiones pronosticadas del modelo coinciden con los
datos de campo reales observados hasta cierto nivel deseable o aceptable. Esto se
describe con ms detalle en Walski, Chase y Savic (2001).
La calibracin de un modelo de distribucin de agua es una tarea complicada. Hay
muchos parmetros inciertas que necesitan ser ajustados para reducir la discrepancia
entre las predicciones del modelo y las observaciones de campo de unin HGL y
descargas de tubera. Pipe coeficientes de rugosidad a menudo se consideran para la
calibracin. Sin embargo, hay muchos otros parmetros que son inciertos y afectan
unin HGL y la tasa de flujo de la tubera. Para minimizar los errores en los
parmetros del modelo y eliminar el error de compensacin de parmetros de
calibracin (Walski 2001), se debe considerar la calibracin de todos los parmetros
del modelo, como la demanda de conexin, el estado de funcionamiento de las
tuberas y vlvulas y tuberas de rugosidad coeficientes.

Calibracin de los modelos de redes de distribucin de agua se basa en los datos de

medicin de campo, como las presiones de conexiones, los flujos de tuberas, los
niveles de agua en las instalaciones de almacenamiento, la configuracin de las
vlvulas, el estado de funcionamiento de la bomba (on / off), y velocidades de la
bomba. Entre todos los mbitos posibles de datos de observacin, unin HGL y los
flujos de tubera se utilizan con mayor frecuencia para evaluar el ajuste bondad-de-de
la calibracin del modelo. Otros parmetros, como el nivel de los tanques, la
configuracin de la vlvula y el estado de funcionamiento de la bomba / velocidad se
utilizan como condiciones de contorno que se registran en la recogida de un conjunto
de observaciones de calibracin de presiones y caudales de unin de tuberas.

Datos de observacin de campo se miden y se recogieron en diferentes momentos

del da y en varios lugares en el sitio, que pueden corresponder a diversas cargas de
demanda y las condiciones de contorno. Para que los resultados del modelo de
simulacin para ms de cerca enviado repre-datos observados, los resultados de la
simulacin deben utilizar la misma carga de la demanda y las condiciones de contorno
como datos observados. Por lo tanto, el proceso de calibracin debe llevarse a cabo
bajo varias condiciones de carga de la demanda y de contorno de funcionamiento.

Calibracin tradicional de un modelo de distribucin de agua se basa en un

procedimiento de ensayo y error por el cual un ingeniero o modelador calcula primero
los valores del modelo parmetros, se ejecuta el modelo para obtener una presin y
caudal predicho, y finalmente se comparan los valores simulados a los datos
observados. Si los datos de prediccin no se compara de cerca con los datos
observados, el ingeniero regresa a la modelo, hace algunos ajustes a los parmetros
del modelo, y calcula de nuevo para producir un nuevo conjunto de resultados de la
simulacin. Esto puede tener que repetirse varias veces para asegurarse de que el
modelo produce una prediccin calibrada de la red de distribucin de agua en el
mundo real. La tcnica de calibracin tradicional es, entre otras cosas, bastante
tiempo.

Adems, una representacin de red tpica de una red de agua puede incluir cientos o
miles de enlaces y nodos. Idealmente, durante el proceso de calibracin modelo de
distribucin de agua, el coeficiente de rugosidad se ajusta para cada enlace y la
demanda se ajusta para cada nodo. Sin embargo, slo un pequeo porcentaje de las
mediciones de muestras representativas pueden estar disponibles para el uso de la
calibracin del modelo debido a los requisitos financieros y laborales limitadas para la
recoleccin de datos. Por lo tanto, es de suma importancia contar con una
metodologa integral y eficaz herramienta que puede ayudar al ingeniero en la

