RESUMO
A anlise das redes de distribuio de gua para abastecimento baseada em modelos matemticos de previso
do comportamento hidrulico via computador vem se mostrando fundamental em possibilitar o uso racional de
recursos como gua e energia eltrica. A etapa de calibrao tem, portanto, papel decisivo na consistncia dos
resultados obtidos a partir do modelo de simulao hidrulica da rede em estudo. Este trabalho apresenta um
modelo de calibrao de redes de distribuio de gua que considera os vazamentos, cujas variveis de deciso
so as rugosidades nos trechos da rede. Os Algoritmos Genticos (AGs) foram s ferramentas utilizadas para a
determinao das variveis do problema de otimizao correspondente, cuja aplicao feita para uma rede
hipottica, constituindo etapa preliminar de um estudo completo realizado para redes reais da Cidade de So
Carlos S.P. A anlise dos resultados obtidos mostra que eles podem ser considerados promissores.
INTRODUO
A calibrao de modelos tem importncia fundamental, pois possibilita que as respostas produzidas pelos
mesmos tenham maior confiabilidade.
Shamir & Howard (1977) apresentam um mtodo clssico de calibrao de redes de distribuio de gua, que
define calibrao como sendo a determinao de caractersticas fsicas e operacionais de um sistema existente
e obteno de dados tais que, quando aplicados ao modelo matemtico da rede, produzam resultados
realsticos.
Vrios autores discutiram a calibrao aplicada a sistemas de distribuio de gua, cujos mtodos de
resoluo, em geral, baseiam-se em equaes analticas ou tcnicas de otimizao para resoluo do problema
inverso correspondente. Podem-se citar alguns trabalhos importantes, tais como Walski (1983), Ormsbee &
Wood (1986), Ormsbee (1989), Boulos & Wood (1990), Pudar & Liggett (1992).
Os Algoritmos genticos (AGs), definidos como mtodos de busca baseados na seleo natural e mecanismos
de gentica populacional so utilizados no estudo mostrando-se adequados para dar tratamento a problemas de
otimizao cujas funes so descontnuas ou complexas.
Podem-se destacar aplicaes recentes de AGs em calibrao de redes de distribuio de gua tais como,
Walters et al. (1998), Schaetzen (2000) e Silva et al. (2002).
O objetivo deste trabalho apresentar um modelo desenvolvido para calibrao de redes de distribuio de
gua para abastecimento codificado em Fortran; a sistemtica dos AGs utilizada para resoluo do problema
inverso de calibrao. Os vazamentos so incorporados explicitamente no modelo como em poucas aplicaes
da literatura. A aplicao feita para uma rede hipottica, servindo de base para aplicaes de redes de
distribuio de gua reais da Cidade de So Carlos.
Mesmo que um modelo construdo tenha boa representatividade de um sistema fsico, muitas vezes suas
previses de comportamento no correspondem realidade. A Figura 1 mostra um esquema geral do processo
de calibrao. Realiza-se a comparao entre respostas observadas e calculadas pelo modelo, se as diferenas
entre estes valores atenderem critrios estabelecidos considera-se o modelo calibrado, caso contrrio modifica-
se os parmetros e se obtm novas respostas calculadas para serem comparadas.
Dados de Entrada
Inicializao
Sistema
Parmetros
Real
PARA Modelo
OK
Resposta Resposta
Comparao
Observada Calculada
Insatisfatrio
Modifica os
parmetros
Para as redes de distribuio de gua para abastecimento, a calibrao pode ser realizada ajustando-se
parmetros tais como, por exemplo, rugosidades e dimetros dos trechos, demandas nos ns, embora, muitas
referncias consultadas da literatura, principalmente do Reino Unido, considerem em seus modelos de
calibrao somente as rugosidades nos trechos.
Para cada conjunto de parmetros, o modelo fornece como respostas valores para grandezas que normalmente
so vazes nos trechos e presses nos ns da rede, os quais devem ser aproximados ao mximo das medidas
realizadas em campo.
Nos problemas de otimizao basicamente definida uma funo de aptido (FO) que deve ser maximizada ou
minimizada. O problema de calibrao pode ser expresso matematicamente como um problema de
maximizao, na seguinte forma:
1
2
2
M Q
C (k ) N Psim i Pobs i (k ) sim j Qobs j
FO = w H . N + wQ . M equao (1)
i =1 j =1
[ Pobs i ] / N [ Qobs j ] / M
k =1
i =1 j =1 k
Basicamente, a F.O. constitui o inverso da soma dos quadrados das diferenas adimensionalizadas entre
valores de presses e vazes simulados e observados, multiplicados pelos respectivos pesos atribudos sua
contribuio. Tipicamente so adotados trs padres de demanda k (condio de pico, mdia e mnima),
conforme indicaes da literatura.
