U N I VERSIDAD DE LOS ANDES FACULTAD DE INGENIERA ESCUELA DE MECNICA

ESTIMACIN DE CONDICIONES EXTERIORES DE DISEO MEDIANTE REDES NEURONALES Y DETERMINACIN DE PROPIEDADES TERMODINMICAS DEL AIRE PARA SISTEMAS DE REFRIGERACIN Y AIRE ACONDICIONADO EN VENEZUELA

Pereyra Mendoza, Eduardo J. Vielma Salazar, Jany Carolina.

Mrida, Julio, 2000.

ii

TABLA DE CONTENIDO TABLA DE CONTENIDO RESUMEN INTRODUCCIN EL PROBLEMA Definicin del Problema Justificacin Antecedentes Objetivos Alcances Limitaciones PARTE I CAPTULO I: MARCO TERICO Fundamentos Tericos Acerca del Clima Principales Factores que Afectan el Clima en Venezuela Clasificacin del Clima en Venezuela Fundamentos Tericos Acerca de Redes Neuronales Redes Neuronales Biolgicas Redes Neuronales Artificiales Aplicaciones de Las Redes Neuronales Artificiales CAPTULO II : MARCO METODOLGICO Una Red Sencilla Alternativas Propuestas Modelos por Redes Neuronales Normalizacin de los Datos Seleccin de los Datos para Entrenamiento y Validacin Modelos Por Regresin Lineal CAPTULO 3: RESULTADOS Modelos por Redes Neuronales Modelos por Regresin Lineal Resultados Obtenidos Temperatura Media Humedad Relativa Media Clculo de las Condiciones de Diseo Rango de Temperatura Humedad Relativa CAPTULO IV :IMPLEMENTACIN DE PROGRAMAS Presentacin del Programa Estructuracin

ii v vi 1 1 3 4 7 8 9 10 10 13 17 19 19 22 32 34 36 38 38 40 43 45 46 46 48 49 49 51 52 53 55 57 57 57

iii

Entradas al Programa Salidas del Progrma Mdulos o Estructuras. CAPTULO V: RECOMENDACIONES PARTE II: CAPTULO I: MARCO TERICO Fundamentos Acerca de Picromtria Ecuaciones de la Carta Psicromtrica Humedad Especfica Humedad Relativa Grado de Saturacin de l Aire Lnea de Saturacin de Agua Volumen Especfico Entalpa Temperatura de Bulbo Hmedo Punto de Roco CAPTULO II: IMPLEMENTACIN DE PROGRAMAS Presentacin Estructuracin Entradas al Programa Salidas del Programa Mdulos o estructuras CAPTULO III: RESULTADOS CAPTULO IV: RECOMENDACIONES REFERENCIAS BIBLIOGRFICAS ANEXOS A1: Promedios mensuales de Temperatura y Humedad Relativva de las Estaciones Pertenecientes a la Fuerza Area Venezolana. A2: Datos Sobre Altura, Latitud y Longitud de las Ciudades A3: Algoritmo de la Regla Delta Generalizada A4: Pesos Obtenidos en las Alternativas Propuestas A5: Resultados para cada Estacin variable: Temperatura A6: Resultados para cada Estacin: variable: Humedad Relativa A7: Resultados para cada Estacin: variable: Mes

58 58 59 63

65 65 65 67 70 71 71 73 74 75 77 79 79 80 80 80 80 89 92 93 96 97 99 100 101 104 105 106

iv

A8: Resultados para cada Estacin: variable: Rango Diario de 107 Temperatura A9: Resultados para cada Estacin: Variacin Media de la 108 Humedad Relativa

RESUMEN

En

este

proyecto

se

presenta

el

desarrollo

de

dos

sistemas

computacionales: El primero denominado VC-Design, el cual permite realizar la estimacin de las condiciones medias exteriores para el diseo de sistemas de refrigeracin y aire acondicionado en Venezuela, a partir de la altura del lugar y su localizacin geogrfica (latitud y longitud). Se encontraron dificultades para el entrenamiento de las redes en latitudes inferiores a los 6, debido a que se cont con un escaso nmero de datos, por lo tanto no pudo realizarse la validacin de las condiciones para zona del pas. Se plantearon varias alternativas, finalmente se eligi la utilizacin de una red neuronal para la estimacin de la temperatura media que tuviera como entradas la longitud, latitud y altitud y como salidas la diferencia entre la temperatura estimada por una regresin lineal y la real del lugar; para la estimacin de la humedad relativa media se implement una red neuronal, donde se entren paralelamente relativa en la salida y temperatura y la humedad como entradas, la longitud, latitud y altitud. La

estimacin del rango medio diario se realiz por medio de un ajuste polinomial y el clculo de la temperatura mxima se obtuvo a partir del rango medio diario, la humedad relativa media mnima se estim de igual forma que la temperatura, y se obtuvo una red neuronal para la estimacin del mes de diseo a partir de la longitud y la latitud del sitio. Se encontraron resultados satisfactorios en todas las variables estimadas. El segundo sistema computacional desarrollado se denomin PsicroPack. Este programa grafica la carta psicromtrica para una altura dada, permitiendo de forma rpida y sencilla el calculo de las propiedades termodinmicas del aire a su vez de representar grficamente los resultados obtenidos. La validacin de este programa realizo haciendo comparaciones con las cartas psicromtricas para diferentes alturas suministradas por la ASHRAE y la Carrier, encontrndose confiable. que el programa resulta altamente

vi

INTRODUCCIN

El diseo de ambientes confortables juega hoy da un papel muy importante dentro de la sociedad, ya que el hombre cada vez exige una mejor adaptacin dentro de los ambientes. Uno de los factores

determinantes para el diseo de sistemas de refrigeracin y aire acondicionado radica en la eleccin de las condiciones exteriores, puestas que stas son variables que afectan de manera significativa el clculo de la carga trmica y que pueden inducir costos enormes si no son escogidas adecuadamente. El empleo de condiciones muy elevadas implica el consumo de una energa innecesaria, por el contrario, si las condiciones son muy bajas, el sistema queda subdiseado y no existir confort en el ambiente, por lo cual habr que redisear el sistema. Este proyecto consta de dos partes: En la primera se presenta el desarrollo de un sistema

computacional basado en redes neuronales, para estimar las condiciones medias y de diseo, en Venezuela, a partir de la localizacin geogrfica de la localidad y su altura. Una red neuronal artificial es un sistema dinmico de interconexiones masivamente paralelas, donde la interaccin de sus partes est basada en algunos aspectos del funcionamiento del cerebro humano. Las redes neuronales se han considerado intuitivas

porque aprenden ms rpido que el caso de que siguieran reglas

vii

programadas. La habilidad para aprender es uno de los aspectos ms importantes de las redes neuronales. Para comprensin del lector, esta parte se estructur en cinco captulos: En el Captulo I se hace referencia al Marco Terico, se explican los Fundamentos Tericos acerca del Clima en Venezuela y las Redes Neuronales. El Captulo II contiene el Marco Metodolgico, en el cual se presentan las Alternativas Propuestas para desarrollar los modelos. En el Captulo III, se encuentran los Resultados

Obtenidos. El Captulo IV se refiere a la Implementacin del

Programa.

Comienza con una presentacin del mismo y

luego se explican los mdulos en los cuales se estructur. La En el Captulo V se presentan las Recomendaciones. segunda parte contiene el desarrollo de un sistema

computacional que permite graficar la carta psicromtrica para una altura determinada, y el clculo de las propiedades

termodinmicas. Consta de cuatro captulos:

viii

El Captulo I contiene el Marco Terico, explica los Conceptos Bsicos sobre Psicrometra y las Ecuaciones necesarias para Graficar la Carta Psicromtrica.

En

el

Captulo

II

se

explica

la

Implementacin

del

Programa. En el Captulo III, se encuentran los Resultados Obtenidos y las Comparaciones realizadas. En el Captulo IV se presentan las Recomendaciones.

EL PROBLEMA

Definicin del Problema

El Clima, al igual que el tiempo presenta una combinacin de valores de radiacin, temperatura, presin, vientos, humedad y

precipitaciones, pero el clima es permanente durante largos perodos, mientras que el tiempo vara constantemente. Algunas de las

abstracciones matemticas comnmente utilizadas para definir el clima son la Temperatura y la Humedad Relativa. Se ha demostrado que la temperatura posee una fuerte

correlacin lineal con respecto a la altura. La posicin geogrfica del punto en estudio, tambin juega un papel preponderante al momento de estimar la temperatura o humedad relativa del mismo, bien sea por la influencia de los vientos intertropicales que confluyen al pas desde el norte y el sur del planeta, los cuales presentan diferencias de

temperaturas que al mezclarse producen cambios climticos fuertes dependiendo de la regin donde convergen; o por la existencia de cadenas montaosas como la Sierra Nevada de Mrida, donde el Valle del Chama sirve para canalizar los vientos provenientes del Sur del Lago de Maracaibo hacia ciertos puntos, creando gran variacin de clima en pequeos tramos de terreno, demarcando a su vez diferentes tipos de vegetacin.

Para el diseo de ambientes acondicionados, se hace necesario, determinar las propiedades termodinmicas del aire, una vez conocidas las condiciones exteriores de la localidad, las cuales varan en funcin de la altura; por ejemplo, el volumen especfico aumenta

significativamente con el incremento en la altitud, as como tambin la entalpa y la humedad especfica, sin embargo la humedad relativa no sufre variaciones importantes. En este proyecto se presenta el desarrollo dos sistemas

computacionales: El primero se utiliza para Estimar las Condiciones Exteriores de Diseo para la zona donde se va a implementar el ambiente acondicionado, as como la temperatura y humedad relativa medias, a partir de la localizacin geogrfica (latitud y longitud) y la altura de dicha zona El segundo se utiliza para representar la carta psicromtrica, para una altura dada; determinar las propiedades

termodinmicas del aire para un punto definido por dos propiedades, que pueden ser: temperatura de bulbo seco y temperatura de bulbo hmedo; temperatura de bulbo seco y punto de roco; temperatura de bulbo seco y humedad relativa; temperatura de bulbo seco y humedad especfica. As como un conjunto de funciones que sern explicas ms adelante.

Justificacin

Una de las preocupaciones que se le presentan al ingeniero mecnico, a la hora de realizar el clculo de un sistema de

refrigeracin o aire acondicionado, radica en la seleccin de las condiciones apropiadas de diseo para el lugar donde se instalar el equipo, ya que estas representan un factor critico al momento de estimar la carga trmica. trabajos relacionados A pesar de que en el pasado, se desarrollaron con el tema, ninguno ha involucrado la

estimacin de las condiciones ambientales exteriores a partir de su localizacin geogrfica y altura, a su vez de la obtencin de la carta psicromtrica, mediante un sistema computacional amigable y de fcil manejo. Para la estimacin de las condiciones de diseo se utilizarn modelos basados en redes neuronales. Una red neuronal artificial es un modelo matemtico diseado para emular algunas de las capacidades computacionales del cerebro humano. Entre las caractersticas ms importantes de las redes neuronales se encuentran su capacidad para aprender, por ajuste de sus ponderaciones de interconexin. Las redes neuronales han dado excelentes resultados en campos donde los modelos matemticos convencionales se quedaron estancados por su gran complejidad. Estas han demostrado, en innumerables trabajos realizados, ser excelentes para la estimacin y prediccin de variables desconocidas a partir de una serie de entradas que proporcionen informacin til sobre el proceso.

Por

otra

parte,

conocer

el

valor

de

las

propiedades

termodinmicas del aire y la carta psicromtrica para cada altura en particular, es de gran importancia, ya que se sabe que algunas de stas propiedades varan significativamente en funcin de la presin la cual a su vez depende de la altura. Las ecuaciones exactas para calcular

estas propiedades son muy complejas, por esto usualmente se calculan interpolando entre dos valores de presin absoluta conocidos, lo cual adems de ser un proceso tedioso, induce errores en los clculos. Esta inquietud motiv el desarrollo de un sistema computacional con esta capacidad, de tal manera, que permitiera realizar dichos clculos con m ayor precisin y simplicidad, a partir de las ecuaciones presentadas por ASHRAE, Fundamental Handbook, 1997 [1]. Antecedentes

A lo largo del tiempo ha surgido una notable inquietud por la determinacin de condiciones exteriores de diseo para sistemas de aire acondicionado en Venezuela y el clculo de las propiedades termodinmicas del aire. Algunos proyectos recientes presentados por estudiantes de la Escuela de Mecnica, con relacin a estos temas son los siguientes: Marturet P., Gustavo. (1996), en su Proyecto titulado

Determinacin de las Condiciones Exteriores de diseo para Aire Acondicionado en Venezuela [2], agrup en tablas las

condiciones de diseo para aire acondicionado tales como: temperatura exterior, humedad relativa, velocidad y direccin del viento, por cada estacin metereolgica, de acuerdo a los datos suministrados por la Fuerza Area Venezolana, para los aos 1961- 1990 y para el ao 1994. Guedez, Horacio y Armijo Willian (1990), en el proyecto Cartas Psicromtricas y Procesos por Computadoras [3], presentaron un programa realizado en GW-BASIC que

permita graficar la carta psicromtrica para cualquier altura, as como los procesos de calentamiento, y enfriamiento, de un

humidificacin,

deshumidificacin

psicrometra

proceso de acondicionamiento de aire. De igual manera, se han hecho estudios detallados y se han desarrollado modelos o aproximaciones para la estimacin de la temperatura y humedad relativa. encuentran los siguientes: El Ministerio de Obras Pblicas del Pas, en el ao 1962, recomend temperatura interpolacin que y para humedad entre encontrar relativa y se el las condiciones realizar de de una Entre los resultados obtenidos se

poda Valle

Maracaibo

Caracas

utilizando como base la altura respectiva sobre el nivel del mar. [4]

En el ao 1976, la NASA revel la existencia de una relacin lineal decreciente entre la temperatura y la altitud a travs de la troposfera. Propuso ecuaciones que permiten calcular la

temperatura para la atmsfera estndar en Estados Unidos a partir de la altitud. [1] El Atlas de Venezuela, en el ao 1980, public que la

temperatura y humedad relativa media anual se poda calcular exclusivamente en funcin de la altitud, existiendo ciertas excepciones segn la exposicin de la radiacin solar del lugar en los primeros 100 mts. de altura sobre el nivel del mar. [5] En el ao 1999, Vladimir Kotlyakov, primer Vicepresidente de la Unin Geogrfica Internacional y miembro del Consejo de la Tierra afirma Lo caracterstico de la amplitud de las fluctuaciones de la temperatura en el siglo XX es que est directamente relacionada con la latitud geogrfica. Las

fluctuaciones anuales en las latitudes medias no excedieron de 0,4C, y ms al norte de 1,0C , y en las latitudes altas de 2,0 C. [6] El ASHRAE Fundamental Handbook 1997 [1], propuso

ecuaciones basadas en los resultados de Hyland y Wexeler, que permiten calcular el valor de las propiedades

termodinmicas del aire, con errores menores del 0,7%.

Tambin presenta cartas psicromtricas para alturas de 0ft, 5000 ft y 7500 ft de altitud y recomienda utilizar la interpolacin para calcular las propiedades termodinmicas del aire, a partir de las cartas psicromtricas, cuando se est trabajando con valores de altitud diferentes a stos. Objetivos

Objetivo General

Desarrollar un sistema computacional que permita estimar la temperatura y humedad relativa exterior para el diseo de sistemas de refrigeracin y aire acondicionado en Venezuela, basado en redes neuronales y la determinacin de las propiedades termodinmicas del aire. Objetivos Especficos

1. Implementar

modelos

basado

en

redes

neuronales

para

determinar la temperatura y humedad relativa del aire en distintas regiones de Venezuela, a travs de la altura y localizacin geogrfica. 2. Determinar el grado de discrepancia entre los resultados obtenidos mediante los modelos desarrollados y los valores reales.

3. Graficar la carta psicromtrica en base a la altura. 4. Determinar las propiedades termodinmicas del aire, en los siguientes casos: a. Conocidas temperatura de bulbo seco y humedad relativa b. Conocidas temperatura de bulbo seco y temperatura de bulbo hmedo c. Conocidas temperatura de bulbo seco y punto de roco d. Conocidas temperatura de bulbo seco y humedad especfica. Alcances

En el rea de Ingeniera Mecnica, los resultados de esta investigacin aportarn informacin muy til a diversas aplicaciones en Refrigeracin y Aire Acondicionado, principalmente para el diseo de Instalaciones, as como tambin en el rea de Modelado Trmico. Los resultados obtenidos a travs de este proyecto sern publicados en la Pgina Web del Grupo de Ciencias Trmicas Computacionales, de la Escuela de Mecnica, con la finalidad de que pueda ser accesible a cualquier persona interesada.

Limitaciones

En la realizacin de todo proyecto de investigacin se presentan limitaciones que interfieren en el desarrollo del mismo con la originalidad y objetividad requeridas, para obtener resultados vlidos que de alguna manera permitan reforzar y enriquecer los estudios existentes y ampliar las diferentes reas del conocimiento. Los datos utilizados para entrenar la red fueron suministrados por el Departamento de Climatologa de la Fuerza Area Venezolana, y debido al escaso nmero de estaciones disponibles, se presentaron inconvenientes en el entrenamiento para latitudes comprendidas entre 1 y 6. Las condiciones climticas de esta regin difieren a las del

resto del pas, ya que se presentan lluvias a lo largo de todo el ao, encontrndose los ms altos niveles de precipitacin, variable que influye de manera notable en las caractersticas del clima. Tampoco se cont con datos para alturas superiores a los 1600 m.s.n.m.; razn por la cual la red no pudo entrenarse por tipos de climas y no se recomienda la extrapolacin de resultados en los dos casos citados anteriormente. La estimacin que se presenta en este proyecto, se refiere a

condiciones exteriores medias de diseo, por lo tanto no puede estimar las variaciones impredecibles del tiempo. Es de esperar que las

condiciones del clima varen de un ao a otro, como las variaciones climticas que ha producido los fenmenos del nio y la nia.