consecucin de un modelo de gran precisin bajo condiciones prcticas, con inclusin

de diversos parmetros del modelo como la rugosidad de la tubera, la demanda de
conexiones y el estado del enlace, y tambin la demanda mltiple y condiciones de
contorno.
Formulacin de calibracin
Un calibrador optimizado se formula y desarrollado para facilitar el proceso de
calibracin de un modelo de distribucin de agua. Los parmetros se obtienen
reduciendo al mnimo la discrepancia entre los valores observados de campo-de las
presiones hidrulicas de unin (grados) y los flujos de tubera para las condiciones
lmite dadas pronosticado por el modelo y. La calibracin Opti-mized se define
entonces como un problema de optimizacin no lineal con tres objetivos diferentes de
calibracin.
Objetivos de calibracin
La bondad de ajuste de calibracin del modelo es evaluado por la discrepancia entre
el modelo simulado y el campo medido cruce HGL y el flujo de la tubera. La
puntuacin de bondad de ajuste se calcula mediante el uso de una cabeza de fitnesspunto-por-hidrulico especificado por el usuario para Junc-ciones y de la aptitud de
punto por flujo para tuberas. Esto permite que un modelador de ponderar con
flexibilidad la evaluacin tanto de flujo de la tubera y la unin de la carga hidrulica.
Tres funciones de fitness se definen de la siguiente manera:

Restricciones de calibracin
Calibracin optimizada se lleva a cabo mediante el cumplimiento de dos restricciones
de tipo, las limitaciones de los sistemas hidrulicos y de los parmetros de calibracin
de las limitaciones ligadas. Las restricciones del sistema son un conjunto de
ecuaciones implcitas que garanticen la conservacin del flujo de continuidad en los
nodos y de la energa para los circuitos dentro de un sistema de distribucin de agua.
Cada solucin de prueba generada por el GA se analiza utilizando Bentley
WaterGEMS V8i solucionador de red hidrulica.
Las limitaciones con destino de calibracin se utilizan para establecer los lmites
mximos de los coeficientes de rugosidad de la tubera y la demanda de conexiones
multiplicador y mnimo. Se les da de la siguiente manera.

Tubos que tienen las mismas caractersticas fsicas y hidrulicos se les permite ser
agrupados como un eslabn de calibracin, y un nuevo coeficiente de rugosidad o un
coeficiente de rugosidad multiplicador se asigna a todos los tubos en el mismo grupo.
Las uniones que tienen los mismos patrones de demanda y dentro de una misma rea
topolgica tambin se pueden agregar como una unin de calibracin para el que se
calcula un mismo multiplicador de la demanda y se le asigna. Los parmetros de
calibracin estn limitadas por los lmites superior e inferior prescritos y se ajustan con
un valor incremental-prescrito usuario. Por ejemplo, un valor C de Hazen-Will-Iams
para un tubo o un grupo de tubos se calcula dentro de un rango de 40 a 140 y por un
incremento de 5. Multiplicadores de la demanda puede variar de 0,8 a 1,2 por 0,1.
Agregacin parmetro es til en la reduccin de la dimensin de calibracin, sin
embargo precaucin debe ser ejercida al agrupar las tuberas y uniones, ya que esto
puede afectar a la precisin de la calibracin del modelo.

Algoritmo Gentico Optimized Calibracin

Un algoritmo gentico (GA) es un robusto paradigma de bsqueda basado en los

principios de la evolucin natural y la reproduccin biolgica (Goldberg, 1989). Para
optimizar la calibracin de un modelo de distribucin de agua, un programa de
algoritmo gentico primero genera una poblacin de soluciones de prueba de los
parmetros del modelo. Un solucionador hidrulico luego simula cada solucin de
prueba. La simulacin hidrulica resultante predice la LGH (presiones de unin) y el
tubo fluye en un nmero predeterminado de nodos (o puntos de datos) en la red. Esta

informacin luego se pasa al mdulo de calibracin asociado. El mdulo de

calibracin evala cmo de cerca el modelo de simulacin es que los datos
observados, la evaluacin de la calibracin calcula un valor de bondad de ajuste, que
es la discrepancia entre los datos observados y el modelo predijo flujos de tubera y
presiones-cin junc o HGL, para cada solucin. Este valor de bondad de ajuste es
asignado entonces como la aptitud para esa solucin en el algoritmo gentico.

