INTRODUCCI ´ ON ALGORITMOS GEN ´ ETICOS DISTRIBUCIONES ESTAD ´ ISTICAS EN HIDROLOG ´ IA SIMULACI ´ ON Y APLICACI ´ ON DE AG RESULTADOS - DISCUSI ´ ON Y CONCLUSIONES V CONGRESO REGIONAL DE ESTUDIANTES DE INGENIERIA CIVIL C ´ ALCULO DE PAR ´ AMETROS ESTAD ´ ISTICOS EN HIDROLOG ´ IA MEDIANTE LA T ´ ECNICA DE OPTIMIZACI ´ ON ALGORITMOS GEN ´ ETICOS Ing. Ayala Bizarro, Iv´ an Arturo 1 [email protected]Universidad Nacional de Huancavelica - Per´ u Noviembre de 2013 ING. AYALA BIZARRO, IV ´ AN ARTURO V COREIC HVCA-2013
25
Embed
V CONGRESO REGIONAL DE ESTUDIANTES DE · PDF fileintroduccion algoritmos geneticos distribuciones estad isticas en hidrolog ia simulacion y aplicaci on de ag resultados - discusion
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
V CONGRESO REGIONAL DE ESTUDIANTESDE INGENIERIA CIVIL
CALCULO DE PARAMETROS ESTADISTICOS ENHIDROLOGIA MEDIANTE LA TECNICA DE OPTIMIZACION
ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Objetivo
Objetivo
Optimizar los parametros de la Distribucion Estadısticamediante La Tecnica del Algoritmo Genetico.
¿Optimizar que?
F (Z ) =1√2π
∫ Z
−∞e−Z2
2 dZ
Z =ln(X − X0)− µy
σy
Los Parametros son X0, µy y σy (DistribucionTeorica Log Normal 3P)
ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Revision del Algoritmo GeneticoRevision del Algoritmo GeneticoOperacion de CruzamientoOperacion de Mutacion
Historia del Algoritmo Genetico
Charles Darwin [1809-1882]
Cuanto mejor un individuo se adapta al medioambiente, mayor sera su chance de sobrevivir ygenerar descendencia- Darwin 1859
John Henry Holland [1929]
Padre del AG. Profesor de Filosofıa, de IngenierıaElectrica y de Ciencias de la computacion en laUniversidad de Mıchigan.
Despues de J. Holland, se escribieron numeros textos: Golberg(1989), Davis (1991), Michalewicz (1993), entre otros.
ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Revision del Algoritmo GeneticoRevision del Algoritmo GeneticoOperacion de CruzamientoOperacion de Mutacion
Que es un Algoritmo Genetico
Un Algoritmo Genetico (AG), es un metodo sistematizado debusqueda que imita la teorıa de la evolucion biologica deDarwin, para la resolucion de problemas.
ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Revision del Algoritmo GeneticoRevision del Algoritmo GeneticoOperacion de CruzamientoOperacion de Mutacion
Que es un Algoritmo Genetico
Los AG usan funciones de costo o funciones objetivo NODERIVADAS.Los AG usan metodos probabilısticos no determinısticosCada miembro de la poblacion es una posible solucion, los GAson algoritmos de busqueda global no local
ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Revision del Algoritmo GeneticoRevision del Algoritmo GeneticoOperacion de CruzamientoOperacion de Mutacion
Que es un Algoritmo Genetico
Los metodos basados en derivados sonmas rapidos ya que evaluan y buscan enuna sola direccion a la vez.
Los AG son paralelos y evaluan multiplesposibles soluciones a las vez no en unadireccion como los algoritmos basados enderivados (busqueda lineal)
los AG no tiene un punto singular debusqueda inicial.
Maximizar: f (x , y) = −xye−x2−y2
−3 −2 −1 0 1 2 3−2
0
2
−0.25
−0.2
−0.15
−0.1
−0.05
0
0.05
0.1
0.15
0.2
0.25
ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Revision del Algoritmo GeneticoRevision del Algoritmo GeneticoOperacion de CruzamientoOperacion de Mutacion
Aplicacion Diseno de Redes
Bentley [WaterCad], desarrollo el modelo de AG en Redes deTuberıa mediante las opciones de Darwin Calibrator yDarwin Designer.
El AG, en Redes de tuberıa, reduce el tiempo de ejecucion quepermite obtener un sistema de Red seguro y optimo.
ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Revision del Algoritmo GeneticoRevision del Algoritmo GeneticoOperacion de CruzamientoOperacion de Mutacion
Diagrama de Flujo - Aplicaciones
Aplicaciones en la Ingenierıa
Redes de Abastecimiento.
Prediccion de estructura de RNA.
Calibracion y deteccion de danosen estructuras.
Calculo de Sistemas de ecuaciones.
Hidrogramas Unitarios enHidrologıa.
Sedimentos en cuencas y riberas.
Calculo de flujo subterraneo.
entre otros.
ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Revision del Algoritmo GeneticoRevision del Algoritmo GeneticoOperacion de CruzamientoOperacion de Mutacion
Operacion de Cruzamiento
#ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Revision del Algoritmo GeneticoRevision del Algoritmo GeneticoOperacion de CruzamientoOperacion de Mutacion
Operacion de Mutacion
#ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Distribuciones Conocidas
Distribucion Log Normal 3P Metodo de Momentos
F (Z ) =1√2π
∫ Z
−∞e−Z2
2 dZ ; con Z =ln(X − X0)− µy
σy(3.1)
Donde los parametros por MM son:
X0 = X − eµy+σ2y
2 (3.2)
µy =1
2
[ln
(S2
eσ2y − 1
)− σ2
y
](3.3)
σ=y
√Cs − 0,52
4,85(3.4)
S =
√∑Ni (Xi − X )2
N − 1
Cs =N2M3
(N − 1)(N − 2)S3
M3 =
∑Ni (Xi − X )3
N
ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Distribuciones Conocidas
Distribucion Log Normal 3P Maxima Verosimilitud
F (Z ) =1√2π
∫ Z
−∞e−Z2
2 dZ ; con Z =ln(X − X0)− µy
σy(3.5)
Donde los parametros por MV se relaciona de la siguiente manera:
µy =1
N
N∑i=1
ln(Xi − X0) (3.6)
σy =
√√√√ 1
N
N∑i=1
[ln(Xi − X0)− µy ]2 (3.7)
N∑i=1
σ2y − µy
Xi − X0+
N∑i=1
ln(Xi − X0)
Xi − X0= 0 (3.8)
ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Distribuciones Conocidas
Distribucion Log Normal 3P Maxima Verosimilitud
Resolviendo el sistema de ecuacion no lineal con NR
F1 =N∑i=1
σ2y − µy + ln(Xi − X0)
Xi − X0= 0 (3.9)
F2 =N∑i=1
[ln(Xi − X0)− µy ]2 − Nσ2y = 0 (3.10)
F3 =N∑i=1
ln(Xi − X0)− Nµy = 0 (3.11)
µyi+1 − µyiσyi+1 − σyiX0i+1 − X0i
=
∂F1∂µy
∂F1∂σy
∂F1∂X0
∂F2∂µy
∂F2∂σy
∂F2∂X0
∂F3∂µy
∂F3∂σy
∂F3∂X0
F1
F2
F3
(3.12)
ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Datos para el Analisis
La Estacion de analisis es Chinchi,ubicada en el distrito de MejoradaProvincia y Departamento deHuancavelica. Geograficamente seubica en la latitud 12032
′07” y
Longitud 74055′26” y altitud de
2830 msnm.
La estacion Chinchi se ubica en elcauce del Rıo Ichu al pie de laentrega al Rıo Mantaro
El registro es de 50 anos[1963-2012] y corresponde alCaudal Maximo Mensual m3/s
ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Criterio de Evaluacion
Coeficiente de Determinacion (CD)
CD, determina la calidad del modelo sobre los resultados. O es elvalor Observado y P es valor calculado o predecido.
CD =
∑Ni=1[(Oi − O)(Pi − P)]√∑N
i=1(Oi − O)2∑N
i=1(Pi − P)2;−1 ≤ CD ≤ 1 (4.1)
Coeficiente de Eficiencia (CE)
Tambien llamado como el coeficiente de Nash-Sutcliffe (1970)
CE = 1−∑N
i=1[(Oi − Pi )2∑N
i=1(Oi − O)2;−∞ < CE ≤ 1 (4.2)
ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Funcion Objetivo
Minimizar
(∑Ni=1(Oi − Pi )
2∑Ni=1(Oi − P)2
)(4.3)
Minimizar
(N∑i=1
(Oi − Pi )2
)(4.4)
Para el presente trabajo los valores observados, vendrıan a ser losempıricos que se evaluan mediante la ecuacion de Weibull
Oi = F (X ) =i
N + 1(4.5)
Donde N es el total de muestras.
ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Datos para el AnalisisDistribuciones Estadısticas TeoricasSimulacion AG
Reconstruccion de datos mediante el modelo HEC-04(USACE)
Calculo de caudales Maximos (Construccion de la serie)
ING. AYALA BIZARRO, IVAN ARTURO V COREIC HVCA-2013
INTRODUCCIONALGORITMOS GENETICOS
DISTRIBUCIONES ESTADISTICAS EN HIDROLOGIASIMULACION Y APLICACION DE AG
RESULTADOS - DISCUSION Y CONCLUSIONES
Datos para el AnalisisDistribuciones Estadısticas TeoricasSimulacion AG
Distribuciones Estadısticas Teoricas
Fueron determinados los ∆max por la prueba de SmirnovKolmogorov y la prueba de Mınimos Cuadrados (MC) para lasdistribuciones teoricas de Normal, Log Normal, Log Normal2P, Log Normal 3P, Gamma 2P, Gamma 3P, Log Pearson 3P,Gummbel y Log Gumbel.
Las distribuciones teoricas que mejor se ajustan son LogNormal 3P (LN3P) y Log Normal 2P (LN2P).
El analisis con la tecnica de optimizacion AG, se hara a ladistribicion Log Normal 3P.