PARTE I

CAPTULO I

MARCO TERICO

Fundamentos Tericos Acerca del Clima.

La palabra clima se deriva del griego KLIMA que significa inclinacin y refleja la importancia que los estudiosos de la antigedad atribuan a la influencia del sol. La naturaleza de la superficie de la es la principal fuente de

Tierra, los ocanos y la radiacin solar,

energa de los procesos climticos. El estudio del Clima se refiere a un promedio de los eventos meteorolgicos que ocurren a diario, o durante algn perodo determinado, en una regin. Este rcord histrico ayuda a caracterizar el comportamiento meteorolgico de un rea geogrfica en el largo plazo [7]. Algunos de los parmetros que determinan el clima de una regin son: la radiacin, la presin , la temperatura y humedad del aire, las precipitaciones, los vientos y la periodicidad de los tipos climticos [8]. El clima no depende de uno o dos elementos, sino de la

combinacin de todos los factores y elementos climticos. Una caracterstica tpica de los procesos naturales es su carcter cclico. Durante milenios, el clima de diferentes partes de la Tierra ha estado sometido a cambios cclicos de diversa duracin y cuya ndole

11

no es plenamente conocida. Mediante el mecanismo de la circulacin atmosfrica general, las fluctuaciones climticas se extienden por todo el globo. Es por esta razn que se dice que el clima es dinmico, siendo permanente durante largos perodos geolgicos; de all que los valores promedios son tan slo abstracciones matemticas, que slo ayudan a comprender pero, no representan una realidad natural [8]. El Panel Intergubernamental sobre el Cambio Climtico (IPCC) ha realizado estudios en los cuales ha revelado que a lo largo del ltimo siglo el mundo ha venido calentndose: la dcada de los 80 fue la ms calurosa desde que se empezaron a tomar mediciones (hace unos 130 aos), descendiendo una vez ms en los ltimos aos. Los

cientficos creen que las temperaturas medias a nivel mundial seguirn subiendo. [9.1] Tambin hay que tener en cuenta el efecto invernadero sobre la atmsfera, el cual est acentuando los cambios que se estn

produciendo actualmente en su composicin, y esto a su vez favorece el calentamiento del clima. El aumento de la temperatura origina cambios en el volumen de las precipitaciones. En el Per se han hecho pronsticos de lluvia basados en pronsticos de la Temperatura del mar , en los cuales revelan que la correlacin encontrada es tan buena que sugiere una relacin emprico-analtica que nos permita estimar las lluvias si conocemos las temperaturas. [9.2]

12

Pueden aparecer adems sorpresas climticas, en forma de cambios de clima bruscos difciles de predecir, al alterarse

radicalmente algunas de las corrientes ocenicas que distribuyen el calor por todo el globo. El clima ejerce una gran influencia, no por cotidiana e

inadvertida menos poderosa, sobre nuestras vidas y la Naturaleza. La fauna y la flora de cada lugar, el agua, los cultivos y, en ltimo trmino, la manera de ser y la cultura de cada rincn del mundo, dependen, entre otros factores, del clima local. Las adaptaciones al clima dan lugar a distintos ecosistemas y sistemas socioeconmicos. La influencia del clima es fcilmente perceptible en las actividades humanas basadas directamente en los ecosistemas, sobre las que descansa nuestra existencia y toda nuestra economa (agricultura, ganadera, silvicultura), y menos aparente, aunque igualmente

relevante en otras actividades como el turismo y otras industrias[9]. Tambin es muy importante desde el punto de vista fisiolgico conocer las condiciones climticas por cuanto stas influyen en las sensaciones trmicas del cuerpo humano. Conocer con certeza las condiciones climticas de una regin determinada es un elemento muy importante en diversos campos de la geografa y de la ingeniera.

13

Principales Factores que afectan el Clima en Venezuela

En el pas se presentan muy diferentes situaciones climticas, algunas caractersticas generales acerca del clima, de acuerdo a la Enciclopedia Salvat [8], son las siguientes: Influencia de la Latitud La Isotermia. Por su ubicacin geogrfica, sabemos que Venezuela se

encuentra ms cerca del ecuador que del trpico de Cncer, por lo que la duracin de los das y las noches es casi la misma, trayendo como consecuencia que sus tipos de clima son isotermos, es decir con temperatura que no varan mucho entre el mes ms fro y el ms caliente, registrndose una oscilacin mxima anual de unos 5C, por el contrario la oscilacin diaria es muy acentuada, y muchas veces excede los 15 C. Las Masas de Aire. De acuerdo con la latitud, Venezuela se encuentra en tres zonas diferentes segn las masas de aire que en ellas actan: 1. Una Zona Sur, mas o menos hasta los 630' de la latitud norte, la cual se encuentra durante casi todo el ao bajo la influencia de aire ecuatorial continental. A estas masa de aire las caracterizan su baja presin la cual se ve acentuada por las altas

14

temperaturas, y en ellas convergen los vientos alisios del noreste y sureste. Por esta caracterstica el aire aqu asciende

constantemente provocando la condensacin de la humedad y altos niveles de pluviosidad (cercanos al 82% del total del agua producida por las precipitaciones del pas) a lo largo de todo el ao. En esta regin no existe periodo de lluvia y verano, solo un descenso de las precipitaciones en los meses de enero y febrero. Esta zona la abarca todo el Territorio Federal Amazonas y el sur del estado Bolvar. 2. Una Zona Central, entre los 630' de la latitud norte y la cordillera de Mrida que sirve de barrera a las masas de aire de la capa inferior de la tropsfera. Esta zona presenta un perodo lluvioso desde abril o mayo hasta septiembre u octubre, provocado por la extensin de las masas ecuatorial hasta los 10 de latitud norte, durante el verano para el hemisferio boreal. Los seis meses restantes se encuentran bajo la influencia de los vientos alisios del noroeste, trayendo como consecuencia el periodo seco. Esta zona la integra: el estado Bolvar, los Llanos, la vertiente oriental de la Cordillera de Mrida y la vertiente sur de la Cordillera de Costa. 3. Una Zona Norte, sobre los 10 de latitud norte y al oeste de la cordillera de Mrida, constantemente bajo la influencia de los vientos alisios o masa de aire tropical martimas del Atlntico

Norte y por tanto con escasez de lluvias en las zonas bajas como

15

las llanuras litorales o la depresin de Barquisimeto y Carora y con abundantes precipitaciones, all donde la geografa ayuda a los alisios a subir por las laderas de los montes. Como conclusin, se puede decir, que las masas de aire que actan en Venezuela son diferentes de acuerdo con la latitud, y en consecuencia el clima tambin es diferente. Influencia de la Altitud Uno de los principales factores que inciden en las condiciones climticas en Venezuela, es la altitud, de acuerdo con este factor se

tienen varios pisos trmicos cuya clasificacin vara dependiendo del autor y la principal dificultad es la ubicacin de un limite, ya que estos pueden presentar variaciones mas o menos fuertes dependiendo de la localidad, caractersticas del relieve, a la exposicin a la insolacin y a la influencia a las masas de aire. En esta investigacin, se utilizar la siguiente divisin [8]:
Tabla 1.1. Clasificacin de Pisos Trmicos en funcin de la Altitud Tipo de Piso Trmico Piso Macrotrmico Piso Mesotrmico Piso Microtrmico Piso Glido Nivel de Altitud De 0 m.s.n.m a 1000. De 1000 m.s.n.m a 3000. De 3000 m.s.n.m a 4700. De 4700 m.s.n.m a 5007.

Fuente. Conocer Venezuela. 1998. Tomo 3. Enciclopedia Salvat.

16

Adems de estas diferencias en las condiciones climticas del pas, dentro de cada gran regin se presentan divergencias espaciales y temporales en el comportamiento de los parmetros climticos. En general, los meses ms fros del ao son diciembre y enero, y los ms clidos marzo y abril, excepto en la zona de los llanos, donde a menudo los meses ms fros son julio a septiembre, por efecto de las elevadas precipitaciones. De diciembre hasta abril la mayor parte del pas est afectada por fuertes inversiones de temperatura a alturas de 1500 a 2000 m.s.n.m., como consecuencia de la circulacin general de la atmsfera. Por encima de esa altura, el aire carece por completo de humedad, por lo que el proceso convectivo de formacin de nubes se ve muy limitado, produciendo as la temporada seca en Venezuela. La regin norte del pas se ve afectada con relativa frecuencia por perturbaciones de origen extratropical, especialmente frentes fros, entre enero y abril, que provocan precipitaciones dentro de la temporada seca. Desde mediados de abril hasta noviembre, el pas est casi en su totalidad bajo la influencia de la zona de convergencia intertropical, que determina la temporada lluviosa sobre Venezuela. La zona sur del pas, entre los paralelos 1 o y 4 o N, aproximadamente, est siempre bajo la influencia de la convergencia intertropical, por lo que nunca se presenta un perodo seco.

17

Clasificacin del Clima en Venezuela

Segn la clasificacin de Keppen [8], en Venezuela existen estos tipos climticos: Tropical Desrtico (rido), ubicacin hacia la franja costera de Falcn y de Sucre, en el golfo de Cariaco, en las islas de Coche y Cubagua, y en la zona de Restinga, de la isla de Margarita.

Tropical Estepario (semirido), ubicado hacia la parte norte de los estados Zulia y Falcn, la depresin Lara-Falcn, la zona costera central, las zonas costeras de la depresin de Unare y parte del estado Sucre, hacia el golfo de Cariaco, y gran parte de la isla de Margarita.

Tropical de Sabana, ubicado en toda la zona de los llanos, en los pie de montes de las serranas de la Costa y de los Andes, en gran parte de los estados Zulia y Lara, en todo el norte del estado Bolvar, incluyendo la zona de la Gran Sabana, en parte de la costa de los estados Falcn y Yaracuy, y en parte de la costa hacia el golfo de Paria.

Tropical Monznico, ubicado como una franja transicional entre los climas tropical de sabana y tropical de selva, hacia el pie de monte de Perij, al sur y parte de la costa oriental y sur oriental del lago de Maracaibo, en parte de las costas del estado Sucre y

18

el pie de monte de turimiquire, en parte de los estados Delta Amacuro, Bolvar y Amazonas, en el pie de monte de las serranas de San Luis (estado Falcn) y de la costa (estados Yaracuy, Carabobo, Aragua y Miranda).

Tropical de Selva, ubicado hacia las sierras de Perij y San Luis, el sur del lago de Maracaibo, Barlovento, en la parte oriental de los estados Delta Amacuro y Bolivar, en la parte sur del estado Bolvar y en todo el estado Amazonas.

Templado de altura siempre lluvioso, ubicado hacia las zonas ms elevadas de los estados Bolvar y Amazonas, en las partes ms altas de las serranas de turimiquire y de Perij, en ambas vertientes de la cordillera de los andes y en la zona de El Nula, estado Tchira.

Templado de altura, ubicado en gran parte de la cordillera de los Andes.

Pramo de altura, ubicado en las zonas localizadas a ms de 3000 m.s.n.m. en la cordillera de los Andes.

Glacial de altura, ubicado en los picos nevados de la cordillera de los Andes.

19

Fundamentos Tericos Acerca de Redes Neuronales

Redes Neuronales Biolgicas

Una de las inquietudes que ha tenido el hombre es estudiar las relaciones entre las caractersticas del cerebro y el comportamiento humano . El cerebro humano es capaz de procesar gran cantidad de informacin de una manera increblemente rpida, combinarla o compararla con la informacin almacenada, dar respuestas adecuadas incluso en situaciones nuevas y aprender a representar la informacin necesaria para desarrollar estas habilidades sin instrucciones

explcitas para ello [10]. La Neuropsicologa ha sido la ciencia que se ha encargado de estudiar estas relaciones. Se ha demostrado que las

funciones motoras que coordina el cerebro y sus correspondientes sentidos estn localizadas con precisin dentro de su estructura.[11 ] Las neuronas constan de tres componentes principales: Dendritas, el Cuerpo Celular y el Axn. Las dendritas una especie de rboles receptores, formados por fibras de nervios que recogen seales de electricidad procedentes de otras neuronas y transportan dichas seales hacia el cuerpo celular. El cuerpo celular suma las seales y calcula una seal de salida que propaga a otras neuronas. Las

20

El axn consta simplemente de hilos de fibras nerviosa los cuales se ramifican, y su funcin es transportar la seal del cuerpo celular hacia otras neuronas. El punto de contracto entre un axn y algunas de las dendritas de otras neuronas se conoce como sinapsis, esta conexin sinptica transforma el impulso elctrico en un mensaje neuroqumico mediante la liberacin de unas sustancias llamadas neurotransmisores. En funcin de la estimulacin total recibida, la neurona toma un cierto nivel de activacin, que se traduce en la generacin de breves impulsos nerviosos con una determinada frecuencia o tasa de disparo, y su propagacin a lo largo del axn hacia las neuronas con las cuales sinapta. Este arreglo de neuronas y la fuerte unin individual sinptica es lo que establece el funcionamiento de una red neuronal biolgica. [12]

Figura 1.1. Neurona y conexiones sinpticas

21

Las estructuras neuronales presentan un continuo cambio a travs de la vida, estos cambios consisten principalmente en el fortalecimiento o maduracin de las uniones sinpticas, as, el aprendizaje se produce mediante la variacin de la efectividad de las sinapsis, de esta manera cambia la influencia que unas neuronas ejercen sobre otras. Por ejemplo, por algn tiempo se ha credo que los nuevos recuerdos son formados por la modificacin de la fortaleza de la unin sinptica, as, el proceso para memorizar la cara de un nuevo amigo consiste en alterar varias uniones sinpticas, de aqu se deduce que la arquitectura, el tipo y la efectividad de las conexiones en un momento dado, representan en cierto modo la memoria conocimiento de la red. [12] Una Red Neuronal Biolgica es un dispositivo no lineal o estado de

altamente paralelo, caracterizado por su robustez y su tolerancia a fallos. Sus principales caractersticas son: Aprendizaje mediante

adaptacin de sus pesos sinpticos a los cambios en el entorno, Memoria distribuida, Manejo de imprecisin, ruido e informacin probabilstica y Generalizacin a partir de ejemplos. [13] El hombre en su inagotable lucha por tratar de imitar estas caractersticas Neuronales ha desarrollado los modelos conocidos como Redes inspirados en el concepto de Redes

Artificiales,

Neuronales Biolgicas.

22

Redes Neuronales Artificiales

Estos

modelos

incluyen

caractersticas

funcionales

configuraciones topolgicas de las neuronas en el cerebro, y ha sido denominados inductivos o subsimblicos, ya que extraen la

informacin necesaria para resolver un problema de un conjunto de ejemplos, sin necesidad de indicarle las reglas necesarias para

resolverlo. Este paradigma de programacin difiere de las secuencias de instrucciones en que la informacin se encuentra almacenada en las conexiones sinpticas. [13] El modelo de una neurona artificial o adaptativa se presenta en la siguiente figura:

ENTRADAS X1

CONEXIONES

FUNCION DE RED net(.)

FUNCION DE ACTIVACION act(.) SALIDA

W1 X2 W2 X3 Wi+1

ENTRADAS PONDERADAS Algoritmo de Entrenamiento

Seal de Entrenamiento

Figura 1.2. Neurona artificial o adaptativa.

23

Los principales aspectos de este modelo son los siguientes: Un conjunto de unidades de procesamiento (neuronas

artificiales). Una entrada externa para cada unidad o entrada constante(X i + 1 ). Conexiones entre unidades, generalmente definidas por un peso. Una regla de propagacin que determina la entrada total de la unidad a partir de sus entradas externas. Una funcin de activacin que determina el estado de activacin en funcin de la entrada total de la unidad. Esta es la caracterstica que mejor define el comportamiento de la misma. Un estado de activacin para cada unidad, que es equivalente a la salida de la unidad. El valor de salida cumplira la funcin de la tasa de disparo en las neuronas biolgicas Una regla de entrenamiento o aprendizaje, que es un mtodo para modificar los valores de los pesos y controlar los pesos y/o estados de las neuronas. Un entorno de trabajo en el que sistema opere, compuesto por seales de entrada y, si es necesario, seales de error.