Una generacin producida por el algoritmo gentico es entonces completa. La medida

de la aptitud se tiene en cuenta cuando se realiza la prxima generacin de las
operaciones de algoritmos genticos. Para encontrar las soluciones ptimas de
calibracin, soluciones ms adecuadas sern seleccionados mediante la imitacin de
principio de seleccin natural de Darwin de la supervivencia del ms apto. Las
soluciones seleccionadas se utilizan para reproducir una nueva generacin de
soluciones de calibracin mediante la realizacin de operaciones genticas. Durante
muchas generaciones, las soluciones evolucionan, y el ptimo o cerca de soluciones
ptimas en ltima instancia emergen. Hay numerosas variaciones de los algoritmos
genticos en la ltima dcada. Muchas aplicaciones exitosas de GA a la solucin de
calibraciones modelo se han llevado a cabo para la calibracin optimizado de los
sistemas de recursos de agua (Wang 1992; Wu 1994; Babovic etc 1994; Wu y Larsen
1996). Ms recientemente, un algoritmo competente gentica (tambin llamada rpida
desordenado GA), que se ha demostrado la GA ms eficiente para la optimizacin de
un sistema de distribucin de agua (Wu & Simpson 2001), se ha utilizado para la
calibracin optimizado. Una breve descripcin se da en la siguiente seccin.
Metodologa Darwin Designer
Darwin Designer utiliza un algoritmo gentico (GA) genrico paradigma de bsqueda
para ayudar a los ingenieros hidrulicos planificar y disear un sistema de distribucin
de agua de manera eficiente.
El modelo de optimizacin se puede establecer para incluir la combinacin y
agregacin de dimensionamiento de tuberas nuevas y la rehabilitacin de tuberas
viejas, mltiples demanda de carga de las condiciones, y diversas condiciones del
sistema de lmites. Esto permitir un modelador para optimizar o bien un sistema de
agua de toda o una parte del sistema con el mnimo coste y el mximo beneficio. El
diseo rentable y / o solucin de rehabilitacin est determinado por el menor costo,
el beneficio mximo, o el trade-off entre el costo y beneficio. Usted puede seleccionar
cualquiera de los tres modelos de optimizacin para adaptarse mejor a sus
necesidades de proyectos.
Nivel Modelo 1: Optimizacin de Menor Coste
El diseo de menor costo y la rehabilitacin se define como un nico objetivo la
optimizacin; la solucin ptima se determina por el costo mnimo de un diseo de

distribucin de agua y de rehabilitacin que satisface los criterios prescritos

hidrulicos tales como:
Mnimo requerido de presin de unin
La presin mxima permisible de conexiones
Requisito de mxima velocidad de flujo de tubera permitida
Mnimo requerido velocidad de flujo de la tubera.
Nivel Modelo 2: Optimizacin mxima de beneficios

El modelo de optimizacin de beneficios se ha desarrollado para determinar la

solucin mxima de diseo / rehabilitacin en beneficio de presin para un sistema de
distribucin de agua. Un algoritmo gentico competente se emplea para buscar la
solucin ptima mediante la maximizacin de los beneficios, mientras que el diseo
que satisfacen los criterios hidrulicos y el presupuesto disponible.

Nivel Modelo 3: Costo-Beneficio Optimizacin Comercio-off

El modelo de compensacin de costes y beneficios se formula para determinar el
diseo ptimo de equilibrio entre el costo y beneficio, con sujecin a la disponibilidad
de fondos para un diseo y / o rehabilitacin. Puede personalizar las funciones de
beneficio y especifique el presupuesto mximo asequible. El modelo produce un
conjunto de soluciones no-inferior (no dominante) que representan el ptimo de
Pareto para distintos niveles de costos y beneficios.
Tanto nivel de modelo 1 y 2 son la optimizacin de un solo objetivo, mientras que el
nivel 3 es la optimizacin multiobjetivo. Un modelador puede seleccionar el modelo de
optimizacin para un estudio. El marco de optimizacin incluyendo tanto las funciones
de coste y beneficio se da en las siguientes secciones:
Variables del diseo
Dos tipos de variables de diseo se utilizan para el diseo y la rehabilitacin de
sistemas de distribucin de agua ptima. Son tamaos de tubera (d) y las acciones
de diseo (e).
Tamao de la tubera: Dimetro del tubo se trata como una variable de diseo de una
nueva tubera que dimensionarse. Un nuevo tubo puede ser el tubo aadido a una
subdivisin, un reemplazo, o un tubo que es paralela a los tubos existentes. Un
modelador puede agregar una serie de tubos como un eslabn de diseo. Tuberas
dentro de un grupo tubera estn dimensionadas para el mismo dimetro. Dimetro

del tubo se puede seleccionar de un conjunto de tamaos de tubera discretas y

disponibles comercialmente, dado como:

Diseo Accin:
Accin Design se introduce como una variable de diseo para optimizar las
alternativas de rehabilitacin (por ejemplo, limpieza, rebase, repuesto, tubera
paralela, etc) para las tuberas existentes. Un modelador puede definir un conjunto de
posibles acciones que se pueden aplicar a un grupo de tubos. Los tubos dentro de un
grupo de tuberas de tendrn la misma accin de rehabilitacin, dada como:

Costo funciones objetivo

El costo total de un diseo de la red y la rehabilitacin es la suma del costo nuevo
tubo
(Cnew) y el costo de rehabilitacin de tubera (Crehab). As, el coste total viene dada
como: Ctotal = cnew + Crehab
Nueva Coste Pipe
El coste de un nuevo tubo de diseo se define como una funcin de la longitud de la
tubera. Deje que el nmero total de tubos de diseo sea DP, y dejar ck (dk) sea el
costo por unidad de longitud del dimetro de la tubera de orden k seleccionado de un

conjunto de dimetro de la tubera disponible D0 de opciones de CC. El nuevo costo

tubera se da como:

Costo Pipe Rehabilitacin

El costo de un tubo de rehabilitacin se asocia con el dimetro de la tubera y de la
accin de rehabilitacin. Deje ck (ek, dk) tener un costo por unidad de longitud de una
tubera para el k-simo ek accin de rehabilitacin elegido entre un conjunto de
posibles E0 accin de opciones de la CE para la tubera existente de dk dimetro. El
coste de las tuberas de rehabilitacin se formula como:

Para las tuberas que se agrupan en un eslabn de diseo, el mismo tamao de la

tubera o la accin de rehabilitacin se aplicarn a las tuberas.

Funciones Beneficios

El objetivo de un diseo de sistema de agua es maximizar el valor, o beneficio, del

sistema al tiempo que reduce el coste del sistema. Minimizar el coste por s solo
puede resultar en los tamaos de tuberas ms pequeas, lo que conduce a la de
diseo mnimo de capacidad. La menor capacidad no es la solucin preferible para la
planificacin del sistema a largo plazo; cierta capacidad tubera extra es beneficioso
para permitir el suministro a crecer en su plena capacidad dentro de un horizonte de
planificacin para dar cuenta de la incertidumbre en la demanda y para satisfacer la
necesidad de fiabilidad en caso de cortes.
El verdadero beneficio del diseo del sistema de agua es el suministro fiable de
servicios de suficiente agua de buena calidad. Abastecimiento de agua suficiente se
debe garantizar que una comunidad no slo en la actualidad sino tambin en un
horizonte de planificacin razonable. Durante este perodo de planificacin, la
cantidad de agua requerida para un sistema, o la la demanda, se estima, y esto se
realiza tpicamente con cierta incertidumbre. Por lo tanto, es difcil predecir con
precisin la demanda. Con el fin de que un diseo se lleva a cabo para el valor
mximo o el beneficio para un sistema de distribucin de agua, los ingenieros deben
ser capaces de determinar el mximo beneficio dentro de un presupuesto.

Los beneficios de un diseo y de rehabilitacin pueden ser resultado de la mejora

hidrulica del rendimiento (beneficio hidrulico), el exceso de capacidad hidrulica
(beneficio de la capacidad), y la mejora de la rehabilitacin de tubera (beneficio de
rehabilitacin). El beneficio hidrulico se mide mediante el uso de un sustituto de la
mejora de la presin de unin. En esta versin de Darwin Designer, es considerado
nico beneficio presin.

Beneficio de presin se mide por la mejora de la presin de unin de un diseo. Si la

presin en una unin excede el mnimo requerido, esta muestra el sistema tiene cierta
capacidad adicional, que se considera un beneficio. Para algunos nodos, donde ya es
alta la presin, es posible que desee excluir el nodo desde el clculo del beneficio
presin porque no hay ningn valor en el aumento de la presin en ese nodo. (Esto se
hace en la pestaa Restricciones de presin.) Para otros nodos, la primera unidad de
presin es digno de una gran cantidad mientras que las unidades posteriores de
mejora de presin no valen tanto. Por ejemplo, si la presin mnima es de 20 psi, el
aumento de 20 a 21 psi vale mucho, pero un aumento de 60 a 61 psi no vale tanto.
Para tener en cuenta este efecto, puede disminuir el exponente b en el clculo de la
prestacin desde el valor predeterminado de 1 y un valor ms bajo, dicen 0.5.

