Hidrología Aplicada: Unidad

Hidrología aplicada Unidad: INTELIGENCIA ARTIFICIAL EN HIDROLOGIA

Docente: Mg. Ing. Giovene Pérez Campomanes

Logro El estudiante, será capaz de interpretar las técnicas de optimización para realizar procesos de calibración de predicción de avenidas, sequias, entre otras aplicaciones a la Hidrología, mediante la aplicación de algoritmos genéticos.

Importancia El estudiante, tiene los conocimientos para interpretar las técnicas de optimización para realizar procesos de calibración de predicción de avenidas, sequias, entre otras aplicaciones a la Hidrología, mediante la aplicación de algoritmos genéticos.

Contenido general • • • •

Generalidades Redes Neuronales Artificiales. Método Backpropagation. Aplicaciones de RNA en Hidrología.

Generalidades

Generalidades Inteligencia • Facultad de la mente que permite aprender, entender, razonar, tomar decisiones y formarse una idea determinada de la realidad.

Generalidades Inteligencia artificial • Es la combinación de algoritmos planteados con el propósito de crear máquinas que presenten las mismas capacidades que el ser humano. • Una tecnología que todavía nos resulta lejana y misteriosa, pero que desde hace unos años está presente en nuestro día a día a todas horas.

Tipos de inteligencia artificial Se diferencian varios tipos de inteligencia artificial: • Sistemas que piensan como humanos • Sistemas que actúan como humanos • Sistemas que piensan racionalmente • Sistemas que actúan racionalmente

La Inteligencia Artificial

Obtenido de: goo.gl/1Sm3Tu

Redes Neuronales Artificiales

Redes neuronales Son un campo muy importante dentro de la Inteligencia Artificial.

Las Redes Neuronales

Inspirándose en el comportamiento conocido del cerebro humano

Trata de crear modelos artificiales que solucionen problemas difíciles de resolver.

Redes neuronales

Definición:

• Las redes neuronales artificiales son un modelo computacional vagamente inspirado en el comportamiento observado en su homólogo biológico

Redes neuronales Modelo de neurona artificial

Recuperado de: goo.gl/vgQD94

Define un elemento de proceso (EP), o neurona artificial, como un dispositivo que a partir de un conjunto de entradas, xi(i=1...n) o vector x, genera una única salida y.

Red neuronal artificial Una red neuronal artificial (RNA) se puede definir como un grafo dirigido con las siguientes restricciones: Los nodos se llaman elementos de proceso (EP). Los enlaces se llaman conexiones y funcionan como caminos unidireccionales instantáneos Cada EP puede tener cualquier número de conexiones.

Todas las conexiones que salgan de un EP deben tener la misma señal.

Los EP pueden tener memoria local. Cada EP posee una función de transferencia que, en función de las entradas y la memoria local produce una señal de salida y/o altera la memoria local. Las entradas a la RNA llegan del mundo exterior, mientras que sus salidas son conexiones que abandonan la RNA.

Método Backpropagation

Método Backpropagation La propagación hacia atrás de errores o retropropagación (del inglés backpropagation) es un método de cálculo del gradiente utilizado en algoritmos de aprendizaje supervisado utilizados para entrenar redes neuronales artificiales.

Recuperado de: https://i.ytimg.com/vi/Ilg3gGewQ5U/maxresdefault.jpg

Sistema de entrenamiento Método Backpropagation

Consiste en:

Empezar con pesos sinápticos cualquiera.

Introducir datos de entrada elegidos al azar.

Dejar que la red genere un vector de datos de salida.

Comparar la salida generada por al red con la salida deseada.

Sistema de entrenamiento Método Backpropagation

La diferencia obtenida se usa para ajustar los pesos sinápticos de las neuronas de la capa de salidas.

El error se propaga hacia atrás (backpropagation) y se usa para ajustar los pesos sinápticos en esta capa.

Se continua propagando el error hacia atrás y ajustando los pesos hasta que se alcance la capa de entradas.

Problemas del sistema

Es difícil encontrar el mejor conjunto de pesos sinápticos para la red de manera que la eficiencia sea máxima.

Esto se debe a que la función que mide la eficiencia de las redes con capas ocultas

Y el mejor conjunto de pesos sinápticos es aquel que hace que la función alcance un mínimo global.

En la mayoría de los casos, es una función compleja que presenta muchos mínimos locales.

El algoritmo backpropagation Aprendizaje y minimización de una función de error

Las redes multicapa son capaces de calcular una gama más amplia de funciones que las redes compuestas por una única capa de elementos.

Cada combinación de pesos produce una función lógica que difiere de la función que se desea aprender en un número de puntos.

Método Backpropagation

El aprendizaje se define como la búsqueda de la combinación que minimiza ese número.

Sin embargo existen procedimientos numéricos eficaces para buscar mínimos en funciones derivables.

Aún así, aparecen mínimos locales en las superficies, lo que complica también el proceso.

Aplicaciones de RNA en Hidrología

Aplicaciones de RNA en Hidrología

Los avances en el campo de la Inteligencia Artificial han tenido una fuerte influencia en las diferentes áreas de la Ingeniería Civil.

Aunque la metodología propuesta es aplicable a cualquier ámbito de la ingeniería.

Aplicaciones de RNA en Hidrología: Se aplica el sistema desarrollado en problemas de diferente naturaleza relacionados con 2 áreas diferentes de la ingeniería civil:

Hidrología • El desarrollar un modelo de transformación lluvia-escorrentía en una cuenca hidrográfica permite pronosticar el riesgo asociado a las condiciones de lluvia para la cuenca.

Aplicaciones de RNA en Hidrología:

En este caso, se aplican las Redes de Neuronas Artificiales (RNA) y la Computación Evolutiva (CE)

Los resultados obtenidos se comparan con las técnicas clásicas de la hidrología.

Aplicaciones de RNA en Hidrología Construcción • Dentro del área de la construcción, uno de los problemas que se le plantean al ingeniero civil es la determinación de la longitud de anclaje de las armaduras pasivas en el hormigón.

Aplicaciones de RNA en Hidrología

En este caso se presentan dos soluciones obtenidas, respectivamente, mediante RNA y por métodos evolutivos,

En concreto mediante la técnica de Programación Genética (PG), al problema del cálculo o determinación de las longitudes de anclaje de armaduras pasivas de acero en vigas de hormigón armado.

Conclusiones • La inteligencia artificial en hidrología es útil pues nos ayuda

a interpretar las técnicas de optimización, en la realización de procesos de calibración de predicción de avenidas, sequias, entre otras aplicaciones a la Hidrología, mediante la aplicación de algoritmos genéticos.

Gracias

Docente: Mg. Ing. Giovene Pérez Campomanes.