MODELO HIDRULICO
A formulao do modelo hidrulico das redes geralmente envolve a equao da continuidade para cada n e
equao da energia para cada trecho (ligao entre ns consecutivos), cuja soluo buscada atravs da
tcnica numrica de linearizaes sucessivas proposta por Germanopoulos & Jowitt (1989)).
Fixados os nveis dos reservatrios e demandas nos ns, o referido mtodo produz valores de vazes para os
trechos e presses nos ns da rede. Este mtodo fornece uma soluo pontual, ou seja, relativa determinada
condio instantnea.
Q
j ji
ij + Ci = 0 ; para todos os ns i. equao (2)
Os vazamentos so relacionados com as presses na rede, conforme expresso em (3). Autores como
(Germanopoulos & Jowitt (1989)) vem empregando tal expresso, admitindo N1=1,18; conforme
experimentos conduzidos na Inglaterra.
S i , j = ci Lij Pijav ( ) N1
equao (3)
onde: Si,j o vazamento da tubulao que liga os ns i e j; ci uma constante da rede; Lij o comprimento do
av
tubo limitado pelos ns i e j e Pij a presso mdia ao longo do tubo. Assim, a equao (3) pode ser escrita
diretamente em termos das cargas hidrulicas nos ns correspondentes conforme equao (4).
[
S i , j = ci Lij 0,5(H i hi + H j h j ) ]
N1
equao (4)
onde hi e hj so respectivamente o nvel do solo no n i e j respectivamente. A equao (2) pode ento ser
reescrita como:
Q ij + Ci + 0,5 S ij = 0
j ji j ji equao (5)
A determinao do valor da funo de aptido relativo a cada soluo alternativa feita atravs da Sub-
rotina Avaliador, que, como o prprio nome sugere, realiza avaliaes hidrulicas. Para esse fim foi utilizado
o programa computacional empregado por Reis & Porto (1997). A avaliao hidrulica fornece, entre outras
informaes, valores de presso e vazo respectivamente para cada n e trecho da rede simulada, a partir de
dados de entrada. Tais informaes produzem um valor de aptido para cada alternativa da populao de
determinada gerao (iterao de AG).
No modelo de resoluo utilizado, os valores de rugosidades so gerados aleatoriamente dentro de uma faixa
previamente estabelecida. A partir destes valores iniciais, o modelo fornece valores de presses e vazes
simulados correspondentes aos valores obtidos do sistema real. As respostas medidas e simuladas so
comparadas e se os valores se aproximarem dentro de faixas estabelecidas, pode-se considerar o modelo
calibrado, caso contrrio os parmetros iniciais so perturbados at que a condio seja satisfeita.
Os Algoritmos genticos (AGs) mostram-se adequados para dar tratamento a problemas de otimizao cujas e
algumas vantagens so listadas abaixo:
A evoluo natural ocorre nos cromossomos, que so elementos microscpicos das clulas nucleares os quais
transmitem informaes hereditrias atravs dos genes. De acordo com a terminologia dos AGs, um
cromossomo (indivduo), referido como string, caracteriza uma cadeia representativa de uma soluo do
problema. Cada cadeia representativa de uma soluo formada por uma srie de caracteres ou traos,
anlogos aos genes biolgicos, representando as variveis de deciso atravs de cdigos. Assim a populao
de cromossomos representa um conjunto de possveis solues do problema. Os AGs evoluem a partir de uma
populao inicial de cadeias representativas de solues geralmente produzidas aleatoriamente. A aplicao
repetida de operadores genticos busca solues eficientes para o problema em estudo, ou seja, aquelas com
valores maiores para a funo de aptido so mantidas enquanto as de valores menores so descartadas. As
vantagens dos AGs sobre os mtodos de busca tradicionais incluem o fato de que eles retm uma amostra
bem adaptada da populao, durante a busca do timo global. Tais algoritmos consideram regras
probabilsticas de transio de um conjunto de solues para outro, e tem a flexibilidade de admitir funes
objetivo (ou de aptido) complexas, descontnuas ou que no possuam derivadas.