Con la definicin de una funcin de beneficio como uno de los objetivos de diseo, el
diseo ptimo ya no es de un solo objetivo (minimizacin de costes), pero el problema

de optimizacin multi-objetivo (minimizacin de costes y maximizacin de beneficios)

una. Una optimizacin multi-objetivo permite a los ingenieros para crear un diseo que
se negocia entre costo y beneficio. El problema de optimizacin trade-off se resuelve
mediante el uso de un algoritmo gentico competente.

Darwin Designer optimiza simultneamente dos objetivos en conflicto y produce un

conjunto de Pareto ptima (es decir, no dominadas, no inferior) soluciones. Una
solucin objetivo, tales como el coste, no se puede mejorar (minimizada) sin disminuir
el otro objetivo (reduccin de beneficio). Por lo tanto, un conjunto de soluciones
ptimas de Pareto representa la mejor solucin de diseo para cada rango de costo.
Los ingenieros pueden justificar ms el mejor diseo por otra criterios no
cuantificables.

Beneficios de presin
El beneficio de la rendimiento hidrulico se mide mediante el uso de presin de unin
(P) mejoras. Hay dos tipos de beneficio presin se proporcionan en Darwin Designer,
es decir sin dimensin beneficio y el beneficio unificado.
Adimensional Beneficio Presin: La mejora de presin para el beneficio
adimensional se propone como una relacin de diferencia de presin entre la presin
real y una presin de referencia definida por el usuario. El beneficio se normaliz por
la demanda de conexiones (JQ). Los factores tambin son introducidos para que un
modelador para convertir y personalizar la funcin de beneficios hidrulico.

Dnde:
a y b = los factores que permiten a un modelador de optimizacin para pesar, convertir
y personalizar mejora presin para beneficio hidrulico. El coeficiente beneficio
presin aumenta linealmente una y disminuye el beneficio de la mejora de presin.
Cuando el coeficiente b es 1.0, cada unidad de mejoramiento de presin vale tanto
como la misma puntuacin beneficio. Sin embargo, por lo general a medida que

aumenta la presin, cada unidad adicional de beneficio presin vale menos. Por lo
tanto, b particin debera ser inferior a 1,0 (por ejemplo alrededor de 0,5).
NJ = Nmero de uniones de beneficios presin
ND = Nmero de eventos de diseo para el que se considera el beneficio de presin
JQI, k = Demanda en la salida i de la demanda alternativa k
JQtotalk = demanda total de conexiones de la demanda alternativa k
Pi, k = presin post-rehabilitacin en la salida i de la demanda alternativa k
Pref = presin de unin de referencia definido por un usuario para evaluar la mejora
de presin. La presin de referencia se toma como el mnimo requerido presiones de
unin.
Beneficio de presin normalizada: beneficio presin resultante de un diseo y
rehabilitacin tambin se puede cuantificar mediante el uso de la mejora presin
media unificado a travs de todo el sistema. Las funciones de beneficio se pueden dar
como sigue.

La ventaja de utilizar la funcin de beneficio presin unitaria es que un modelador es

capaz de evaluar el refuerzo de la presin media de la inversin. Vale la pena darse
cuenta del valor de los dlares que se gastan.
Restricciones de diseo
Cada solucin de prueba de diseo es analizada por un nmero de simulacin
hidrulica discurre correspondiente a las mltiples condiciones de la demanda. Las
respuestas del sistema, como las presiones de conexin, las velocidades de flujo y los
gradientes hidrulicos, se cotejarn con los criterios de diseo establecidos.
Pipe-Tamao Restriccin:
Se especifica una lista de tamaos de tubos disponibles (y costos) y se utiliza como
un conjunto de datos compartidos por todos los grupos de la tubera. Para cada
grupo, se especifica el dimetro mnimo y mximo, lo que limita el alcance del
problema de optimizacin. El tamao del tubo se selecciona de una lista de dimetros
de tubera disponibles comercialmente dentro de la gama del lmite mnimo y mximo,
tales