24

El proceso de operacin de una neurona artificial se puede explicar de la siguiente manera: Existen una serie de seales de entrada que llegan a las neuronas (X 1 ,X 2 , . . . ), estas entradas son ponderadas por un factor multiplicativo de peso (W 1 , W 2 , . .. ) que resaltan de forma diferente la importancia de cada entrada, luego se aplican las reglas de propagacin. Si esta entrada total o neta es mayor que un cierto umbral la neurona responde transmitiendo un pulso a travs de su salida, de lo contrario permanece inactiva. Una vez calculado el valor de activacin, se determina un valor de salida aplicando una funcin de salida sobre la activacin del elemento de procesado. Todos estos aspectos confieren a las redes neuronales artificiales unas caractersticas especiales para imitar a las redes neuronales biolgicas, estas son: Aprendizaje inductivo y Generalizacin a partir de ejemplos, mediante adaptacin de sus pesos sinpticos a los cambios en el entorno, extrae sus propias reglas a partir de los ejemplos de aprendizaje, modifican su comportamiento en funcin de la experiencia. La respuesta obtenida depender del parecido de los datos con los ejemplos de entrenamiento. Memoria distribuida, ya que es capaz de seguir funcionando adecuadamente a pesar de sufrir lesiones con destruccin de neuronas o sus conexiones, debido a que la informacin se halla

25

distribuida por toda la red, sin embargo en un programa tradicional un pequeo fallo en cualquier punto puede

invalidarlo todo y dar un resultado absurdo o no dar ningn resultado. Manejo de imprecisin, ruido e informacin probabilstica, porque son capaces de extraer o abstraer las caractersticas esenciales de las entradas aprendidas, de esta manera pueden procesar correctamente datos incompletos o distorsionados. Procesamiento paralelo, en el sentido de que varias unidades pueden realizar sus clculos al mismo tiempo. Actualmente se

estn desarrollando mquinas especficas para la computacin neuronal. La Funcin de Propagacin La funcin ms utilizada con diferencia es la funcin lineal de base que consiste en la sumatoria ponderada de todas las entradas. [10] Dado una unidad j, y n unidades conectadas a sta, si llamamos X al vector de entradas (que coincide con las salidas de las unidades de la capa anterior) y Wj al vector de pesos de las conexiones correspondientes, esta funcin quedara as:
n

net j ( X, W j ) = x i w ij
i= 1

26

Al representar los pesos utilizamos dos subndices para indicar que conectan dos unidades, i y j, dnde j se refiere la unidad actual. Cuando el peso de la contribucin es positivo se considera que la entrada es excitatoria y cuando el peso es negativo que es inhibitoria. Funcin de Activacin La funcin de activacin calcula la activacin de la unidad en funcin de la entrada total y la activacin previa, aunque en la mayor parte de los casos es simplemente una funcin no decreciente de la entrada total. [10] Se suele distinguir entre funciones lineales, en las que la salida es proporcional a la entrada; funciones de umbral o funcin signo, en las cuales la salida es un valor discreto (tpicamente binario 0/1) que depende de si la estimulacin total supera o no un determinado valor de umbral; y funciones no lineales, no proporcionales a la entrada, tales como la funcin sigmoide unipolar, sigmoide bipolar, la funcin tangente hiperblica, y la funcin gausiana. Las funciones de activacin ms usadas actualmente son no lineales y entre estas probablemente la ms comn es la Funcin de Activacin Sigmoide Unipolar o Sigmoidal ya que su comportamiento es similar a la funcin signo o la de saturacin de uso muy frecuente en ingeniera, pero con la posibilidad de ser diferensiable en todo su dominio . La principal limitacin de la funcin sigmoide unipolar es

27

que no sirve para expresar polaridades, da siempre valores positivos. Funciones alternativas con cualidades parecidas pero con un rango entre -1 y 1 son: la funcin sigmoide bipolar y la tangente hiperblica. La ecuacin de la funcin sigmoide unipolar es la siguiente:

act j ( net j ) =

1 (1 + e
net j /

El problema de trabajar con modelos no lineales radica en que son difciles de describir en trminos lgicos o matemticos

convencionales. Funciones de Salida La funcin de salida empleada usualmente es la funcin

identidad y as la salida de la unidad de procesado es idntica a su nivel de activacin. Topologa La topologa es el nmero de elementos de procesado que forman la red y las interconexiones existentes entre ellos. Para disear una

red debemos establecer como estarn conectadas unas unidades con otras y determinar adecuadamente los pesos de las conexiones. [10]

28

Los elementos de procesado de una red neuronal se distribuyen por capas (conjunto de elementos de procesado que se encuentran en el mismo nivel en la estructura). Existen tres tipos de capas: Capa de entrada: Dependen del problema a abordar, acta como una memoria de entrada, almacenando la informacin bruta suministrada a la red o realizando un sencillo pre-proceso de la misma. Capas ocultas: conjunto de elementos de procesado asociados en capas que se encuentran entre la capa de entrada y la capa de salida, son las encargadas de extraer, procesar y memorizar la informacin. Capa de salida: Salidas que proporciona la estructura, acta como interfaz o buffer de salida, almacenando la respuesta de la red para que pueda ser leda.

Figura 1.3. Modelo de red en cascada de 3 capas

29

El nmero de elementos de procesado puede variar en unas capas respecto a otras. Las funciones tanto de activacin como de salida de los elementos de procesado pueden ser diferentes. No existe limitacin en el nmero de capas ocultas. En general, cuanto mayor sea la diferencia entre los elementos de entrada y los de salida, ser necesario dotar a la estructura de ms capas ocultas. Estas capas ocultas crean una representacin interna de los patrones de entrada. La habilidad de la red para procesar informacin crece en proporcin directa al nmero de capas ocultas. Redes Perceptrnicas Unicapa y Multicapa El perceptrn de capa simple es capaz de localizar la frontera de decisin lineal entre patrones pertenecientes a dos clases, siempre y cuando se garantice la separabilidad lineal de las dos clases de patrones. Este no es adecuado para situaciones en las que aparecen ms de dos clases o las fronteras de decisin no son lineales. Surge una extensin natural denominada Perceptrn multicapa en la cual las mltiples capas de elementos de procesado que aparecen presentan entre ellas conectividad completa. El Perceptrn multicapa presenta una alta capacidad de generalizacin, es decir, es capaz de producir salidas correctas (o al menos aceptables) ante salidas no incluidas en los patrones de entrada usados en la fase de entrenamiento. Adems las fronteras de decisin entre clases no tienen que ser lineales. El Perceptrn multicapa ha sido aplicado en procesos de clasificacin de patrones, aproximacin de funciones, anlisis de escenas, etc.

30

Aprendizaje El aprendizaje es un proceso de adaptacin al entorno, una definicin de aprendizaje en redes neuronales podra ser la siguiente: Proceso por el cual los parmetros libres de una red neuronal son ajustados a travs de un proceso continuo de estimulacin por parte del entorno en donde se sita el sistema. En las redes neuronales la esencia del aprendizaje se encuentra en la modificacin colectiva de los pesos de los elementos de procesado. El tipo de aprendizaje viene determinado por la forma en la que tienen lugar dichos cambios. Esta definicin implica tres hechos fundamentales: La red neuronal se encuentra estimulada por el entorno, cambia como consecuencia de esos estmulos y responde de manera diferente al entorno a causa de los cambios que se han producido en sus estructura interna. Segn Martnez [10] existen tres paradigmas de aprendizaje: Supervisado, No supervisado y Reforzado. Aprendizaje Supervisado: El modo de aprendizaje ms sencillo consiste en la presentacin de patrones de entrada junto a los patrones de salida deseados para cada patrn de entrada. Aprendizaje No Supervisado: En el caso en el que no se le presentan a la red los patrones de salida deseados, ya que no se le indica a la red que resultados debe dar, sino que se le deja seguir alguna regla de autoorganizacin.

31

Aprendizaje Reforzado: Es un tipo de aprendizaje entre los dos anteriores, en este caso el supervisor se limita a indicar si la salida ofrecida por la red es correcta o incorrecta, pero no indica que respuesta debe dar. Cualquiera que sea el tipo de aprendizaje usado, una

caracterstica esencial de la red es la regla de aprendizaje usada, que indica como se modifican los pesos de las conexiones en funcin de los datos usados en la entrada, es decir, de la historia de aprendizaje de la red. Hay bastantes algoritmos dentro de cada una de estas categoras. El aprendizaje requiere la presentacin repetida de un nmero relativamente amplio de ejemplos de entrenamiento hasta lograr una respuesta satisfactoria del sistema. Una vez que la red ha aprendido, es decir, que responde de manera satisfactoria frente a los ejemplos de entrenamiento, se le pueden presentar nuevos datos de entrada. Es usual disponer de un conjunto de datos distintos a los usados para el entrenamiento, para los cuales se sabe cual es la respuesta correcta, y se usan como test para ver si la red responde

adecuadamente frente a datos distintos a los usados durante el aprendizaje, si es as, se considera que la red funciona bien y puede pasar a la fase de aplicacin, es decir, se puede usar para obtener un resultado frente a datos totalmente nuevos para los que no se conoce la respuesta correcta.

32

En este proyecto se utiliz el aprendizaje supervisado, ya que se dispuso de un grupo de entradas y salidas conocidas (datos de Longitud, Latitud y Altitud como entradas ; datos de Temperatura y Humedad Relativa suministradas por las Fuerza Area Venezolana como salidas -Ver Anexos A1 , A2-) y se desea que la red aprenda el comportamiento de estos datos de manera tal que pueda reaccionar de forma adecuada ante un valor de entrada diferente a las dadas para el entrenamiento. El algoritmo de entrenamiento utilizado para este tipo de aprendizaje fue el de la regla delta generalizada (Ver Anexo A3). Aplicaciones de las Redes Neuronales Artificiales

Se han desarrollado aplicaciones para fines muy variados. Se pueden clasificar todas estas aplicaciones en varios dominios: Asociacin y clasificacin Regeneracin / reconstruccin de patrones Regresin y generalizacin Optimizacin Procesamiento de lenguaje natural: Conversin de texto escrito a lenguaje hablado y Aprendizaje de gramticas Compresin de imgenes

33

Reconocimiento de caracteres y Reconocimiento de escritura manual

Problemas de combinatoria Reconocimiento de patrones en imgenes: Clasificacin de objetivos y Visin artificial en robots industriales

Procesamiento de Seales: Modelado de sistemas, Filtro de ruido, Servocontrol

Prediccin, Modelado y prediccin de indicadores econmicos Sntesis funcional. En cuanto a la prediccin, Martnez [10], afirma que se han

obtenido mejores resultados a la hora de predecir series caticas usando retropropagacin que mediante mtodos lineales y

polinomiales. En la ingeniera mecnica se han desarrollado modelos basados en redes neuronales artificiales para simular el rendimiento de intercambiadores de calor, especficamente en el rea de la

refrigeracin se han utilizado para predecir los consumos energticos de edificios comerciales, las cuales han aportado excelentes resultados en comparacin con otros modelos tradicionales, debido a su buena precisin y la facilidad y rapidez en su implementacin.

CAPTULO II

MARCO METODOLGICO

La forma correcta de hacer una estimacin para la temperatura, es construyendo una funcin por partes, que consista en rectas ajustadas para los datos de temperatura y altura para cada piso trmico, tomando en consideracin que la funcin resultante debe ser continua conformada por rectas que cambian su pendiente en el paso de un piso a otro. Los promedios climticos de temperatura y humedad relativa, aportados por la Fuerza Area Venezolana (Ver Anexos A1 y A2), presentan 33 localidades ubicadas en el piso macrotrmico, 3 en el

mesotrmico y ninguna para los dos pisos restantes; por esta escasez de datos la estimacin de la temperatura se realiz sobre los pisos mesotrmicos y macrotrmicos. En el grfico 2.1, se representan los puntos correspondientes a la temperatura promedio y la altura de cada uno de las estaciones meteorolgicas de las FAV. Se puede observar la ecuacin de la recta ajustada por el mtodo de los mnimos cuadrados, donde se aprecia que a una altura de 0 m.s.n.m la temperatura media se puede estimar en 27,255C y que un aumento de 1000 m de cota implica un descenso de la temperatura en 6C. Otro aspecto importante es el coeficiente de

35

correlacin lineal ( =-0,9454) muestra un valor negativo y cercano a uno, lo que implica un fuerte relacin lineal del tipo negativo (al aumentar la altitud desciende la temperatura) entre las dos variables estudiadas.

Temperatura Vs Altura

29

Temperatura = -0,006xAltura + 27,255

27

Coeficiente de Correlacin =-0 ,9454

25

Temperatura [F]

23

21

19

17

15 0 200 400 600 800 1000 1200 1400 1600 1800 Altura [m.s.n.m]

Grfico 2.1. Temperatura Vs. Altura

En el grfico anterior se puede notar que los puntos se distribuyen alrededor de la recta de tendencia, por lo que es posible reducir este error si se considera que la temperatura no slo depende de la altitud, sino tambin de otros factores tales como la latitud y la longitud del sitio, buscando una forma de cuantificar la influencia de

36

la topografa y la incidencia de los vientos.

Con la adicin de estas

variables se podra construir una superficie sobre el mapa de Venezuela donde se pueda ubicar la temperatura conociendo un punto deseado. En lo que resta de este capitulo se estudiar como crear esta superficie utilizando redes neuronales, no solo para temperatura sino tambin para la humedad relativa. Una Red Sencilla

Para comenzar a indagar en el campo de las redes, primero se mostrar una red sencilla, que si bien no tiene ninguna relevancia en el campo tcnico, servir de herramienta pedaggica a lo largo del trabajo. Si se construye un modelo de regresin lineal por el mtodo de los mnimos cuadrados, teniendo como datos de entrada la altura de las estaciones de la Fuerza Area Venezolana y su salida la temperatura media anual, se obtiene: Temperatura = 27,29 6,05 10 3 Altura
donde: Altura: Altura sobre el nivel del mar ( m.s.n.m. ) Temperatura: Temperatura ( C )

(2.1)

En este pequeo ejemplo se utilizar un modelo de red con un perceptrn continuo, cuyas entradas son la altura y una constante, tal

37

como se indica en la figura 2.1:

Figura 2.1. Ilustracin de Perceptron Continuo

Se puede observar que la respuesta de esta red neuronal no es ms que una relacin lineal entre las entradas y las salidas. Para el entrenamiento de esta topologa se utiliz el algoritmo de la regla delta generalizada implementado en Propagator, iterando alrededor de 15000 ciclos, dando el siguiente resultado: Temperatura = 27,22 6,05 10 3 Altura
donde: Altura: Altura sobre el nivel del mar ( m.s.n.m ) Temperatura: Temperatura (C )

(2,2)

Ambos resultados poseen muy poca variacin, pero los tiempos y esfuerzos de cmputos para el entrenamiento de la red son mayores, por lo que este ejemplo es tan slo una muestra pedaggica del uso de las redes neuronales.

38

Alternativas Propuestas

Con la finalidad de poder realizar comparaciones vlidas en base a los datos disponibles, los cuales representan condiciones medias, se plantearon varias alternativas para estimar la temperatura y humedad relativa media anual a travs de modelos por redes neuronales y modelos de regresin lineal. En el siguiente captulo se explica con

detalle cmo se realiz la estimacin de las condiciones exteriores de diseo a partir de las condiciones medias. Modelos por Redes Neuronales

Alternativa 1 Se propuso entrenar una red que tuviera: Como Entradas: Altitud, Latitud y Longitud. Como Salidas: Temperatura y Humedad Relativa media. Tomando en cuenta la dependencia existente entre las variables de entrada y las de salida. Es de hacer notar que en esta topologa las variables de salida se van a entrenar conjuntamente, lo que implica que el comportamiento de una de ellas repercute en el entrenamiento de la otra.

39

Alternativa 2 Como se indic anteriormente, se cuenta con un modelo lineal de la temperatura en funcin de la altura, dado por una regresin lineal y descrito de la siguiente manera: T = 0,006 A + 27,55 +
donde: T: Temperatura Promedio en C. A: Altura en m.s.n.m. : Diferencia entre la temperatura real y la estimada

(2.3)

En las regresiones el valor de es conocido como trmino de perturbacin estocstica y es el parmetro que se desea reducir al mximo. Para este caso dicho factor puede ser funcin de la altitud, latitud y longitud. De esta manera se puede generar una funcin para la prediccin de temperatura a partir del modelo de regresin lineal, que dependa tanto de la altura como tambin de la ubicacin geogrfica del sitio. Para ello se propone el calculo de una red neuronal como se describe en la tabla 2.1.
Tabla 2.1. Entradas y Salidas para la Red descrita en la alternativa 2. Entradas Salidas Altitud [m.s.n.m.] Latitud [] Longitud []
donde: T T : Temperatura media, dada por las estaciones de la FAV. T L : Temperatura obtenida por el modelo de regresin lineal. d : Factor deseado.

por medio de

d = TT Tl

40

Para estimar la humedad relativa utilizando esta alternativa se propuso, una red cuyas entradas fuesen: Altitud, Latitud, Longitud y Temperatura, donde esta ltima fuese el valor estimado por medio de la primera red. Alternativa 3 Otra posibilidad planteada consisti en el entrenamiento de una red con entradas: Longitud, Latitud y Altitud; como salidas:

Temperatura y Humedad Relativa media, para todos los datos por encima de 10 de latitud norte y otra red diferente para los puntos localizados por debajo de esta referencia. Normalizacin de los Datos

Al normalizar las variables de entrada y salida, se garantiza que todas las variables posean la misma incidencia sobre el resultado, es decir, que ninguna variable por poseer valores significativamente mayores que los de otra, puedan influir ms sobre el resultado, adems garantizar la convergencia del mtodo de entrenamiento. En base a esto, el primer paso para comenzar a entrenar la red, consisti en convertir las coordenadas de la posicin geogrfica de los datos, las cuales vienen dadas en Grados(), Minutos() y Segundos() a un formato de Grados ().