A aplicao de AGs envolve a escolha apropriada do cdigo de representao das variveis de deciso do
problema. Apesar das diversas possibilidades de codificao, GOLDBERG (1989) sugeriu que o desempenho
dos AGs timo quando a codificao binria empregada. Entretanto muitos problemas requerem
representaes diferentes, incluindo a codificao em nmeros reais para as variveis de deciso.
SIMPSON et al. (1994), MCKINNEY & LIN (1994), REIS et al. (1997) e RITZEL & EHEART (1994) so
exemplos de estudos que aplicaram AGs com sucesso para resolver problemas complexos de recursos
hdricos. Outros trabalhos seguiram-se a estes, aplicando AGs, inclusive para realizar calibrao de modelos
de redes SAVIC & WALTERS (1997) e WALTERS et al.(1998).
Os AGs simples podem ser classificados basicamente em: Geracionais, e Steady State. A vantagem do uso
dos AGs Steady State diz respeito ao tempo de processamento computacional reduzido, quando comparado
com os AGs geracionais. Apresentam a desvantagem de serem menos robustos que os AGs geracionais,
sendo que tais fatores devem ser ponderados na escolha do algoritmo a ser utilizado. Neste estudo foram
implementados e desenvolvidos testes com os AGs Steady State, por permitirem que vrias populaes
aleatrias de solues iniciais sejam testadas devido ao menor tempo computacional e resultados
preliminares com AGs geracionais serem bastante prximos dos obtidos.
Nos AGs Steady State, IPOP constitui parcela pequena da populao de indivduos. Conforme ilustra a
Figura 2, dois indivduos (IPOP=2) so gerados inicialmente a mais que a populao NPOP, ou seja,
NPOP+2. Na primeira iterao de AG, faz-se a avaliao dos NPOP+2 indivduos, que so classificados em
ordem decrescente do valor da funo de aptido. Uma anlise estatstica das NPOP melhores solues
realizada, verificando se o critrio de convergncia obedecido. Em caso negativo, dois indivduos novos
criados so selecionados e avaliados para substituir os descartados e constituir novamente a populao de
NPOP+2 indivduos, de acordo com o critrio da roleta (GOLDBERG (1989)). Com isso, a partir da
segunda iterao, a avaliao da funo de aptido feita apenas para dois novos indivduos e no para
todos como nos esquemas geracionais, reduzindo desta forma o tempo computacional.
ENTRADA DE DADOS
(INFORMAES FSICAS DA REDE E MEDIDAS
DE PRESSES E VAZES )
NO
SELEO DE DOIS INDIVDUOS PAIS PARA
CRUZAMENTO E MUTAO
CRUZAMENTO
MUTAO
NO
NMERO TOTAL DE ITERAES DE AGs =
ITERAO DE AG ATUAL ?
ITERAO DE AG = ITERAO + 1
SIM
FIM
Para os AGs steady state um critrio de convergncia foi definido, alm do nmero de iteraes de AGs
estabelecido, de acordo com o qual, feita a diferena entre o valor da funo de aptido do melhor e do pior
indivduo de cada iterao de AG. O procedimento iterativo para quando tal diferena atingir a preciso
previamente estipulada ou o nmero total de geraes for atingido.
O problema de calibrao foi posto como de determinao das rugosidades dos trechos da rede.
Em conformidade com o esquema da Figura 3, cada possvel soluo para o problema em estudo foi
representada por uma cadeia de nmeros reais, representativos das rugosidades dos trechos da rede.
Assim, cada soluo totaliza N=37 variveis de deciso (rugosidades). A especificao faixa de variao das
rugosidades foi obtida a partir de dados do trabalho que se extraiu a rede em estudo.
ABES - AssociaoRUGOSIDADE
Brasileira de Engenharia SanitriaRUGOSIDADE
e Ambiental 6
..........
RUGOSIDADE RUGOSIDADE RUGOSIDADE
TRECHO 1 TRECHO 2 TRECHO 3 TRECHO 4 TRECHO N
VI Simpsio talo Brasileiro de Engenharia Sanitria e Ambiental
Dentre as diversas possibilidades de implementao dos AGs, no presente estudo foram adotadas as
seguintes caractersticas, sendo que uma das bases de referncia consultada foi SIMPSON et al. (1994):
- Gerao da populao inicial de solues: uma populao inicial de NPOP+2 indivduos gerada
aleatoriamente;
- Tamanho da populao (NPOP): 200 indivduos;
- Tipo de AG: Steady state;
- Seleo: roleta;
- Recombinao: simples de dois pontos com probabilidade de 100% e
- Mutao: uniforme por genes.
