%0 Journal Article
%T Diseˋo de una red neuronal para la predicci車n del coeficiente de p谷rdidas primarias en r谷gimen de flujo turbulento
%A Byron Agustin Sol車rzano Castillo
%A Jairo Dario Castillo Calder車n
%A Jos谷 Andr谷s Moreno Moreno
%J -
%D 2018
%R https://doi.org/10.17163/ings.n20.2018.02
%X La presente investigaci車n est芍 orientada al diseˋo de una red neuronal para la predicci車n del factor de fricci車n en r谷gimen de flujo turbulento, siendo este indispensable para el c芍lculo de p谷rdidas primarias en conductos cerrados o tuber赤as. Se utiliza Neural Networks Toolbox de MATLABˋ para diseˋar la red neuronal artificial (RNA), con retropropagaci車n, cuya base de datos comprende 724 puntos obtenidos del diagrama de Moody. Las variables de entrada de la RNA son el n迆mero de Reynolds y la rugosidad relativa de la tuber赤a; la variable de salida es el coeficiente de fricci車n. Utilizando el algoritmo de entrenamiento de Levenberg-Marquardt se entrena la RNA con distintas topolog赤as, variando el n迆mero de capas ocultas y el n迆mero de neuronas ocultas en cada capa. Con una estructura 2-30-30-1 de la RNA se obtuvo el mejor resultado, exhibiendo un error cuadr芍tico medio (ECM) de 1,75E-8 y un coeficiente de correlaci車n de Pearson R de 0,99999 entre la salida de la red neuronal y la salida deseada. Adem芍s, mediante un an芍lisis descriptivo de variable en el software SPSSˋ, se obtiene que el error relativo medio es de 0,162 %, indicando que el modelo diseˋado es capaz de generalizar con alta precisi車n
%K diagrama de Moody
%K factor de fricci車n
%K p谷rdida de carga
%K red neuronal artificial
%K retropropagaci車n
%K flujo turbulento.
%U https://revistas.ups.edu.ec/index.php/ingenius/article/view/20.2018.02