41

Una vez que se convirtieron los datos anteriores a un mismo formato, se procedi a normalizar, tanto las variables de entrada como las de salida, puesto que los rangos de variacin de stas diferan significativamente, por lo tanto, se normalizaron las variables entre 0 y 1, utilizando como base los valores mximos y mnimos, en base a la siguiente relacin: VR Vmin Vmax Vmin

VN =

(2.4)

donde: V N = Valor Normalizado V R = Valor Real de la Variable V m a x = Valor Mximo que toma la Variable V m i n = Valor Mnimo que toma la Variable

En base a la relacin anterior, las ecuaciones utilizadas para normalizar las entradas fueron las siguientes: Altura 1800

AN =

(2.5)

La N =

Latitud 4 12 4 Longitud 60 73 60

(2.6)

Lg N =

(2.7)

42

donde: A N = Altura Normalizada Altura = Altura sobre el nivel del mar ( m.s.n.m ) Lg N = Longitud Normalizada Longitud = Longitud 0 de Greenwich ( ) La N = Latitud Normalizada Latitud = Latitud Norte ( )

De igual forma, para normalizar las salidas, se usaron las siguientes ecuaciones: Temperatura 15 30 15

TN =

(2.8)

HR N =

Humedad Re lativa 65 90 65

(2.9)

donde: T N = Temperatura Normalizada Temperatura = Temperatura ( C ) HR N = Humedad Relativa Normalizada HumedadRelativa = Humedad Relativa ( % )

Para la alternativa 2, se utiliz la misma normalizacin salvo que para el caso del factor ( ), se procedi de la siguiente manera: R 0,1539 0,0919 + 0,1540

N =

(2.10)

donde: N : Factor Normalizado R : Factor Deseado

43

Seleccin de Datos para Entrenamiento y Validacin

En la parte terica se indic que al momento de entrenar una red es necesario utilizar una parte de los datos para el entrenamiento y otra parte para validar que tan confiables son los resultados obtenidos. Para esta investigacin se cont con un total de 36 datos, pertenecientes a las diferentes estaciones de la Fuerza Area

Venezolana (Ver Anexo A1).

Debido al escaso nmero de datos

disponibles, uno de los problemas presentados consisti en cmo realizar la seleccin de los datos que se utilizaran para el

entrenamiento y la validacin . una muestra estratificada.

Este problema se resolvi utilizando

Para comenzar se dividi el mapa del pas en 22 sectores de igual latitud y longitud y se procedi a ubicar sobre ste los puntos de acuerdo a la ubicacin geogrfica correspondiente. En el mapa

presentado en la figura 2.2 puede observarse que la mayora de los datos se encuentran ubicados en zonas cuyas latitudes son mayores a 6 (Sectores 1 al 15), con excepcin de dos datos (pertenecientes a las estaciones de Puerto Ayacucho y Santa Elena de Uuairen), por lo tanto stos se despreciaron, puesto que no aportaran suficiente informacin a la red acerca de sus condiciones climticas que, tal como se indic en la parte terica, difieren significativamente a las del resto del pas.

44

Figura 2.2 : Divisin del Pas por Sectores y Ubicacin de Datos

Se decidi utilizar un 75% de datos para el entrenamiento y los restantes para validacin. En cada sector se seleccionaron para datos de validacin aquellos cuyas caractersticas (tales como altura, latitud, longitud), no aportaran informacin importante al momento de entrenar la red (es decir se encontraran dentro del rango de variacin y no representaran valores extremos). Aplicando el procedimiento los datos para validacin quedaron constituidos por las siguientes estaciones: La Caada, Barquisimeto, Maracay, Barcelona, Acarigua, Valera, Guanare, El Viga y Calabozo.

45

Modelos por Regresin Lineal

El anlisis de regresin modelos de regresin lineal consisten en la bsqueda de una ecuacin que se ajuste lo mejor posible a las relaciones obtenidas experimentalmente [15]. Es utilizado para la

prediccin o estimacin del valor que toma una variable cuando se conoce el valor de otras. tipos: Simple y Mltiple. El anlisis de regresin se clasifica en dos El modelo de regresin lineal simple sirve

para determinar el valor de una variable dependiente en funcin de otra independiente. El modelo de regresin lineal mltiple se emplea para estimar el valor de una variable dependiente con base a dos o ms variables independientes. [16] Alternativa 4 Se plante utilizar Modelo por Regresin Lineal Simple, a travs del mtodo de los mnimos cuadrados, para obtener las ecuaciones de las rectas que mejor se ajustan para la estimacin de la temperatura y de la humedad relativa en base nicamente a la altura. Alternativa 5 En este caso se propuso aplicar el Modelo por Regresin Lineal Mltiple Matricial para encontrar una ecuacin para la temperatura, en base a la altura, latitud y longitud y otra para la humedad relativa media, en base a la temperatura media, altura, latitud y longitud.

CAPTULO III

RESULTADOS

En este captulo se presentan los modelos y resultados obtenidos para cada una de las alternativas propuestas en el captulo anterior. Modelos Obtenidos

Modelos por Redes Neuronales

Alternativa 1 Se entren lar red, utilizando el Propagator, con pesos iniciales aleatorios entre 1 y 1. Se utilizaron diferentes topologas, pero la que mejor se adapt est contenida en el Cuadro 3.1.
Cuadro 3.1. Topologa de la Red obtenida para la Alternativa 1. Topologa de la Alternativa 1 Entradas 3 (Altitud, Latitud y Longitud) Salidas 2 (Temp. y Humedad Relativa) Nmero de Capas 4 Neuronas por Capa Capa 1: 10 neuronas Capa 2: 6 neuronas Capa 3: 10 neuronas Capa 4: 2 neuronas Funciones de Activacin Sigmoide unipolar Algoritmo de Entrenamiento Regla Delta Generalizada Factor de Momento 0,95 Constante de Aprendizaje 0,0002 Ciclos de Entrenamiento 500000

47

Alternativa 2 Al igual que para la red presentada en la Alternativa 1, el entrenamiento se realiz utilizando el programa Propagator, con pesos iniciales aleatorios entre 1 y 1, resultando la siguiente topologa:
Cuadro 3.2. Topologa dela Red obtenida para la Alternativa 2. Topologa de la Alternativa 2 Entradas 3 (Altitud, Latitud y Longitud) Salidas 1 (Temperatura) Nmero de Capas 3 Neuronas por Capa Capa 1: 13 neuronas Capa 2: 6 neuronas Capa 3: 1 neurona Funciones de Activacin Sigmoide unipolar Algoritmo de Entrenamiento Regla Delta Generalizada Factor de Momento 0,95 Constante de Aprendizaje 0,0002 Ciclos de Entrenamiento 100000

Alternativa 3 En este caso, las distintas topologas e iteraciones realizadas para entrenar esta puesto siempre red que no los convergieron errores hacia un resultado el los

satisfactorio, Propagator,

encontrados,

utilizando que

fueron

significativamente

mayores

aportados por las dos alternativas anteriores; por esta razn se desprecia esta alternativa para la presentacin de los resultados y los anlisis que se brindan en lo sucesivo.

48

Modelos por Regresin Lineal

Alternativa 4 Las ecuaciones obtenidas para determinar la temperatura y humedad relativa media fueron las siguientes: TN = 0.8193 0.7219 A N HR N = 0.5094 + 0.0198 A N
donde T N : Temperatura Normalizada HR N : Humedad Relativa Normalizada A N : Altura Normalizada

(3.1) (3.2)

En este modelo se observa que la altura tiene una incidencia positiva muy pequea en la humedad relativa, sin embargo, posee una gran incidencia negativa sobre la temperatura. Alternativa 5 Las ecuaciones obtenidas para el modelo de regresin lineal mltiple se presentan a continuacin: TN = 0.1113 Lg N + 0.0293 La N 0.7555 A N + 0.6962 HR N = 1.2194 TN + 0.0003 Lg N + 0.2366 La N 0.8121 A N + 1.3322 (3.3) (3.4)

49

donde T N : Temperatura Normalizada HR N : Humedad Relativa Normalizada Lg N : Longitud Normalizada La N = Latitud Normalizada A N = Altura Normalizada

En las ecuaciones anteriores puede notarse que para el clculo de la temperatura, la altura es el factor preponderante sobre el modelo, no obstante, para el clculo de la humedad relativa, el trmino aportado por la temperatura es que influye de forma ms significativa, seguido por el aportado por la altitud. Resultados Obtenidos

A continuacin, se presentan tabulados los errores para cada una de las alternativas propuestas en las variables a estimar, as como el anlisis de los resultados obtenidos. Temperatura Media

Tabla 3.1. Errores absolutos porcentuales promedio para Entrenamiento, Errores absolutos porcentuales promedio para Validacin, Errores absolutos porcentuales Mximo, Mnimo, Promedio y Varianza, en la Variable Temperatura Media, obtenidos para las distintas alternativas propuestas. Alternativa Temperatura Media (C) 1 2 4 5 Error medio: Entrenamiento(%) 1,57 2,31 Error medio: Validacin (%) 1,34 1,21 Error mximo 10,29 7,26 9,27 9,18 Error mnimo 0,00 0,00 0,00 0,00 Error promedio total 1,50 2,02 2,79 3,42 Varianza 4,24 3,36 5,94 4,94 Fuente. Pereyra, E. Y Vielma, J. (2000)

50

De los resultados presentados en la tabla 3.1, se puede inferir que el mejor error absoluto promedio porcentual total obtenido fue a travs de la Alternativa 1, sin embargo, al compararla con la Alternativa 2, se observa que la varianza y error mximo de sta ltima son menores, por lo tanto, la diferencia en el error absoluto promedio no resulta significativa frente a los dos parmetros anteriormente mencionados; razn por la cual se escogi la Alternativa 2 para la estimacin de la Temperatura media. Adicionalmente, debido a la carencia de datos cuyas altitudes excedieran los 1600 mts., la Alternativa 1 no presenta un buen comportamiento en la estimacin de temperaturas para estas

localidades, obstante, la Alternativa 2, por poseer como base un modelo lineal, tiende a adaptarse mejor en estos casos. Tambin, se puede destacar que la topologa resultante para la Alternativa 2 (ver Cuadros 3.1 y 3.2), fue ms sencilla que para la primera, puesto que posee una capa menos, lo cual se traduce en menor tiempo de procesamiento, y los ciclos requeridos para el entrenamiento fueron menores, cuestin que resulta favorable, puesto tiende en menor medida al fenmeno de memorizacin, que se presenta cuando se utiliza un excesivo nmero de ciclos para el entrenamiento, esto se verifica en el valor de error absoluto promedio porcentual de validacin obtenido para esta alternativa, el cual es menor que el error de entrenamiento.

51

Humedad Relativa Media

Tabla 3.2. Errores absolutos porcentuales promedio para Entrenamiento, Errores absolutos porcentuales promedio para Validacin, Errores absolutos porcentuales Mximo, Mnimo, Promedio y Varianza, en la Variable Humedad Relativa Media, obtenidos para las distintas alternativas propuestas. Alternativa Humedad Relativa Media (%) 1 2 4 5 Error medio: Entrenamiento(%) 0,75 1,23 Error medio: Validacin (%) 1.47 6,10 Error mximo (%) 4,00 9,59 16,42 16,18 Error mnimo (%) 0,00 0,00 0,00 0,00 Error medio total (%) 0,94 2,52 4,75 4,68 Varianza 0,94 11,68 18,63 17,99 Fuente. Pereyra, E. Y Vielma, J. (2000).

A partir de los resultados presentados en la tabla 3.2, se eligi la Alternativa 1, debido a que tanto los errores como la varianza encontrada resultaron significativamente menores en comparacin al resto de las alternativas propuestas, lo cual reafirma la validez que presenta la implementacin de esta red neuronal para la estimacin de humedad relativa frente a los modelos de regresin lineal

tradicionales.

Esta razn puede ser atribuida a que , quizs, el

comportamiento de esta variable no es tan lineal, ni depende tanto de la altura, como para el caso de la temperatura. Adicionalmente, ntese el valor del error para validacin

proporcionado por la alternativa elegida, el cual es mucho menor que el error de entrenamiento, indicador de que esta red no presenta el fenmeno de memorizacin.

52

Clculo de las Condiciones de Diseo

Para el diseo de sistemas de aire acondicionado se requiere conocer las condiciones exteriores para la localidad, representadas por temperatura mxima media anual junto con la humedad relativa correspondiente, el rango diario de variacin de temperatura y el mes. Tal como se indic en el captulo anterior, para la realizacin de este proyecto, slo se cont con los datos correspondientes a las condiciones medias de las estaciones pertenecientes a la Fuerza Area Venezolana (Ver Anexo A-1), sin embargo, se realiz una estimacin de las condiciones para el diseo, utilizando los datos presentados en la referencia [2], para el perodo comprendido desde 1961 hasta 1990. Igualmente, en el primer captulo se coment que el planeta ha presentado un calentamiento global y por ende un cambio en el clima, por esta razn se utilizaron los datos del 89 al 98 para estimar las condiciones medias, luego se estim el rango medio diario, tanto de la temperatura como de la humedad relativa, aportados por los datos del 61 al 90, ya que dichos datos deben verse menos afectados por causa del calentamiento global. Para la estimacin de la humedad relativa mnima y la

temperatura mxima se procedi a realizar un ajuste de la siguiente manera:

53

Para el rango de temperatura se tomaron como variables independiente la temperatura media estimada a travs de la red y la altitud del sitio. Se calcul la temperatura de diseo, sumndole a la media estimada, el rango diario dividido por dos. Para estimar la humedad relativa correspondiente, se tom el peor caso, es decir, cuando la humedad relativa fuese mnima, ya que al aumentar la temperatura la humedad decrece. Se tomaron como variables independiente la humedad relativa media

estimada por medio de la red neuronal y la altitud del sitio, para estimar un rango de variacin. Luego se calcul la humedad relativa mnima restndole a la humedad media estimada la variacin de la humedad relativa dividida por dos. Se estim el mes de temperatura media mxima anual, utilizando un modelo obtenido a travs de una red neuronal, para aprovechar clasificacin. Rango de Temperatura las ventajas que ofrecen las redes para la

Se encontr el mejor modelo de regresin mltiple para el clculo del rango medio diario, en funcin de la altura y la temperatura media neuronal, utilizando el programa Data Fit.

54

RangoDiario = a + b Tn + c Alt + d Tn 2 + e Alt 2 + f Tn Alt + g Tn 3 + h Alt 3 + i Tn Alt 2 + j Tn 2 Alt

Td = Tn +

RangoDiario 2

donde: Td: Temperatura Mxima Media Anual (C) Tn: Temperatura Media Neuronal (C) Alt: Altura en m.s.n.m. a = 62688,1904748121 b = -6829,60307200536 c = -50,0552860060632 d = 247,985263091094

e = 1,28679293592871E-02 f = 3,64388799058 g = -3,0006565773 h = -1,06977492476 E-06 i= -4,69602292297 E-04 j = -6,62823198658 E-02

Tabla 3.3. Errores absolutos porcentuales Mximo, Mnimo y Medio en la Variable Rango Diario de Temperatura. Rango Diario de Temperatura (C) (%) C Error mximo 28,57 2 Error mnimo 0 0 Error medio 8,33 0,79 Fuente. Pereyra, E. Y Vielma, J. (2000).

En la tabla 3.3, se observa que los errores porcentuales son elevados, sin embargo, ntese la pequea variacin en C del rango de temperatura, correspondiente a 0,79 C en promedio y a lo sumo 2 C del valor real.

55

Humedad Relativa

Se encontr el mejor modelo de regresin lineal mltiple para el clculo del rango de variacin de la humedad relativa, en funcin de la altura y la humedad relativa media neuronal, utilizando el programa Data Fit. El modelo resultante fue el siguiente: RangoHRdiario = a + f b d + c log(Alt + 100) + + e log(Alt + 100) 2 + 2 HRn HRn

log(Alt + 100) g log(Alt + 100) 2 log(Alt + 100) 2 + + h log(Alt + 100) 3 + i + j HRn HRn HRn 3 HRn 2 HRd = HRn RangoHRdiario

donde: HRd: Humedad Relativa Mnima Media (%) e = 49,1334080047758 HRn: Humedad Relativa Neuronal (%) f = 58728,7588013876 Altura en m.s.n.m. g = -2248625283,43966 a = 6103,29258797794 h = 2,48012192248246 b = -1178543,1439614 i = -7563,42032588415 c = -629,902178569242 j = 1093534,56304205 d = 79923920,8338941 Tabla 3.4. Errores absolutos porcentuales Mximo, Mnimo y Medio en la Variable Variacin Diaria de la Humedad Relativa. Rango Diario de Humedad Relativa (%) (%) HR (%) Error mximo 40.00 7 Error mnimo 0 0 Error medio 13.56 2.61 Fuente. Pereyra, E. Y Vielma, J. (2000).

En la tabla 3.4 se puede notar que existe un alto valor de los errores porcentuales. Esto es causado por el pequeo valor de los

rangos de variacin con respecto al error absoluto.