A sistemtica de implementao de AGs foi aplicada para a rede de distribuio hipottica esquematizada na
Figura 4, cujos dados so apresentados nas Tabelas 1,2 e 3.
3 14,0 0
4 12,0 5
5 14,0 30
6 15,0 10
7 14,5 0
8 14,0 20
9 14,0 0
10 15,0 5
11 12,0 10
12 15,0 0
13 23,0 0
14 20,0 5
15 8,0 20
16 10,0 0
17 7,0 0
18 8,0 5
19 10,0 5
20 7,0 0
21 10,0 5
22 15,0 20
*Embora na Tabela 3 sejam informados os coeficientes de Hazen-Willians, de acordo com o trabalho original
de referncia, a frmula universal foi adotada para o clculo da perda de carga.
RESULTADOS E DISCUSSO
As iteraes de AGs realizadas ou geraes, com base no critrio de convergncia de comparao dos valores
de aptides mxima (aptido do maior indivduo de uma populao de solues) e mdia (mdia das aptides
de uma populao de solues) da funo de aptido de acordo com o algoritmo da Figura 2 produziram os
resultados reportados a seguir nas Figuras 5 e 6.
A Figura 5 mostra a evoluo da aptido mxima e mdia das aptides ao longo das geraes. Nota-se que a
tendncia de que a aptido mdia se aproxime cada vez mais da mxima (diminuindo chance de evoluo)
1,80E-01
2,00E-01 1,60E-01
FUNO DE APTIDO
FUNO DE APTIDO
1,40E-01
1,50E-01 1,20E-01
1,00E-01
1,00E-01 8,00E-02
6,00E-02
0,00E+00 0,00E+00
0 2000 4000 6000 8000 10000 12000 0 2000 4000 6000 8000 10000
GERAO GERAO
1,20E-01
2,00E-01
FUNO DE APTIDO
FUNO DE APTIDO
1,00E-01
1,50E-01
8,00E-02
6,00E-02
1,00E-01
4,00E-02
0,00E+00 0,00E+00
0 2000 4000 6000 8000 10000 1200 0 2000 4000 6000 8000 1000
GERAO GERAO
1,40E-01
2,00E-01
1,20E-01
FUNO DE APTIDO
FUNO DE APTIDO
1,00E-01
1,50E-01
8,00E-02
1,00E-01
6,00E-02
4,00E-02
5,00E-02 APTIDO MXIMA APTIDO MXIMA
0,00E+00 0,00E+00
0 2000 4000 6000 8000 1000 0 2000 4000 6000 8000 10000
GERAO GERAO
1,60E-01
1,40E-01
FUN O D E AP TID O
1,20E-01
1,00E-01
8,00E-02
6,00E-02
0,00E+00
0 1000 2000 3000 4000 5000 6000 7000
O comportamento da varincia tem uma tendncia de diminuio ao longo das geraes. Entretanto, so
notados picos de valores intermedirios at que a varincia seja reduzida significativamente para as diferentes
populaes aleatrias de solues. Tais picos correspondem ao surgimento de solues com valor de aptido
diferenciados na populao, sendo os mais acentuados na populao 4 e 5. A populao 6 apresenta o
comportamento mais homogneo.