Un conjunto de dimetros de tubera se puede introducir tambin para excluir los

tamaos de tubera desfavorables a un grupo de la tubera. Este conjunto se puede
sealar como:

Restriccin Junction-presin:
se requiere a menudo la presin Junction para mantener mayor que un nivel de
presin mnima para garantizar un servicio adecuado de agua, y menos de un nivel de
presin mxima para reducir las fugas de agua en un sistema. Por lo tanto las
limitaciones de presin de unin se dan como:

Dnde:
Hola, j = cabeza hidrulica en la salida i para el caso de la demanda de carga j
NJ = Nmero de uniones en el sistema (con exclusin de las uniones de grado fijo)
Presiones hidrulicas requeridas Hmin = mnimo en la salida i para el caso de la
demanda de carga j
Hmax = presiones hidrulicas mximos admisibles en la salida i para el caso de la
demanda de carga j
NDM = Nmero de casos de demanda de carga

Pipe Flow Restriccin:

Una solucin de diseo y rehabilitacin tambin se ve limitado por una serie de

criterios de flujo de tubera que a menudo se da como una velocidad de flujo mxima
admisible y un gradiente hidrulica mxima permitida o la pendiente, dado que:

Dnde:
Vi, j = velocidad de flujo de la tubera i para la demanda de carga caso j
Vmax = velocidad mxima de flujo permitida
NP = Nmero de tubos de restricciones en el sistema de
HGI, j = gradiente hidrulico (pendiente) de la tubera i para el caso de la demanda de
carga j
HGMAX = mximo gradiente hidrulico permisible
En muchos diseos de mejora del sistema, una solucin de diseo viable debe
garantizar el tanque de almacenamiento para ser rellenado hasta un cierto nivel de
agua de manera que un suministro peridico estable puede ser establecida. Para
satisfacer una de rellenado del depsito criterios, la velocidad del flujo de la tubera
debe ser mayor que la velocidad mnima requerida, dada como:

Restriccin presupuestaria:
Las empresas de agua son a menudo limitados por un presupuesto para un
nuevo diseo de la subdivisin y / o la rehabilitacin de un sistema de agua existente.
Cuando se lleva a cabo la optimizacin para maximizar el valor o el beneficio del
diseo, la solucin ptima se ver limitado por la disponibilidad de fondos.

Multi Objetivo Algoritmo Gentico Optimized Diseo

Los algoritmos genticos han sido ampliamente aplicado a la resolucin de problemas
de optimizacin de un solo objetivo en el anlisis de sistemas de recursos hdricos
(BAVIC et al 1994;. Wu y Simpson
1996, 1997a, 1997b y 2001; Wu et al. 2000 y 2001). En los ltimos aos, los
algoritmos genticos mltiples objetivas se han encontrado para ser ms eficaz que
las tcnicas de optimizacin que tradicionales en la resolucin de problemas de
optimizacin multiobjetivo. Una amplia gama de problemas de optimizacin multiobjetivo se han resuelto con xito mediante el uso de algoritmos de evolucin
discrecionales.

No hay necesidad de modificar o simplificar la hidrulica del sistema y los criterios de

diseo para adaptarse a multi-objetivo GA. -Optimizacin individual objetivo se utiliza
para identificar las soluciones ptimas o casi ptimas de acuerdo con la nica funcin
objetivo. Tan pronto como se encuentre una solucin mejor que la solucin actual
mejor, se acepta. Optimizacin de la multi-objetivo es localizar las soluciones no
inferiores (o no dominadas) en el espacio de solucin. Solu-cin A se llama no-inferior
a la solucin B si y slo si la solucin A no es peor que la solucin B en todos los
objetivos. Tambin se dice que la solucin A domina la solucin B o que la solucin A
es una solucin no dominada. Una solucin no dominada global se define como la
solucin que no es peor que cualquier otra solucin factible en todos los objetivos.
Existen mltiples soluciones no dominadas globales. La tarea de una optimizacin
multi-objetivo es la bsqueda de todas las soluciones no dominadas o no inferiores
globales tambin conocidos como el conjunto ptimo de Pareto o el frente Paretoptimo.