56

Mes de Temperatura Media Mxima

Cuadro 3.3. Topologa de la Red obtenida para el Mes de Diseo. Topologa de la Alternativa 1 Entradas 3 ( Latitud y Longitud) Salidas 1 (Mes de Diseo) Nmero de Capas 4 Neuronas por Capa Capa 1: 23 neuronas Capa 2: 2 neuronas Capa 3: 1 neurona Funciones de Activacin Capa 1,2 y3: Tangente hiperblica Capa 4: Sigmoide unipolar Algoritmo de Entrenamiento Regla Delta Generalizada Factor de Momento 0,95 Constante de Aprendizaje 0,0002 Ciclos de Entrenamiento 50000

La seleccin de los datos de entrenamiento y validacin, fue similar a la utilizada para las alternativas 1 y 2, slo que se eliminaron los puntos con latitud inferior a 8 y se pasaron para entrenamiento las localidades de Maracay y Valera. La red entrenada clasific correctamente el 76% de los 29 datos disponibles, cometiendo un error de slo un mes en cada clasificacin errnea. De acuerdo a la referencia [8], las zonas con latitudes inferiores a los 630, presentan un descenso de las precipitaciones durante el mes de febrero, lo que implica un aumento de la temperatura, por lo cual, se utilizar este mes cuando se trate una localidad correspondiente al caso antes mencionado. febrero y abril. En el anexo A2 puede

verificarse que el mes de diseo para estas localidades vara entre

CAPTULO IV

IMPLEMENTACIN DE PROGRAMAS

Presentacin

El sistema computarizado desarrollado se denomin V.C-Design. Es un programa, en basado redes en tcnicas de que inteligencia permite artificial, las

especficamente

neuronales,

estimar

condiciones exteriores de diseo para sistemas de refrigeracin y aire acondicionado en Venezuela, a partir de la altitud, latitud y longitud de la localidad deseada, as como las condiciones medias y calcular las propiedades termodinmicas del aire. Este programa se desarroll en Visual Basic 6.0 Estructuracin

VC-Design posee en un principio dos opciones para ingresar los datos, bien sea que el usuario desee saber una estimacin para un ciudad contenida en la base de datos interna, introducir los datos de la localidad manualmente.

58

Entradas al Programa

Dependen de la opcin seleccionada por el usuario: 1. Si desea seleccionar una ciudad entre las existentes en la base de datos interna del programa, la entrada ser la secuencia de dos opciones: el estado, y luego la localidad de su inters. 2. Si por el contrario, el usuario conoce la altura y coordenadas del punto, estos datos se pueden ingresar de forma directa a la ventana de calculo, donde se realiza la estimacin de las condiciones. Salidas del Programa

El programa estima las condiciones medias exteriores de diseo, tales como: Temperatura Mxima Media Anual, Rango Medio Diario, Humedad Relativa Mnima Media Anual y Mes de Mxima

Temperatura Media; las condiciones medias: Temperatura, Humedad Relativa y suministra el valor de las propiedades termodinmicas del aire (presin, entalpa, humedad especfica, temperatura de bulbo hmedo, temperatura del punto de roco y volumen especfico), de tal forma que el ingeniero mecnico cuente con el conjunto de datos para las condiciones exteriores que le permita realizar mejores clculos para la localidad donde se implementar el sistema de refrigeracin y aire acondicionado.

59

Mdulos o Estructuras

Mdulo 1: Seleccin de Opcin para Introducir Datos (SELDATO) Precondicin Abrir el Programa Una vez que se ejecuta la aplicacin, este mdulo toma el control de la secuencia y espera la opcin del usuario sobre como le suministrar los datos al programa: Accin Opcin 1: Seleccionar una de las localidades existentes en la base de datos interna del programa. Opcin 2: Nueva Localidad, introduciendo la altura y coordenadas de la misma. Al finalizar este mdulo, la secuencia del programa ser entregada al mdulo 2 (SELEDO) si se eligi la Salida opcin 1 al mdulo 4 (CALC) en caso de haber seleccionado la opcin 2.

Precondicin

Accin

Salida

Mdulo 2: Seleccin de Estado (SELEDO) La seleccin de la Opcin 1, perteneciente al mdulo 1: Escoger Localidad Existente en la base de datos. En este mdulo el programa muestra en forma grfica el mapa de Venezuela, de tal forma que la persona pueda seleccionar el estado de su inters, la variable de entrada ser un clic sobre el estado que la persona desea. Al finalizar este mdulo, la secuencia del programa ser entregada al mdulo 3 (SELOCA).

60

Mdulo 3: Seleccin de la Localidad por Estado (SELOCA) La seleccin de un estado mediante el mdulo 2 Precondicin (SELEDO). En este mdulo se presenta al usuario el mapa del estado y las ciudades disponibles en la base de datos interna del programa, la entrada ser la escogencia de Accin una de las localidades existentes, de inmediato el mdulo asigna a las variables globales de Altura, Latitud y Longitud, los valores correspondientes para la ciudad seleccionada. La ejecucin es entregada al mdulo clculo, donde las Salida variables de entrada a la red se inicializan con los valores de las variables globales antes descritas.

Descripcin

Mdulo 4: Calculo (CALC) En este Mdulo se realizan los clculos del programa, se divide a su vez en tres sub mdulos: Sub Mdulo 4.1. Clculo y Verificacin de la Altura Longitud y Latitud (SCALC1) Sub Mdulo 4.2. Clculo de la Red (SCALC2) Sub Mdulo 4.3. Clculo de Propiedades (SCALC3)

Sub Mdulo4.1. Calculo y Verificacin de la Altura, Longitud y Latitud (SCALC1): La ejecucin del mdulo 3 (SELOCA) del mdulo 1 Precondicin (SELDATO), en caso de haber elegido la Opcin 2. En este mdulo se convierte la Latitud y Longitud a Accin grados (), verificando que se encuentren dentro del cuadrante para Venezuela. Variables Latitud y Longitud, en grados, listas para la Salida estimacin por la red neuronal.

61

Sub Mdulo4.2. Clculo del Modelo de la Red (SCALC2): Precondicin La ejecucin del sub mdulo 4.1 (SCALC1). En Primer lugar, se leen los pesos de la red de un archivo de texto, se almacenan en una matriz para Accin luego realizar la operacin con las entradas y de esta manera conseguir la estimacin de las condiciones medias y de diseo. Al finalizar este mdulo el programa le entrega al Salida siguiente mdulo un par de variables con la estimacin de los parmetros antes descritos.

Sub Mdulo4.3. Calculo de Propiedades Termodinmicas (SCALC3) Precondicin La ejecucin del sub mdulo4.2 (SCALC2). Se calculan las propiedades del aire, a partir de la Accin temperatura y humedad relativa de diseo estimadas, por medio de las ecuaciones de las Ashrae [1]. Luego de la ejecucin de este cdigo, el programa se detiene presentndole al usuario las variables estimadas y propiedades calculadas; adems le permite las siguientes opciones: 1. Calcular una nueva localidad seleccionndola de Salida la base de datos interna. 2. Calcular una nueva localidad a partir de datos aportados por el usuario. 3. Guardar resultados obtenidos en un archivo tipo texto. 4. Salir

62

Inicio

Mdulo 1 (SELDATO) Opciones: 1.- Seleccionar Localidad Existente. 2.- Localidad Nueva.

Opcin=1

Opcin=2
Entrada: Altitud Latitud Longitud

Mdulo 2 (SELEDO)

Mdulo 3 (SELOCA)

Mdulo 4 (Calc). Sub Mdulo 4.1 (SCALC1)

Sub Mdulo 4.2 (SCALC2)

Sub Mdulo 4.3 (SCALC3)

Fin

Figura 4.1. Diagrama de Flujo de V.C-Design

CAPTULO V

RECOMENDACIONES

A pesar de que los resultados obtenidos utilizando los modelos de redes neuronales fueron muy satisfactorios, se recomienda usar los modelo en la estimacin de condiciones de diseo para localidades con latitudes comprendidas entre 6 y 12, debido a que la red se entren para datos comprendidos en esta zona. Tal como se indic a lo largo de la investigacin no pudo realizarse el entrenamiento para latitudes comprendidas entre 1 y 6 por poseer una informacin insuficiente, debido a esta razn la extrapolacin de resultados en estos caso, quizs no arroje muy buenos resultados. Esta investigacin representa slo un primer paso en este campo, se espera que abra puertas y motive a otras personas para continuar indagando sobre el tema, a nivel mayor de detalle, por ejemplo hacer uso de redes neuronales entrenndolas de acuerdo al tipo de clima (clasificacin de Kppen), por pisos trmicos , de acuerdo al nivel de precipitacin, alternativas que se plantearon en el proyecto, pero no se pudieron desarrollar debido al escaso nmero de datos disponibles. De igual manera, se recomienda la divulgacin de los resultados obtenidos dentro de la Universidad de los Andes y otras Universidades, con la finalidad de proyectar una nueva alternativa,

vlida y eficaz para la estimacin de condiciones climticas.

PARTE II

CAPTULO I

MARCO TERICO

Fundamentos Acerca de Psicrometra

La psicrometra corresponde al estudio de mezclas de gases ideales con un vapor condensable, es decir, es la mezcla de aire atmosfrico que contiene gases ideales y vapor de agua. [17] Ecuaciones de la Carta Psicromtrica

Para comenzar a desarrollar de forma ordenada y concisa la deduccin de las ecuaciones necesarias para la construccin de la carta psicromtrica, en primer lugar hay que estar consciente de las curvas que se deben representar y las variables que entran en juego (propiedades termodinmicas termodinmicas que se del aire). Las en propiedades las cartas

representan

comnmente

psicromtricas, para una presin absoluta dada, se pueden observar en la figura siguiente:

66

Fig. 1.1:

Partes de la Carta Psicromtrica

Si bien el aire es una mezcla de gases casi perfectos, se considera por lo general como un gas homogneo, cuyos componentes

individuales tienen propiedades diferentes. la

Estas propiedades, como

constante de los gases ser una propiedad promedio, o bien una

propiedad total como la presin. En los casos en que se considera el aire como una sustancia homognea, se supone que se trata de aire seco es decir sin mezcla de vapor y agua. Sin embargo en la realidad el aire busca un equilibrio con sus alrededores, que en su mayor parte son agua lquida, cuando se alcanza el equilibrio la velocidad de

evaporacin del agua lquida iguala a la velocidad de condensacin del

67

vapor de agua, entonces el vapor de agua se convierte en un gas mezclado con aire. [18] Simplificaciones La fase gaseosa se considera una mezcla de gases ideales. La fase lquida no contiene gases disueltos. El estado de equilibrio entre el vapor y su fase condensada no se altera por la presencia de otras sustancias. A continuacin se presentan algunos conceptos y ecuaciones importantes relacionados con las propiedades del aire, para esto se sigui la metodologa explicada por el ASHRAE Fundamental

Handbook, (1997) [1] Humedad Especfica (W). La humedad especifica (o relacin de humedad) de una muestra de aire hmedo, est definida como la relacin entre la masa del vapor de agua entre la masa de aire seco contenido en la muestra: mw ma

W=

(1.1)

donde m w : masa de vapor de agua m a : masa de aire seco

(Lb) (Lb)

68

La humedad especifica tambin se puede calcular por la relacin entre las fracciones molares multiplicadas por la masa molecular: m w 18,01528 X w X = = 0,62198 w m a 28,9645 X a Xa

W=

(1.2)

donde X w : fraccin molar de vapor de agua X a : fraccin molar de aire seco

Ahora bien, supngase que el vapor de agua y el aire se comportan como un gas ideal, entonces, las ecuaciones para cada uno de ellos estn dadas por: Para el Aire Seco: Pa V = n a R T (1.3) Para el Vapor de Agua: Pw V = n w R T (1.4)

donde P a : Presin parcial de aire seco P w: Presin parcial de vapor de agua V: Volumen total de la mezcla n a : Nmero de moles de aire seco n w: N mero de moles de vapor de agua R: Constante del gas universal T: Temperatura absoluta R

69

La mezcla tambin se puede escribir como una ecuacin de gas ideal: P V = nR T (Pa + Pw ) V = ( n a + n w ) R T
donde P= Pa+Pw : Presin total de la mezcla n=na+nw : Nmero de moles total de la mezcla

(1.5)

(1.6)

Dividiendo la ecuacin 1.3 entre la 1.6, se tiene: Pa V na RT = (Pa + Pw ) V ( n a + n w ) R T La fraccin molar de aire seco se obtiene simplificando la relacin anterior: Pa P

Xa =

(1.7)

De igual forma, dividiendo la ecuacin 1.4 entre la 1.6, se obtiene la fraccin molar de vapor de agua: Pw P

Xw =

(1.8)

70

Finalmente, sustituyendo las ecuaciones 1.7 y 1.8 en 1.2, se tiene: Pw P Pw

W = 0,62198

(1.9)

Si el vapor de agua se encuentra mezclado con el aire y coexiste en equilibrio con el agua lquida, entonces decimos que el vapor de agua es entonces vapor saturado y a esta mezcla se le denomina aire saturado. Cualquier otro nivel de mezcla que se encuentre entre los

lmites de aire saturado y aire secos, se mide de acuerdo a la calidad de la mezcla, y se puede estudiar por medio de la humedad relativa. Humedad Relativa (). Se define como la relacin de entre la fraccin molar de vapor de agua X w perteneciente a una mezcla de aire hmedo, y la fraccin de X w s si la mezcla estuviera saturada a la misma presin y temperatura:

Xw X ws

(1.10)
t, P

La humedad relativa tambin suele expresarse en trminos de relacin de s presin, sustituyendo las ecuaciones 1.7 y 1.8 en 1.10:

Pw Pws

(1.11)
t ,P

71

Despejando: Pw = Pws (1.12)

Usualmente la humedad relativa es expresada como una relacin porcentual. Grado de Saturacin del aire () Es el cociente entre la humedad especifica W y la humedad especifica del aire saturado a la misma temperatura y presin: W Ws t , p con la de humedad

(1.15)

Combinando

esta

relacin

relativa

realizando ciertas manipulaciones, se puede conseguir la siguiente expresin: 1 ( 1 ) (Pws P )

(1.16)

Lnea de Saturacin del agua. Al momento de determinar las propiedades del aire hmedo, principalmente la humedad especfica, es indispensable el

conocimiento de la presin de saturacin del vapor de agua. Para la

72

estimacin de este valor, Hyland y Wexler, proponen las siguientes ecuaciones: Para temperaturas desde -148 hasta 32 F (-100 hasta 0C) C1 + C 2 + C 3 T + C4 T 2 + C5 T 3 + C 6 T 4 + C 7 ln(T) T
C 5 = 3,5575832 x 10 - 1 0 C 6 = -9,0344688 x 10 - 1 4 C 7 = 4,1635019 x 10 0

ln(Pws) =

(1.13)

C 1 = -1,0214165 x 10 4 C 2 = -4,8932428 x 10 0 C 3 = -5,376579 x 10 - 3 C 4 = 1,9202377 x 10 - 7

Para temperaturas desde 32 hasta 392 F (0 hasta 200C) C8 + C9 + C 10 T + C 11 T 2 + C 12 T 3 + C 13 ln(T) T (1.14)

C 8 = -1,0440397 x 10 4 C 9 = -1,1294650 x 10 1 C 1 0 = -2,7022355 x 10 - 2 C 1 1 = 1 , 2890360 x 10 - 5 C 1 2 = -2,4780681 x 10 - 9 C 1 3 = 6,5459673 x 10 0

ln(Pws) =

En ambas ecuaciones: Pws: Presin de saturacin. [Psia] T: Temperatura Absoluta, R = F+459,67

El objetivo de este proyecto es la construccin de cartas psicromtricas para diferentes niveles de altura, especficamente en Venezuela, sea hace evidente que solo utilizaremos la ecuacin 1.14.

73

Volumen Especifico (v). El volumen especifico de una muestra de aire hmedo, es expresada en trminos de unidad de masa de aire seco: V V = m a 28,9645 na

v=

(1.15)

donde V : Volumen total de la mezcla na: Nmero total de moles de aire seco.

Sustituyendo la ecuacin 1.3 en la 1.15, y la relacin P = Pa + Pw , se tiene: R T RT = a 28,9645 (P Pw ) P Pw

v=

(1.16)

Expresada en trminos de la ecuacin 1.9: R T ( 1 + 1.6078 W ) R a T ( 1 + 1.6078 W) = 28,9645 P P anterior puede ser expresada en

v=

(1.17)

La

ecuacin

unidades

especificas de la siguiente manera: 0, 7543 ( t + 459,67 ) (1 + 1,6078 W) P

v=

(1.18)

74

En la cual: t : Temperatura de bulbo seco [F]. W: Humedad especifica [lb(agua)/lb(aire seco)]. P : Presin total en inHg.

: Volumen especifico [ft 3 /lb].

Entalpa (h). La entalpa de la mezcla de gases perfectos es igual a la suma de las entalpas parciales individuales de los componentes. Por ende la entalpa del aire hmedo puede escribirse como: h = ha + W h g (1.19)

donde: h a = entalpa del aire seco. [Btu/lb] h g = entalpa del vapor saturado de agua a la temperatura de la mezcla. [Btu/lb]

Estas entalpas se pueden escribir aproximadamente como: h a = 0,240 t h g = 0,444 t + 1061

donde: t= Temperatura de Bulbo seco [F]

(1.20) (1.21)

75

Combinando 1.21, 1.20 y 1.19, se obtiene: h = 0,240 t + W ( 1061 + 0,444 t)

En la cual: h entalpa en [Btu/lb]

(1.22)

Temperatura de Bulbo Hmedo (t*). Para descripciones mas complejas de mezcla de aire y agua,

generalmente se expresan las temperaturas de bulbo seco y bulbo hmedo. La temperatura de bulbo seco es la que se suele medir en condiciones atmosfricas normales. La temperatura de bulbo hmedo se mide sin embargo en condiciones de aire saturado, y en condiciones ideales se hace en estado saturado. Para simular este efecto se mide la temperatura del aire en un termmetro que tenga el bulbo envuelto en una mecha hmeda. Si desea saber mas acerca de cmo realizar la

medicin de la temperatura de bulbo hmedo, refirase a: ROLLE,K. Termodinmica. Si consideramos que un proceso de saturacin adiabtico y a presin constante, tal como se muestra en la figura:

76

Mezcla No Saturada W,h,t

Mezcla Saturada Ws*,hs*,t*

1
Agua a t* hw*,t*

Fig. 1.2. Proceso de Saturacin Adiabtica. En este proceso. t* es la temperatura de saturacin de bulbo hmedo [F] h s * es la entalpa a la temperatura de saturacin Ws * es la humedad especfica a la temperatura de saturacin h w* es la entalpa especfica del agua agregada, a la temperatura de saturacin

Entonces,

para

un

proceso

estrictamente

adiabtico

considerando presin constante, la ecuacin de la conservacin de la entalpa queda como sigue: h + ( Ws* W) h * = h * W s
donde

(1.23)

(Ws* W ) es la masa de agua aadida por unidad de aire seco Ahora, sustituyendo la ecuacin 1.22 en aproximada h * = t * 32 , se consigue: w 1.23 y la relacin

77

W=

( 1093 0,556 t * ) Ws* 0,240 ( t t * ) 1093 + 0,444 t t *

(1.24)

donde: t* es la Temperatura de Bulbo Hmedo [F] t es la Temperatura de Bulbo Seco [F]

Punto de Roci (t d ). Es la temperatura en la cual el vapor de agua presente en el aire, se condensa o se solidifica, al enfriar la mezcla en un proceso a presin constante. P W (0,62198 + W)

Pws (t d ) = Pw =

(1.25)

Donde P w es la presin de la mezcla de aire y P ws (t d ) es la presin de vapor a la temperatura de saturacin t d . Una alternativa para el calculo del punto de roco, valida desde 32 a 200F, es la siguiente ecuacin: t d = C 14 + C 15 + C 16 2 C 17 3 + C18 (Pw ) 0, 1984
donde t d : Temperatura del punto de roco, F. : ln(P w) P w : Presin parcial del vapor de agua, psia. C 1 4 =100,45 C 1 5 = 33,193 C 1 6 = 2,319 C 1 7 = 0,17074 C 1 8 =1,2063

(1.26)

78

Si se analiza la ecuacin de la humedad especfica (w), se observa que depende de la presin baromtrica del lugar, dicha presin depende de la altitud del sitio, as como tambin de la zona geogrfica y de las condiciones climticas. La NASA (1976) [1] brinda una referencia para la estimacin de las propiedades de la atmsfera estndar, as como de la temperatura y presin baromtrica en funcin de la altitud, segn data adaptada para Estados Unidos. Propone las siguientes ecuaciones: P = 29,92 (1 6,8753 10 6 Z ) 5, 2559 t = 59 0,00356616 Z
En la cual: Z= altitud en ft. P= Presin baromtrica en inHg. t= Temperatura de bulbo seco en F.

(1.27) (1.28)

Las ecuaciones 1.27 y 1.28 son vlidas para altitudes de -16500ft a 36000ft.

CAPTULO II

IMPLEMENTACIN DE PROGRAMAS

Presentacin

El sistema computarizado desarrollado se denomin PsicroPack. Es un paquete desarrollado en Visual Basic 6.0, para la creacin de cartas psicromtricas en base a la altura, clculo de propiedades termodinmicas del aire y representacin de procesos de aire

acondicionado dentro de la carta. Este programa grafica la carta psicromtrica en base a las caractersticas elegidas por el usuario. Igualmente, le permite

configurar la carta a su gusto, bien sea: cambiando los lmites de temperatura a los cuales se grafica la carta, cambiar los colores de las curvas que representan las propiedades graficadas, graficar los puntos que desee, agregar lneas o curvas constantes de alguna propiedad, unir dos puntos, guardar la carta como un archivo bmp, copiarla al portapapeles y pegarla como imagen en el programa de su preferencia, etc.. De esta manera, el usuario cuenta con un programa amigable y de fcil manejo, en el cual puede representar cualquier tipo de proceso.

80

Estructuracin

Entradas al Programa

1. Titulo de la Carta Psicromtrica 2. Altura 3. Curvas principales que desea graficar: Entalpa, Humedad Relativa. Temperatura de Bulbo Hmedo Volumen Especfico. El programa siempre grafica por defecto las lneas principales de Temperatura de Bulbo seco y Humedad Especfica, ya que estas representan los ejes X e Y respectivamente. Salidas del Programa

La representacin grfica de la carta psicromtrica de acuerdo a las caractersticas y opciones elegidas. Esta carta puede ser

almacenada como archivo tipo bmp.

Otra de las salidas que puede

brindar el programa es un archivo tipo texto, donde se almacena el valor de las propiedades de los puntos calculados. Mdulos o Estructuras

Los mdulos principales en los cuales se estructur PsicroPack son los siguientes:

81

Precondicin Accin

Salida

Mdulo 1: Entrada Abrir el Programa Se le solicitan al usuario, los datos principales para la realizacin de la Carta Psicromtrica: 1. Titulo 2. Altura (en pies o metros) 3. Tipo de Curva que desea graficar. La ejecucin del programa es entregada al Mdulo 2 (Grafica Carta).

Precondicin

Entradas

Accin

Mdulo 2: Graficar Carta La ejecucin de cualquier opcin o subrutina que implique la actualizacin del modo grfico. 1. Altura: Variable global, que almacena el valor de la altura a la cual se graficar la carta. 2. Lmites de Temperatura: En esta variable se almacena el valor inferior y superior de la temperatura de bulbo seco a la cual se graficar la carta. Sus valores por defecto son: 32F y 120F. 3. Colores de las Curvas: Conjunto de variables que guardan el cdigo del color de las curvas principales y secundarias, as como textos que se gratificarn, dichas variables son globales. 4. Tipo de Fuente: Esta variable almacena las caractersticas de la fuente utilizada para escribir el texto de la carta (Ttulo, Leyendas, etc.). Es de dominio publico o global. 5. Tipo de Curva: Conjunto de variables booleanas (Verdadero y Falso) que indica que tipo de curva se debe graficar (Entalpa, Volumen Especfico, Humedad Relativa, Temperatura de Bulbo Hmedo), bien sea principal o secundaria. 6. Puntos, Curvas y Lneas Graficadas: Son tres archivos tipo texto, donde se guardan los valores de los puntos, curvas de propiedades constantes y lneas entre dos puntos, que se han graficado y se desea que sigan apareciendo. Este es el mdulo mas complejo de esta aplicacin, para su ejecucin se sigue la siguiente secuencia: 1. Se escala el contenedor grfico en el cual se

82

Salida

representarn las curvas , segn la Temperatura de bulbo seco mnima y mxima y los valores de Humedad Especfica mnima y mxima aportados por la relacin de saturacin (1 .14). 2. Se imprime la Leyenda, donde el color de la fuente que representa cada propiedad ser el mismo que el establecido su la curva principal. 3. Se comienza a graficar los tipos de propiedades, primero la temperatura de bulbo seco, se imprimen las primarias y las secundarias, dependiendo del valor de la variable del tipo de curva. Se realiza la misma operacin con las dems propiedades segn el siguiente orden: Humedad Especfica, Entalpa, Humedad Relativa, Temperatura de Bulbo Hmedo, Volumen Especfico y Curva de saturacin. Para la Entalpa, Volumen Especfico y Temperatura de Bulbo Hmedo, se grafica una recta desde el corte con la lnea de saturacin, con una recta auxiliar, utilizada para que no se amontonen las lneas dentro de la carta. Para ello se emplea el mtodo de la biseccin para calcular el corte de la curva de propiedad con las referencias necesarias para trazar la curva; una vez conseguidos los dos puntos, se traza una lnea entre ellos que representa la propiedad, esto se hace para valores constantes de las propiedades, crecientes en un paso establecido. Para el caso de la Humedad Relativa y Curva de Saturacin, se utiliz un lazo, donde la temperatura se incrementa desde su valor mnimo hasta el mximo y a cada paso se une dicho punto con el anterior, por medio de una lnea recta; de acuerdo a esto, a menor paso incremental, mejor ser la representacin de la curva. 4. Por ultimo se grafican los datos contenidos en los archivos de puntos, curvas y rectas, ya que en ellos se guardan todos los parmetros necesarios para representar la informacin en la pantalla. La representacin grfica de la carta psicromtrica, en base a la configuracin establecida.

83

Precondicin

Accin

Salida

Mdulo 3: Clculo de Propiedades La seleccin de uno de los cuatro casos para el calculo de las propiedades, y la introduccin de los datos. Dependiendo del caso seleccionado, se utiliza cualquiera de las siguientes secuencias: 1. Primer Caso: Conocidos: Temperatura de Bulbo Seco (t), Temperatura de Bulbo Hmedo (t*) y Presin (P). Ver Cuadro 4.1. 2. Segundo Caso: Conocidos: Temperatura de Bulbo Seco (t), Temperatura del Punto de Roco (Td) y Presin (P). Ver Cuadro 4.2. 3. Tercer Caso: Conocidos: Temperatura de Bulbo Seco (t), Humedad Relativa () y la Presin (P). Ver Cuadro 4.3. 4. Cuarto Caso: Conocidos: Temperatura de Bulbo Seco (t), Humedad Especfica (W) y Presin (P). Ver Cuadro 4.4. Los cuadros 4.1 al 4.4 son presentados al final del captulo. El clculo de las propiedades, en base al caso seleccionado, y su presentacin por pantalla. Igualmente le permite al usuario la opcin de guardar las propiedades en un archivo tipo texto separado por tabulaciones, el cual puede ser abierto desde cualquier hoja de clculo, si se requiere continuar realizando operaciones sobre stas.

Precondicin Descripcin

Salida

Mdulo 4: Graficar La ejecucin la cualquier opcin graficar del programa. Este mdulo se divide en tres Sub mdulos: 1. Submdulo 4.1: Graficar Punto 2. Submdulo 4.2: Graficar Curvas lneas constantes 3. Submdulo 4.3: Graficar lneas de unin entre dos puntos La representacin grfica del punto, curva lnea sobre la carta psicromtrica.

84

Precondicin

Accin

Salida

Sub-mdulo 4.1: Graficar Punto La seleccin de uno de los cuatro casos de pares de propiedades conocidas. En este sub-mdulo se llama al mdulo 3 (calcular propiedades), de acuerdo al par de propiedades conocidas, y luego se grafica este punto en base a sus coordenadas X e Y calculadas. Este punto es guardado en un archivo que almacena los puntos graficados y sus caractersticas (color, tipo y tamao de la fuente). La representacin grfica del punto seleccionado sobre la carta psicromtrica.

Sub-mdulo 4.2: Graficar Curva Lnea Constante La seleccin del tipo de curva lnea que se desea Precondicin graficar. Se grafica el tipo de curva elegida, segn el siguiente procedimiento: Para la Temperatura de Bulbo Seco y Humedad Especfica, se grafica la lnea, con el valor de la propiedad deseado, desde el valor de saturacin hasta llegar al eje respectivo. Para la Entalpa, Volumen Especfico y Temperatura de Bulbo Hmedo, se grafica una recta desde el corte con la lnea de saturacin, con una recta auxiliar empleada. Se utiliza el mtodo de la biseccin para Accin calcular el corte de la curva de propiedad con las referencias necesarias para trazar la curva. Una vez conseguidos los dos puntos, se traza una lnea entre ellos que representa la propiedad. Para el caso de la Humedad Relativa, se utiliza un lazo, donde, para el valor de humedad constante, la temperatura se incrementa desde su valor mnimo hasta el mximo y a cada paso se une dicho punto con el anterior, por medio de una lnea recta. El tipo de curva y su valor, es guardada en un archivo que almacena las curvas graficadas. La representacin grfica de la curva sobre la carta Salida psicromtrica.

85

Sub-mdulo 4.3: Graficar Lnea de unin entre dos puntos La seleccin del par de propiedades conocidas de los Precondicin puntos entre los cuales se desea graficar la recta. Se calculan las coordenadas X e Y de dos puntos y luego se unen mediante una lnea recta. Accin Los dos puntos y el color de la recta son almacenados en un archivo que contiene las rectas graficadas. La representacin grfica de la recta sobre la carta Salida psicromtrica.

Precondicin

Descripcin

Salida

Sub-mdulo 5: Otras Opciones La seleccin de la opcin correspondiente. Este mdulo contempla diversas opciones que contempla el programa y que debido a su sencillez no sern explicadas con detalle. Estas como son: Guardar imagen, Copiar Imagen al portapapeles, Cambiar colores de las curvas, Cambiar fuentes, Redefinir lmites de temperatura, Ver coordenadas actuales, Pan, Zoom, Lneas curvas primarias y/o secundarias, Ayuda, etc. La ejecucin de la opcin elegida.

En la pgina siguiente son presentados los cuadros citados en el Mdulo 3 de PsicroPack (Clculo Propiedades).

86

Cuadro 4.1. Secuencia de frmulas a utilizar para calcular propiedades cuando se conoce la temperatura de bulbo seco (t), la temperatura de bulbo hmedo (t * ) y la presin (P).
Obtener Ecuacin Comentario

Presin de Saturacin a la temperatura de bulbo hmedo. Humedad especfica a la temperatura de bulbo hmedo. Humedad especifica a la temperatura de bulbo seco. Presin de saturacin de temperatura de bulbo seco. Humedad especfica de saturacin a la temperatura de bulbo seco. Grado de saturacin del aire. Humedad Relativa. Volumen especifico . Entalpa. Presin parcial del vapor de agua. Temperatura de punto de Roco.

Pws(t*) 1.13 Ws * W Pws(t) Ws V H Pw Td 1.9 1.26 1.13 1.9 1.15 1.1 6 1.20 1.24 1.27 1.28

Presin de Saturacin a t * Utilizando Pws(t*) Presin de Saturacin a t Utilizando Pws(t)

Cuadro 4.2. Secuencia de frmulas a utilizar para calcular propiedades cuando se conoce la temperatura de bulbo seco (t), la temperatura del punto de roco (Td) y la presin (P)
Obtener Presin a la temperatura Pw=Pws(td) Ecuacin Comentario

de bulbo seco. Humedad especifica. Presin de saturacin a la temperatura de bulbo seco. Humedad especfica de saturacin a la temperatura de bulbo seco. Grado de saturacin del aire. Humedad relativa. Volumen Especifico. Entalpa. Temperatura del punto de roco.

1.13 1.9 1.13 1.9 1.15

Presin de saturacin a td

W Pws(t) Ws v h td

1.1 6 1.20 1.24 1.9, 1.6 y Requiere de un 1.13 mtodo nmerico

87

Cuadro 4.3. Secuencia de frmulas a utilizar para calcular propiedades cuando se conoce la temperatura de bulbo seco (t), humedad relativa ()y la presin (P)
Obtener Ecuacin Comentario

Presin de Saturacin a la temperatura de bulbo seco. Presin parcial del vapor de agua. Humedad especfica. Humedad especfica de saturacin. Grado de saturacin del aire Humedad relativa. Volumen especfico. Entalpa. Temperatura del punto de roco. Temperatura de bulbo hmedo.

Pws(t) Pw W Ws v h td t*

1.13 1.12 1.9 1.9 1.15

Presin de saturacin a td

Con Pws

1.1 6 1.20 1.24 1.26, 1.27 y 1.28 1.26, 1.9 y Requiere de 1.13 mtodo numrico

un

Cuadro 4.4. Secuencia de frmulas a utilizar para calcular propiedades cuando se conoce la temperatura de bulbo seco (t), humedad especifica (W) y la presin (P)
Obtener Ecuacin Comentario

Presin de saturacin. Humedad especfica. Humedad especfica de saturacin. Humedad relativa. Volumen especfico. Entalpa. Temperatura del punto de roco. Temperatura de bulbo hmedo.

Pws W Ws v h td t*

1.13 1.9 1.9 1.12 1.20 1.24 1.28

Presin de saturacin a t Utilizando Pws

1.26, 1.9 y Requiere de un mtodo 1.13 numrico

El diagrama de flujo que resume la estructura de PsicroPack es mostrado en la figura 4.2.

88

Inicio

Mdulo 1: Entradas Titulo Altura Cruvas

Si

Hace Falta graficar carta de nuevo?

No
Mdulo 2: Grafica de la Carta
Mdulo 3 Clculo de Propiedades

Modificar Carta

Si

Mdulo 4 Graficar

No
Fin

Otras Opciones

Figura 4.2. Diagrama de Flujo para PsicroPack

CAPTULO III

RESULTADOS

En este captulo se presenta una comparacin de los resultados obtenidos utilizando PsicroPack, las cartas psicromtricas de la ASHRAE a nivel del mar y de la Carrier para 2500 pies, 7500 pies y 10000 pies. Para cada carta se anotaron cuatro puntos diferentes, utilizando cada uno de los cuatro casos posibles para calcular propiedades de PsicroPack. A continuacin se presentan cuadros que contienen la

comparacin de resultados para diferentes alturas.