Convencionalmente, un problema de optimizacin multi-objetivo se transform en un

problema de un solo objetivo de optimizacin mediante el uso de dos enfoques,
incluyendo la suma ponderada de los objetivos y el mtodo e-restriccin (Cohon,
1978). Mtodo de suma ponderada se aplica un conjunto de factores de ponderacin
a todos los objetivos y resume los objetivos ponderados para la construccin de un
objetivo nico compuesto. Se espera que la optimizacin de un objetivo compuesto es
equivalente a la optimizacin de los mltiples obje-tivos originales, pero la solucin
ptima depende de los pesos elegidos y slo puede buscar una solucin ptima nica
en lugar de soluciones de Pareto-ptimas en uno correr. El mtodo de restriccin elige

una de las funciones objetivo y trata a los dems funciones objetivo como
restricciones. Cada una de las limitaciones que se limita a un valor prescrito.
Transforma un problema de optimizacin multiobjetivo en una optimizacin de la de un
solo objetivo. La solucin ptima dado por el mtodo de restriccin, sin embargo,
depende de los lmites de las restricciones de pre-definidas. Soluciones Paretoptimos se pueden obtener mediante la realizacin de varias ejecuciones del
problema de un solo objetivo de optimizacin utilizando diferentes pesos factores o
lmites de las restricciones. Cuantas ms combinaciones de factores de ponderacin o
lmites de las restricciones, se requieren los ms carreras de optimizacin, mayor es
el coste computacional. Por el contrario, el algoritmo gentico multiobjetivo optimiza
simultneamente todas las funciones objetivo en una carrera sin ningn tipo de
solucin de seguridad en funciones objetivo. Proporciona un mtodo eficaz para el
manejo de la optimizacin multiobjetivo.

El objetivo de la optimizacin de un solo objetivo es la bsqueda de una solucin

ptima. Optimizacin multi-objetivo tiene dos goles durante el proceso de bsqueda.
Uno de los objetivos es encontrar un conjunto de soluciones Pareto-ptimas lo ms
cerca posible al frente de Pareto-ptimo. El segundo objetivo es el de mantener un
conjunto de soluciones Pareto-ptimos tan diversas como sea posible. Bsqueda de
soluciones Pareto-ptimos es sin duda la tarea principal para la optimizacin multiobje-tivo. Una solucin del problema de un solo objetivo de optimizacin es evaluada
por el valor objetivo, que contribuye directamente a la idoneidad de la solucin
genotipo correspondiente. Sin embargo, la aptitud de una solucin para el problema
de optimizacin multi-objetivo se determina por el predominio solucin que se puede
definir como el nmero de soluciones dominadas entre la poblacin actual de
soluciones. Cuanto ms fuerte el dominio, mayor es la aptitud se asigna a una
solucin. Si bien la bsqueda de soluciones Pareto-ptimos es importante, el
mantenimiento de la diversidad de las soluciones Pareto-ptimas tambin es esencial.
Lidiar con la optimizacin multi-objetivo, tales como la minimizacin de costes y
la maximizacin de beneficio para un sistema de distribucin de agua, se prev que
las soluciones de comercio-off ptimos se encuentran y se distribuyen de manera
uniforme para toda la gama de presupuesto de costos. Esto se consigue normalmente
mediante el uso de un mtodo de intercambio de fitness o solucin de clsteres.

Para resolver eficazmente el problema de la relacin costo-beneficio ptimo diseo

trade-off, como Lated frmulas en la seccin inicial, algoritmo gentico rpido
desordenado (Goldberg et al. 1993) se ha ampliado para manejar las funciones de
mltiples objetivos. El multi-objetivo desordenado rpido GA se ha integrado con
Bentley WaterGEMS V8i solucionador de red hidrulica. El enfoque integrado (Wu et
al. 2002) proporciona una potente herramienta de optimizacin de diseo para ayudar

a los ingenieros hidrulicos para disear de forma prctica y eficiente de un sistema

de distribucin de agua. Ofrece la capacidad de los tres niveles de anlisis de diseo
de optimizacin, incluyendo el diseo mnimo coste, diseo de mximo beneficio y
costo-beneficio disyuntiva de diseo de optimizacin.
Competente Algoritmos Genticos
La mecnica de trabajo de un algoritmo gentico se derivan de una simple suposicin
(Holanda 1975) que la mejor solucin se encuentra en la regin solucin que contiene
una proporcin relativamente alta de buenas soluciones. Un conjunto de cadenas que
representa las buenas soluciones alcanza ciertas similitudes en valores de bits. Por
ejemplo, las cadenas binarias de 3 bits 001, 111, 101 y 011 tienen una plantilla comn
de similitud ** 1, en donde el asterisco (*) denota un smbolo de no importa que toma
un valor de 1 0. Las cuatro cuerdas repre-sentan cuatro buenas soluciones y
contribuir a los valores de la aptitud de 10, 12, 11, y 11 a una funcin de aptitud de:

Cuando, x1, x2 y x3 tomar directamente un valor de bit como un entero de izquierda a

derecha. En general, una plantilla de similitud corto que contribuye una aptitud encima
de la media se llama un bloque de construccin. Bloques de construccin a menudo
se encuentran en cadenas cortas que representan soluciones parciales a un problema
especfico. Por lo tanto, la bsqueda de buenas soluciones descubre y yuxtapone los
buenos cadenas cortas, que en esencia designan una regin buena solucin y,
finalmente, conduce a la bsqueda de la mejor solucin.

Goldberg et al. (1989) desarrollaron el algoritmo gentico desordenado como uno de

los paradigmas de algoritmos genticos competentes, centrndose en la mejora de la
capacidad de identificar e intercambiar bloques de construccin de GA. La primera
generacin de la desordenado GA inicializa explcitamente todas las cadenas cortas
de una longitud deseada k, donde k se refiere como a la orden de un bloque de
construccin definido por una cadena corta. Para una representacin de cadena
binaria, todas las combinaciones de bloques de construccin para-k requieren una
serie de cadenas cortas iniciales de longitud k para un problema de l bits:

Por ejemplo, el tamao de la poblacin inicial de cadenas cortas, al enumerar por

completo los componentes bsicos de orden 4 para un problema de 40 bits, es ms
de un milln. Esto hizo que la aplicacin de la GA desordenado primera generacin a
un problema de optimizacin a gran escala imposible. Este cuello de botella ha sido
superado mediante la introduccin de un procedimiento de filtro de bloque de
construccin (Goldberg et al. 1993) en el desordenado GA. El procedimiento de filtro
acelera el proceso de bsqueda y se llama GA rpido desordenado.

El ayuno desordenado GA emula el proceso gentico-evolutivo de gran alcance en

dos bucles anidados, un bucle exterior y un bucle interno. Cada ciclo del bucle
exterior, que se denota como una poca, invoca una fase de inicializacin y un bucle
interior que consiste en una fase de filtrado de bloque de construccin y una fase
yuxtaposicional. Al igual que un algoritmo gentico simple, la inicializacin GA
desordenado crea una poblacin de individuos al azar. El tamao de la poblacin
tiene que ser lo suficientemente grande para asegurar la presencia de todos los
posibles bloques de construccin. A continuacin se aplica un procedimiento de
filtrado bloque de construccin para seleccionar cadenas cortas de mejor ajuste y
reducir la longitud de la cadena. Funciona como un filtro para que se eliminan los
malos genes que no pertenecen a bloques de construccin, por lo que la poblacin
contiene una alta proporcin de cadenas cortas de buenos genes. El procedimiento
de filtracin contina hasta que la longitud total de cadena se reduce a una longitud k
deseada. Por ltimo, una fase yuxtaposicional sigue produciendo nuevas cadenas.
Durante esta fase, los bloques de construccin procesados se combinan y se
intercambiaron para formar la descendencia mediante la aplicacin de los operadores
de seleccin y reproduccin. El yuxtaposicional fase termina cuando se alcanza el
nmero mximo de generaciones, y el ciclo de una iteracin era completa. La longitud
de las cadenas cortas que contiene bloques de construccin deseados con frecuencia
se especifica como el mismo que una era, a partir de uno a un nmero mximo de
poca. Debido a esto, cadenas cortas preferidas aumento en la longitud sobre
iteraciones exteriores. En otras palabras, un AG desordenado evoluciona soluciones
de cadenas cortas a partir de una longitud de hasta una longitud mxima deseada.
Esto permite que el desordenado GA para imitar el proceso de la evolucin natural y
biolgico que un organismo simple o una clula evoluciona en un organismo ms
sofisticado e inteligente. Goldberg et al. (1989, 1993) ha dado el anlisis detallado y el
procedimiento de clculo de la desordenada GA.