Cuadro 3.1. Comparacin de resultados calculados con PsicroPack con la carta de ASHRAE para 0 pies.
Propiedad Punto 1 Punto 2 Punto 3 Punto 4 ASHRAE P.Pack ASHRAE P.Pack ASHRAE P.Pack ASHRAE P.Pack P(Psi) 14,7 14,695 14,7 14,695 14,7 14,695 14,7 14,695 Tbs(F) *95 *95 *95 *95 *50 *50 *110 *110 Tbh(F) *60 *60 78 79 50 50 82,5 82,8 Tpr(F) 26,8 73,5 73,5 *50 *50 73,5 73,8 HR(%) 9 8,8 *50 *50 100 100 33 32,4 W( L b / L b ) 0 , 0 0 3 0 , 0 0 3 0 7 0,01800 0 , 0 1 7 7 7 0 , 0 0 7 5 0 0 , 0 0 7 6 3 *0,018 *0,018 V(Pie/Lb) 14,15 14,05 14,40 14,38 13,00 13,01 1 4 ,78 14,78 H(Btu/Lb) 27,00 26,19 43,00 42,40 20,10 20,27 4 7 , 0 0 46,38 *: significa que esa fue una de las propiedades elegida para realizar la comparacin. P.Pack : PsicroPack

90

Cuadro 3.2. Comparacin de resultados calculados con PsicroPack con la carta de Carrier para 2500 pies.
Propiedad P(Psi) Tbs(F) Tbh(F) Tpr(F) HR(%) W(Lb/Lb) v(Pie/Lb) h(Btu/Lb) Punto 1 Carrier P.Pack 13,4 13,415 *96 *96 *60 *60 30,7 10 10 0,00386 0,00393 15,49 15,442 28 27,374 Punto 2 Carrier P.Pack 13,4 13,415 *89 *89 69,9 69,9 62 61,6 *40 *40 0 , 0 1 2 5 7 0,01282 15,5 15,464 36 35,467 Punto 3 Carrier P.Pack 13,4 13,415 *40,9 *40,9 40,9 40,9 *40,9 *40,9 100 100 0,0059 0,0059 14 14 16 , 4 16 Punto 4 Carrier P.Pack 13,4 13,415 *80 *80 52,3 52,3 22,8 12 12,1 *0,0029 *0,0029 15 15,2 23 22,3

*: significa que esa fue una de las propiedades elegida para realizar la comparacin. P.Pack : PsicroPack

Cuadro 3.3. Comparacin de resultados calculados con PsicroPack con la carta de Carrier para 7500 pies.
Punto 1 Carrier P.Pack 11,13 11,13 P(Psi) *57,5 *57,5 Tbs(F) *40 *40 Tbh(F) 19,00 Tpr(F) 20 22,3 HR(%) W(Lb/Lb) 0 , 0 0 2 7 1 0 , 0 0 2 9 4 17,30 v(Pie/Lb) 1 7 , 3 5 16,99 h(Btu/Lb) 17 Propiedad P.Pack : PsicroPack Punto 2 Carrier P.Pack 11,13 11,13 *90 *90 54,5 54,500 26,000 *10 *10 0,00386 0,00393 28,5 18,419 26 25,929 Punto 3 Carrier P.Pack 11,13 11,13 *40 *40 40 40,0 *40 *40 100 100,0 0 , 0 0 6 8 6 0,00688 16,8 16,82 17 17,02 Punto 4 Carrier P.Pack 11,13 11,13 *80 *80 51,5 51,600 28,200 15 15,000 *0,00429 *0,00429 18,2 18,094 24 23,899

*: significa que esa fue una de las propiedades elegida para realizar la comparacin.

Cuadro 3.4. Comparacin de resultados calculados con PsicroPack con la carta de Carrier para 10000 pies.
Propiedad P(Psi) Tbs(F) Tbh(F) Tpr(F) HR(%) W(Lb/Lb) v(Pie/Lb) h(Btu/Lb) Punto 1 Carrier P.Pack 10,106 10,106 *80 *80 *50 *50 26,1 14 13,8 0 , 0 0 4 2 9 0,00434 19,8 19,922 24 23,964 Punto 2 Carrier P.Pack 10,106 10,106 *82,5 *82,5 49 49,4 20,2 *10 *10 0,00329 0 , 0 0 3 4 1 20 19,984 23,5 23,538 Punto 3 Carrier P.Pack 10,106 10,106 *40 *40 40 40 *40 *40 100 100 0 , 0 0 7 4 3 0,00758 18,6 18,54 18 17,78 Punto 4 Carrier P.Pack 10,106 10,106 *80 *80 54 54,2 38 38,5 23 22,6 *0,00714 *0,00714 20,5 20,011 27 27,032

*: significa que esa fue una de las propiedades elegida para realizar la comparacin. P.Pack : PsicroPack

91

En cada uno de los cuadros anteriores, para los diferentes puntos analizados y alturas, se observa que los clculos realizados por PsicroPack estuvieron muy cercanos a los valores que se obtuvieron de las cartas psicromtricas presentadas por la ASHRAE y por la Carrier, no obstante, es de hacer notar que en stos valores siempre se producen errores al momento de anotarlos, debido a que la apreciacin de cada persona es diferente, lo que ocasiona imprecisin. En base a esto se concluye que los clculos realizados por PsicroPack son confiables.

CAPTULO I V

RECOMENDACIONES

Los resultados obtenidos al comparar las cartas psicromtricas para diversas alturas de la ASHRAE y Carrier con las proporcionadas por PsicroPack fueron completamente satisfactorios, por lo tanto se recomienda continuar desarrollando este programa, orientndolo y adaptndolo hacia el anlisis y clculo de los procesos representados, por ejemplo, definir los procesos de humidificacin, deshumi-

dificacin, enfriamientos y calentamientos tanto sensibles sensibles como latentes; sealar condiciones de confort; permitir al usuario escoger unidades e introducir el valor de presin, etc.., de tal manera que se pueda acoplar PsicroPack dentro de un paquete de clculo y diseo de sistemas de refrigeracin y aire acondicionado que pueda ser ofrecido por la Escuela de Mecnica hacia otras Instituciones, el sector privado y sobre todo, estar al alcance de los estudiantes por medio de versiones Freeware.

REFERENCIAS BIBLIOGRFICAS

[1] ASHRAE Fundamental Handbook. 1997. Capther 6: Psycometrics. p. 6.1-6.21 [2] Marturet P., Gustavo. 1992. Determinacin de las Condiciones Exteriores de diseo para Aire Acondicionado en Venezuela. Universidad de los Andes. Facultad de Ingeniera. Escuela de Mecnica. (Cota en Biblioteca: * [3] Guedez, Horacio. 1987. Computadoras. TP492.5 G84).

Cartas Psicromtricas y Procesos por de los Andes. Facultad de *

Universidad

Ingeniera. Escuela de Mecnica. TH7687 M378).

(Cota en Biblioteca:

[4] Ministerio de Obras Pblicas. 1962.

Instrucciones para la Direccin

Instalacin de Aire Acondicionado y Ventilacin. de Edificios. Caracas - Venezuela. p.232

[5] Ministerio del Ambiente y de los Recursos Naturales Renovables. 1980. Atlas de Venezuela. Direccin General de Informacin e Investigacin del Ambiente. Caracas Venezuela. p.188 [6] El Cambio Climtico y el Futuro del Entorno Humano. Kotlyakov. 1999 V. M.

94

[7] The Weather Channel. 1999. Glosario. [8] Conocer Venezuela. 1998. Tomo 3. Enciclopedia Salvat. Editores Venezolana, S.A. Caracas. Venezuela. [9.1] Ante el Cambio Climtico menos CO2. 1995. IPCC. Cambrige University Press. [9.2] Woodman P., Ronald. 1998. Pronstico de lluvias basados en pronsticos de TSM de NOAA/NCEO : Ciudad de Piura. http://www.ipg.gob.pe\ enero.htm. [10] Martnez Gmez, M. 1999. Teora y Simulacin de Redes Publicacin del Salvat

Neuronales Artificiales. Producido por In Chaos. [1 1 ] Colina, E. Y Rivas, F. 1998. Artificial. Facultad de Introduccin a la Inteligencia Ingeniera. Postgrado de

Automatizacin y Control. ULA. Mrida Venezuela. [12] Hagan Demuth Beale. 1996. Neural Network Design. PWS

Publishig Company. Boston. New York. [13] Mosquera Gonzlez A. 1999. Temas sobre Redes Neuronales. [14] D az, G. Y Otros. 1999. Simulation of Heat Exchager Performance by Artificial Neural Networks. ASHRAE, Volumen V, N3

95

[15] Zaderenko, S.G. 1988.

Sistemas de Programacin por Camino

Crtico. Editorial Librera Mitre. Argentina. [16] Montgomery, Douglas. 1991. Diseo y Anlisis de Experimentos. Grupo Editorial Iberoamericano. Mxico. [17] Mart, Mara. 1998. Apuntes sobre Psicrometra. Termodinmica II. ULA. Mrida, Venezuela. [18] K.C. Rolle. 1994. Termodinmica. Segunda Edicin.

Interamericana. Mxico.

ANEXOS

97

ANEXO A1:
REPUBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DE LA DEFENSA FUERZA AEREA SERVICIO DE METEOROLOGIA DEPARTAMENTO DE CLIMATOLOGIA SISTEMA CLICOM PROMEDIOS MENSUALES DE TEMPERATURA Y HUMEDAD DE LAS ESTACIONES PERTENECIENTES A LA FUERZA AEREA VENEZOLANA TEMPERATURA MEDIA MENSUAL (C) Colonia Tovar,00001435,1989/1998,14.4,14.3,15.0,16.2,16.2,15.5,15.0,15.1,16.0,15.9,15.3,14.5,15.4 Coln,00008092,1989/1998,21.5,21.5,22.0,22.4,22.8,23.2,22.8,23.2,23.1,22.7,22.3,21.9,22.4 Coro,00080403,1989/1998,26.7,26.9,27.3,27.9,28.6,29.0,28.4,29.3,29.1,28.5,28.0,26.9,28.0 Maracaibo,00080407,1989/1998,27.0,27.2,27.9,28.6,28.6,28.9,28.9,29.3,28.6,27.9,27.7,27.2,28.2 Barquisimeto,00080410,1989/1998,23.1,23.5,24.1,24.6,24.2,23.8,23.4,23.8,24.3,24.3,24.2,23.6,23.9 Maracay,00080413,1989/1998,24.3,25.3,26.3,26.8,26.6,25.4,24.6,24.7,25.2,25.4,25.0,24.5,25.3 Maiqueta,00080415,1989/1998,24.7,24.5,25.0,26.1,26.9,26.8,26.3,27.2,27.4,27.3,26.6,25.5,26.2 Caracas-La Carlota,00080416,1989/1998,20.8,21.8,22.4,23.7,24.0,23.3,22.8,23.2,23.4,23.5,22.7,21.6,22.8 Barcelona,00080419,1989/1998,25.8,26.1,26.6,27.7,28.0,27.5,26.8,26.9,27.5,27.6,27.1,26.3,27.0 Cuman F.A.V.,00080420,1989/1998,25.4,25.5,25.8,26.8,27.1,26.6,26.1,26.4,26.7,26.5,26.5,25.8,26.3 Porlamar,00080421,1989/1998,25.7,25.8,26.3,27.4,27.9,27.4,27.4,27.9,28.3,28.2,27.2,26.3,27.2 Guiria,00080423,1989/1998,25.8,26.1,26.8,27.8,28.0,27.3,27.0,27.2,27.4,27.3,26.8,26.2,27.0 Mene Grande,00080425,1989/1998,27.5,27.9,28.3,28.5,28.2,28.4,28.3,28.2,27.8,27.4,27.1,27.1,27.9 Valera,00080426,1989/1998,23.8,24.0,24.5,24.7,25.2,25.3,25.0,25.2,24.9,24.3,24.0,23.8,24.6 Acarigua,00080427,1989/1998,26.2,27.0,27.7,27.4,26.2,25.3,25.0,25.3,25.6,25.9,26.1,25.8,26.1 Guanare,00080428,1989/1998,26.4,27.5,28.2,28.0,26.6,25.6,25.1,25.5,26.0,26.3,26.2,26.0,26.4 SanJuandelosMorros,00080431,1989/1998,23.1,24.6,25.7,26.8,26.0,24.6,23.6,23.8,23.9,24.1,23.9,23.2,24.4 Carrizal,00080432,1994/1998,26.3,27.2,28.0,28.8,28.4,25.9,24.8,24.3,25.7,26.2,25.4,26.2,26.4 Valle de la Pascua,00080434,1992/1998,26.2,26.8,27.6,28.5,27.9,26.2,25.4,25.6,26.1,26.5,26.4,26.3,26.6 Maturn,00080435,1989/1998,25.2,25.5,25.8,26.4,26.1,25.5,25.7,26.3,26.8,26.8,25.9,25.5,25.9 El Vigia,00080437,1992/1998,25.8,26.1,26.6,26.9,27.3,27.3,27.1,27.4,27.2,27.0,26.3,26.0,26.7 Merida,00080438,1989/1998,18.7,19.1,19.4,20.0,20.1,20.1,19.9,20.2,20.1,19.7,19.4,18.8,19.6 Barinas,00080440,1989/1998,26.9,27.8,28.4,28.1,26.6,25.8,25.3,25.6,26.2,26.4,26.5,26.8,26.7 Calabozo,00080442,1990/1998,27.9,28.8,29.4,29.8,28.2,26.5,25.8,26.0,26.6,27.1,27.5,27.7,27.5 Ciudad Bolvar,00080444,1989/1998,26.5,27.0,27.8,28.9,28.4,27.3,26.9,27.3,28.0,28.0,27.5,26.8,27.5 SanAntoniodelT chira,080447,1989/1998,25.0,25.2,25.6,26.4,27.2,27.4,26.9,27.3,27.5,26.7,26.0,25.2,26.4 Guasdualito,00080448,1989/1998,25.5,26.2,27.0,26.8,25.8,25.2,24.8,25.3,25.8,26.0,26.0,25.6,25.8 SanFernandodeApure,0080450,1989/1998,26.7,27.8,28.7,29.0,27.0,25.5,25.1,25.9,26.6,26.8,26.9,26.8,26.9 Tumeremo,00080453,1989/1998,24.3,24.6,25.5,26.3,26.0,25.3,25.2,25.6,26.3,26.4,25.6,24.6,25.5 Puerto Ayacucho,00080457,1989/1998,27.0,27.5,27.7,26.8,25.4,25.0,24.5,24.9,25.3,25.8,26.1,26.5,26.0 Santa Elena de Uairen,00080462,1989/1998,21.3,21.6,21.7,21.8,21.4,21.0,20.3,20.8,21.5,21.6,21.2,21.1,21.3 Valencia,00080472,1991/1998,24.5,25.3,25.7,25.8,25.1,24.1,23.2,23.1,23.6,24.4,24.6,24.6,24.5 Santo Domingo,00080475,1989/1998,22.7,23.3,23.8,24.0,23.4,22.7,22.4,22.7,23.3,23.7,23.3,22.8,23.2 La Caada,00080476,1989/1998,27.7,27.6,28.0,28.5,28.8,29.4,29.3,29.4,28.9,28.5,28.5,28.0,28.5 Temblador,00080478,1989/1998,23.9,24.0,24.7,25.6,25.0,23.8,23.9,24.8,25.8,25.7,25.2,24.6,24.8 Palmichal,00080479,1989/1998,19.2,19.2,19.7,20.4,21.1,21.0,20.6,21.0,21.1,21.2,20.5,19.6,20.4
ESTACION,CODIGO,PERIODO,ENE,FEB,MAR,ABR,MAY,JUN,JUL,AGO,SEP,OCT,NOV,DIC,ANUAL

98

HUMEDAD RELATIVA MEDIA MENSUAL (%) Colonia Tovar,00001435,1989/1998,71,72,68,72,73,78,75,78,77,76,76,73,74 Coln,00008092,1989/1998,80,80,80,80,75,70,72,68,72,77,81,83,76 Coro,00080403,1989/1998,72,72,71,73,73,72,72,71,72,76,75,75,73 Maracaibo,00080407,1989/1998,76,77,78,81,83,79,76,78,80,82,81,78,79 Barquisimeto,00080410,1989/1998,78,78,77,81,86,84,85,84,83,83,80,80,82 Maracay,00080413,1989/1998,72,68,66,67,74,78,81,82,80,80,79,75,75 Maiqueta,00080415,1989/1998,86,86,86,88,88,88,89,87,87,86,87,86,87 Caracas-La Carlota,00080416,1989/1998,79,78,75,76,78,79,82,81,80,79,81,79,79 Barcelona,00080419,1989/1998,75,74,75,72,75,80,82,83,80,79,81,78,78 Cuman F.A.V.,00080420,1989/1998,75,77,75,75,76,77,78,76,76,76,75,73,76 Porlamar,00080421,1989/1998,88,87,87,84,85,86,86,85,84,85,86,87,86 Guiria,00080423,1989/1998,78,77,75,75,76,80,81,81,80,81,81,80,79 Mene Grande,00080425,1989/1998,72,71,72,76,82,79,77,79,81,83,83,79,78 Valera,00080426,1989/1998,77,78,78,81,81,78,77,76,79,81,82,80,79 Acarigua,00080427,1989/1998,68,65,63,69,81,85,85,84,84,82,80,74,77 Guanare,00080428,1989/1998,66,62,61,68,79,83,84,84,82,81,80,73,75 San Juan de los Morros,00080431,1989/1998,67,63,60,63,70,78,81,82,81,81,79,73,73 Carrizal,00080432,1994/1998,58,55,58,58,65,81,84,79,75,70,67,61,68 Valle de la Pascua,00080434,1992/1998,70,69,65,66,72,82,87,88,85,83,78,76,77 Maturn,00080435,1989/1998,73,71,69,69,72,80,79,76,74,74,77,74,74 El Vigia,00080437,1992/1998,79,82,81,83,82,81,81,78,78,80,83,83,81 Merida,00080438,1989/1998,77,77,79,80,82,79,78,77,78,80,82,80,79 Barinas,00080440,1989/1998,71,70,68,73,81,83,85,84,82,82,81,76,78 Calabozo,00080442,1990/1998,61,59,56,58,73,82,86,84,82,78,73,66,72 Ciudad Bolvar,00080444,1989/1998,76,74,72,73,75,83,84,83,79,79,79,80,78 San Antonio del T chira,00080447,1989/1998,72,71,72,71,64,59,60,59,62,68,72,74,67 Guasdualito,00080448,1989/1998,68,63,63,71,81,83,83,82,80,80,79,74,76 San Fernando de Apure,00080450,1989/1998,77,74,74,74,84,90,91,89,87,86,85,82,83 Tumeremo,00080453,1989/1998,87,85,82,80,82,87,87,85,82,82,85,85,84 Puerto Ayacucho,00080457,1989/1998,57,58,58,65,71,75,72,73,72,74,68,64,67 Santa Elena de Uairen,00080462,1989/1998,76,75,75,78,83,85,86,83,80,79,81,81,80 Valencia,00080472,1991/1998,74,72,72,74,78,81,83,84,84,82,78,74,78 Santo Domingo,00080475,1989/1998,78,74,74,74,84,86,86,84,83,84,83,81,81 La Caada,00080476,1989/1998,68,68,69,70,72,73,71,73,77,78,76,71,72 Temblador,00080478,1989/1998,82,81,77,75,79,86,88,86,83,83,87,87,83 Palmichal,00080479,1989/1998,89,90,89,91,90,89,89,85,86,88,91,89,89
ESTACION,CODIGO,PERIODO,ENE,FEB,MAR,ABR,MAY,JUN,JUL,AGO,SEP,OCT,NOV,DIC,ANUAL

99

ANEXO A2: Datos sobre Altura, Latitud y Longitud de las Ciudades

Altitud (m) 226 7 203 613 100 835 160 43 1790 825 16 2 163 130 13 26 63 65 436 68 27 1479 1000 24 73 377 47 429 868 328 30 180 430 582 Latitud
Grados Minutos

Ciudad Acarigua Barcelona Barinas Barquisimeto Calabozo Caracas (La Carlota) Carrizal Ciudad Bolvar Colonia Tovar Colon Coro Cumana (Aeropuerto) Guanare Guasdalito Guiria La caada Maiqueta Maracaibo Maracay Maturn Mene Grande Mrida Palmichal Porlamar San Antonio (Tchira) San Fernando (Apure) San Juan de los Morros Santo Domingo Temblador Tumeremo Valencia Valera Valle de la Pascua Viga

Longitud
Grados Minutos

9 10 8 10 8 10 9 8 10 8 11 10 9 7 10 10 10 10 10 9 9 8 10 10 5 7 7 9 4 7 9 7 10 9

33 27 37 14 56 30 25 9 25 20 25 27 5 14 35 31 36 14 15 45 49 36 18 55 36 51 41 55 36 35 1 18 10 21

69 64 70 69 67 66 60 63 67 72 69 64 69 70 62 71 66 71 67 63 70 71 68 63 67 72 67 67 61 72 62 61 67 70

14 41 13 19 25 53 55 33 17 15 41 7 44 48 18 39 59 44 39 11 56 11 14 58 30 27 25 20 7 4 37 27 56 37

Fuente. Marturet P., G. (1996). Determinacin de las Condiciones Exteriores de Diseo para Aire Acondicionado en Venezuela.

100

ANEXO A3: Algoritmo de la Regla Delta Generalizada

1) 2)

Aleatorizar los pesos de todas las conexiones (preferiblemente con valores pequeos) Seleccionar un par de entrenamiento, es decir, un patrn de entrada y el patrn de salida deseado correspondiente.

2)

Presentar el patrn de entrada y calcular la salida de la red mediante las operaciones usuales: sumatoria de las entradas ponderadas, funcin de activacin y transferencia a la siguiente capa, hasta llegar a la capa de salida. (inicialmente obtenemos salidas aleatorias, ya que los pesos de las conexiones son aleatorios)

3)

Clculo del error o discrepancia entre la salida obtenida y la deseada. El error se suele definir como la suma de los cuadrados de las diferencias entre las salidas reales obtenidas y las deseadas, promediado para todas las unidades de salida y todos los patrones de entrenamiento. Si el error es menor de cierto criterio fijado de antemano, incrementar el nmero de ejemplos correctos; si todos los ejemplos se han clasificado correctamente, finalizar, sino, sino continuar.

5)

Aplicar la regla de aprendizaje, es decir, ajustar los pesos de las conexiones tratando de disminuir el error, generalmente mediante el clculo de tasas de variacin o gradientes del error, por eso hablamos de reglas de aprendizaje por gradiente descendiente. Para reducir el error habr que modificar los pesos de las conexiones, en proporcin a la tasa relativa de variacin del error con respecto a la variacin del peso, o sea, la derivada del error respecto al peso.

6)

Volver al paso 2

101

ANEXO A 4: Pesos obtenidos para las Alternativas Propuestas Alternativa 1 Capa 1:

Neuro 1 Neuro 2 Neuro 3 Neuro 4 Longitud -11,8906 2,0723 7,9369 8,9641 Latitud -0,2295 -7,3262 -3,6630 -2,7831 Altitud 0,0902 -12,8640 -15,1361 13,8671 Ctte 8,2387 2,7484 0,2692 -7,6982 Neuro 5 Neuro 6 Neuro 7 1,5308 -1,9032 3,7637 1,4239 -2,4208 19,0749 16,9222 -0,3459 -6,8980 -4,3370 0,5582 -16,0169 Neuro 8 Neuro 9 -11,8994 -2,4039 13,6632 -11,5741 3,7536 -4,1394 -1,1164 7,6003 Neuro 10 -1,9445 -0,6922 7,2087 -4,5564

Capa 2:
Neuro 1 Neuro 2 8,1502 5,6667 -4,7901 -6,8697 -5,1850 -9,2149 -6,0940 8,8946 5,5169 8,4646 0,6019 -0,1311 -3,8503 -11,3504 -7,4745 0,9212 0,0257 -6,7405 -0,4689 3,1909 1,9942 -0,8039 Neuro 3 Neuro 4 Neuro 5 Neuro 6 -0,2920 -0,3531 1,5111 5,6639 6,3587 -4,6689 2,0744 -1,7248 1,5835 -4,7087 -0,8728 -5,3856 -1,1353 5,1183 -0,3785 5,5538 -3,2118 1,3682 -1,9015 6,0035 1,7043 -0,2900 2,0473 1,7009 0,3099 -4,4831 -12,0243 -2,9375 -4,9940 -1,9643 6,5127 -2,9453 2,9608 -2,3108 3,9614 3,3221 -2,0746 5,5947 1,0692 2,0556 5,0435 -5,3450 1,4198 5,9760

Capa 3:
Neuro 1 Neuro 2 -0,0076 -1,2025 7,0829 0,5215 2,9059 -7,5472 -5,1053 7,4399 -2,6008 -0,1239 -2,3406 -0,9805 -5,1978 -2,4968 Neuro 3 Neuro 4 2,5993 -0,3660 -6,6491 -1,4475 0,5640 -0,6150 -1,0560 -1,4320 -2,2182 -1,8807 0,3035 -2,5859 -1,5627 -1,7168 Neuro 5 Neuro 6 2,7160 10,0622 -0,0073 -9,0117 -9,0716 3,0022 3,5721 -4,3519 -0,4807 -7,8660 -1,5405 1,5387 -2,8289 0,1130 Neuro 7 Neuro 8 1,2986 -10,0645 -2,5316 6,4080 2,9546 -2,6453 -2,0477 -0,2191 -6,6252 -0,5951 -5,4380 3,1723 0,1465 -0,2060 Neuro 9 Neuro 10 -3,5381 -0,2065 -0,8674 1,4229 -3,1994 -9,4290 -3,0517 8,8224 -0,8362 0,8297 3,9095 -1,4490 1,7870 -2,9832

102

Capa 4:
Neuro 1 Neuro 2 1,8013 -5,4322 0,6512 -5,8366 3,4939 -3,1247 1,0516 -1,0711 -7,1474 -0,9543 -0,4723 2,6541 0,5214 -1,6682 -1,3326 1,9091 1,1372 -0,1179 -0,1836 4,7110 0,5389 -0,9177

Alternativa 2 Capa N 1:
Neurona 1 Neurona 2 Neurona 3 Neurona 4 Neurona 5 Neurona 6 Neurona 7 Neurona 8 Neurona 9 Neurona 10 Neurona 11 Neurona 12 Neurona 13 Longitud Latitud Altitud -2,6765 0,4518 0,0692 -0,6104 -0,0999 0,7918 -0,2640 1,7027 1,4513 -1,4170 0,7521 0,8495 1,9241 2,2827 -0,6173 2,6377 -0,5582 -0,2216 -0,1951 0,8245 0,1455 3,3049 -1,6673 -0,1721 1,3829 -4,4186 -1,4887 0,8865 -1,5727 -1,0342 -1,2745 0,1929 1,0617 -1,5386 -0,3830 -0,7057 -2,9582 1,7705 0,2444 Ctte=1 1,4696 -0,5990 -1,1017 -0,7216 -3,1681 -1,1905 0,6185 -1,1763 0,7766 0,0450 -0,0736 1,1962 0,7240

103

Capa N 2 :
Neurona 1 Neurona 2 Neurona 3 Neurona 4 Neurona 5 Neurona 6 2,1444 2,3907 0,8883 0,0832 -0,7288 -0,8337 0,6450 0,2926 0,0879 -0,2449 -0,3843 -1,0569 -1,6546 1,1856 0,6296 -1,1256 -0,1996 -0,8783 1,3978 0,3831 0,8655 -0,4970 -0,6351 0,7448 -3,3927 0,7579 0,1829 0,5433 1,5146 -1,0439 -2,3498 -1,1569 -1,0531 -0,4701 0,7310 -0,8128 0,2125 0,4683 0,3906 0,7144 0,3163 -0,7435 -2,2468 -2,8396 -0,4952 -0,1794 1,1986 -0,4722 3,9644 -2,0000 -0,2484 0,1318 -1,6445 -0,2532 0,9988 -1,3240 -0,6378 0,7050 -0,7280 -0,8038 0,9984 1,2615 1,2455 -0,7476 -1,0396 -0,2336 2,1894 1,3870 -0,7822 1,0606 -0,9687 -0,2387 2,4785 2,5407 0,0942 0,1216 -1,2621 -0,3009 1,4471 1,0304 -0,6449 -0,0855 -1,0962 0,3921

Capa N 3 :
Neurona1 3 -4,7522 3,8216 -1,5850 1,3314 2,5606 0,7602 0,9587

104

ANEXO A5: Resultados para cada Estacin. Variable: Temperatura Media

CIUDAD Terica Alternativa 1 Alternativa2 Alternativa 4 Alternativa 5 Acarigua 26,1 26,3 26,2 25,9 25,5 Barcelona 27 26,5 26,8 27,2 26,4 Barinas 26,7 26,6 26,3 26,1 25,7 Barquisimeto 23,9 23,9 23,9 23,6 23,1 Calabozo 27,5 27,1 26,5 26,7 26 Caracas (La Carlota) 22,8 22,8 21,8 22,3 21,4 Carrizal 26,4 26,2 25,6 26,3 24,9 Ciudad Bolvar 27,5 27 26,6 27 25,9 Colonia Tovar 15,4 15,4 15,7 16,5 15,5 Colon 22,4 22,4 23,1 22,3 22,1 Coro 28 28 27,9 27,2 27 Cumana (Aeropuerto) 26,3 24,4 26,8 27,3 26,3 Guanare 26,4 26,6 26,6 26,3 25,9 Guasdalito 25,8 26,2 25,6 26,5 26,2 Guiria 27 27,2 26,6 27,2 26 La caada 28,5 28,1 28,3 27,1 27,1 Maiqueta 26,2 26,4 26,7 26,9 26,3 Maracaibo 28,2 28,1 28 26,9 26,9 Maracay 25,3 24,4 24,5 24,7 24 Maturn 25,9 25,6 26,3 26,9 25,7 Mene Grande 27,9 28,1 28 27,1 27 Mrida 19,6 19,8 19,1 18,4 17,8 Palmichal 20,4 22,5 21,1 21,3 20,6 Porlamar 27,2 26,8 26,6 27,1 26,2 San Antonio (Tchira) 26,4 26,5 25 25 24,9 San Fernando (Apure) 26,9 26,7 26,7 27 26,3 San Juan de los Morros 24,4 24,9 24,5 24,7 24 Santo Domingo 23,2 23,5 24,8 25,3 25,1 Temblador 24,8 25,5 26,6 27,1 25,9 Tumeremo 25,5 25,7 25,7 26,2 24,7 Valencia 24,5 23,9 24,6 24,7 24,1 Valera 24,6 24,5 24,5 23,8 23,4 Valle de la Pascua 26,6 26,7 26,2 26,5 25,7 Viga 26,7 26,2 27 26,7 26,5

Fuente. Pereyra M., E, y Vielma S., J. (2000).

105

ANEXO A6: Resultados para cada Estacin. Variable: Humedad Relativa Media

CIUDAD Terica Alternativa 1 Alternativva2 Alternativa 4 Alternativa 5 Acarigua 77 77 73 78 77 Barcelona 78 77 80 78 79 Barinas 78 77 78 78 76 Barquisimeto 82 82 75 78 78 Calabozo 72 74 78 78 75 Caracas (La Carlota) 79 79 77 78 78 Carrizal 68 68 68 78 77 Ciudad Bolvar 78 77 77 78 75 Colonia Tovar 74 74 74 77 82 Colon 76 76 76 78 77 Coro 73 72 78 78 77 Cumana (Aeropuerto) 76 75 76 78 80 Guanare 75 78 69 78 77 Guasdalito 76 76 76 78 77 Guiria 79 78 80 78 79 La caada 72 73 78 78 75 Maiqueta 87 86 80 78 80 Maracaibo 79 78 78 78 75 Maracay 75 75 78 78 77 Maturn 74 73 74 78 80 Mene Grande 78 77 78 78 76 Mrida 79 79 79 77 76 Palmichal 89 87 89 77 81 Porlamar 86 85 86 78 78 San Antonio (Tchira) 67 67 67 78 74 San Fernando (Apure) 83 82 83 78 76 San Juan de los Morros 73 73 80 78 79 Santo Domingo 81 81 81 78 81 Temblador 83 82 83 78 82 Tumeremo 84 84 84 78 77 Valencia 78 78 78 78 79 Valera 79 77 77 78 76 Valle de la Pascua 77 76 77 78 77 Viga 81 82 87 78 77

Fuente. Pereyra M., E, y Vielma S., J. (2000)

106

ANEXO A7: Resultados para cada Estacin. Variable: Mes de Diseo

Acarigua Barcelona Barinas Barquisimeto Calabozo Caracas (L Carlota) Carrizal Ciudad Bolivar Colnia Tovar Colon Coro Cumana (Aeropuerto) Guanare Guiria La caada Maiquetia Maracaibo Maracay Maturin Mene Grande Mrida Palmichal Porlamar San Juan de los Morros Temblador Valencia Valera Valle de la Pascua Vigia

Mes ( FAV) Mes Estimado 3 4 5 5 3 4 4 5 4 4 5 5 4 4 4 4 4 4 6 7 8 8 5 5 3 4 5 5 8 8 9 8 8 8 4 4 9 9 4 4 8 8 10 10 5 5 4 4 9 9 4 4 6 7 4 4 8 8

Fuente. Pereyra M., E, y Vielma S., J. (2000)

107

ANEXO A8: Resultados para cada Estacin. Variable: Rango Medio Diario de Temperatura

Acarigua Barcelona Barquisimeto Caracas La Carlota Carrizal Ciudad Bolivar Colon Colonia de Tovar Coro Cumana Guanare Guasdualito Guiria La Caada Maiquetia Maracaibo Maracay Maturin Mene Grande Mrida Porlamar San Antonio San Fernando San Juan de los Morros Santo Domingo Temblador Tumeremo Valera

Rango Diario Temp. (C) Rango Estimado Temp. (C) 11 11 9 9 12 12 10 10 13 11 11 9 8 7 9 9 9 9 9 9 12 11 12 12 8 9 8 8 7 9 9 8 12 12 10 10 9 9 10 10 7 9 10 12 11 9 14 12 9 11 9 9 9 10 8 9

Fuente. Pereyra M., E, y Vielma S., J. (2000)

108

ANEXO A9: Resultados para cada Estacin. Variable: Variacin Media Diario de la Humedad Relativa

Acarigua Barcelona Barquisimeto Caracas La Carlota Carrizal Ciudad Bolivar Colon Colonia de Tovar Coro Cumana Guanare Guasdualito Guiria La Caada Maiquetia Maracaibo Maracay Maturin Mene Grande Mrida Porlamar San Antonio San Fernando San Juan de los Morros Santo Domingo Temblador Tumeremo Valera

Variacin Diaria HR (%) Variacin Estimada HR (%) 18 25 20 16 20 17 19 19 31 26 26 21 21 19 10 9 15 16 13 15 22 23 29 26 13 16 20 20 12 14 18 21 28 25 21 26 20 19 18 20 13 14 18 21 21 16 32 28 18 18 15 15 16 15 15 21

Fuente. Pereyra M., E, y Vielma S., J. (2000)