1,40E-04 1,20E-04
1,20E-04
1,00E-04
1,00E-04
VARINCIA
VARINCIA
8,00E-05
8,00E-05
6,00E-05
6,00E-05
4,00E-05
4,00E-05
2,00E-05 2,00E-05
0,00E+00 0,00E+00
0 2000 4000 6000 8000 10000 12000 0 2000 4000 6000 8000 10000
GERAO GERAO
1 ,8 0 E -0 4
1 ,2 0 E -0 4
1 ,6 0 E -0 4
1 ,4 0 E -0 4 1 ,0 0 E -0 4
VARINCIA
VARINCIA
1 ,2 0 E -0 4
8 ,0 0 E -0 5
1 ,0 0 E -0 4
6 ,0 0 E -0 5
8 ,0 0 E -0 5
6 ,0 0 E -0 5 4 ,0 0 E -0 5
4 ,0 0 E -0 5
2 ,0 0 E -0 5
2 ,0 0 E -0 5
0,0 0 E + 0 0 0,0 0 E + 0 0
0 20 0 0 4000 6000 8000 10000 12000 0 1000 2000 3000 4000 5000 6000 70 0 0 8 00 0 9000 10000
GERAO GERAO
3 ,5 0 E -0 4 1 ,4 0 E -0 4
3 ,0 0 E -0 4 1 ,2 0 E -0 4
2 ,5 0 E -0 4 1 ,0 0 E -0 4
VARINCIA
VARINCIA
2 ,0 0 E -0 4 8 ,0 0 E -0 5
1 ,5 0 E -0 4 6 ,0 0 E -0 5
1 ,0 0 E -0 4 4 ,0 0 E -0 5
5 ,0 0 E -0 5 2 ,0 0 E -0 5
0,0 0 E + 0 0 0,0 0 E + 0 0
0 1000 2000 3000 4000 5000 6000 70 0 0 8 00 0 9000 10000 0 1000 2000 3000 4000 5000 6000 70 0 0 8 00 0 9000 10000
GERAO GERAO
1 ,4 0 E -0 4
1 ,2 0 E -0 4
1 ,0 0 E -0 4
VARINCIA
8 ,0 0 E -0 5
6 ,0 0 E -0 5
4 ,0 0 E -0 5
2 ,0 0 E -0 5
0,0 0 E + 0 0
0 1 0 00 2000 3000 4000 5000 6000 7000
GERAO
Na Tabela 4, so apresentados
populaoos valores 7de presses e vazes medidas e simuladas para os alguns pontos da
aleatria
rede, para 3 condies de demanda e 7 populaes aleatrias distintas.
Nota-se que o erro absoluto mdio de presso (obtido subtraindo os valores medidos da mdia dos valores
simulados para todas as populaes aleatrias) atinge no mximo a 0,60 mH2O, chegando para a condio de
demanda 3 em um mximo de 0,08 mH2O. Observa-se que os maiores erros ocorrem para a condio de
demanda mxima, sendo que o maior sempre ocorre no ponto 20 e de forma geral. Salienta-se que os valores
de presses obtidos para todas as populaes aleatrias so prximos.
Com relao s vazes, constata-se que o maior erro percentual de 1,80% para a condio de demanda
mnima. Tambm se nota que os maiores erros ocorrem para a Entrada 1 e os menores para a Entrada 2. Os
valores de vazes simulados oscilam pouco para diferentes populaes aleatrias.
CONDIO DE DEMANDA 1
CONDIO DE DEMANDA 2
CONDIO DE DEMANDA 3
Algumas alternativas para melhor consistncia dos resultados so discutidas nas concluses e recomendaes
deste trabalho.
Tabela 5: Comparao de valores de rugosidades obtidos pelo modelo de simulao para diferentes
populaes aleatrias
POP. ALEAT 1 POP. ALEAT 2 POP. ALEAT 3 POP. ALEAT 4 POP. ALEAT 5 POP. ALEAT 6 POP. ALEAT 7
TRECHO RUGOSIDADE RUGOSIDADE RUGOSIDADE RUGOSIDADE RUGOSIDADE RUGOSIDADE RUGOSIDADE
(mm) (mm) (mm) (mm) (mm) (mm) (mm)
1 9,30 0,38 10,05 0,37 0,39 0,36 0,05
2 0,27 0,28 0,25 0,33 0,27 0,29 0,28
3 0,28 0,38 0,39 0,05 7,98 0,39 0,17
4 0,05 0,05 0,05 0,05 0,10 0,05 0,32
5 0,05 0,06 0,05 0,55 0,10 0,14 0,33
6 0,05 0,37 0,05 0,05 0,05 0,05 0,12
7 0,05 0,29 0,05 0,05 0,19 0,05 0,05
8 0,33 0,47 0,05 0,27 0,39 0,34 1,48
9 0,40 0,30 1,34 0,38 0,40 0,33 0,39
10 0,24 0,35 0,39 0,09 0,36 0,17 0,50
11 0,21 0,36 0,38 0,32 0,14 0,36 0,39
12 0,05 0,05 0,05 0,05 0,18 0,05 0,05
13 7,64 0,31 0,39 0,37 0,48 6,34 8,94
14 2,79 9,38 9,01 7,77 7,77 0,40 0,39
15 0,15 0,09 0,18 0,34 0,30 0,24 0,05
16 7,87 2,50 0,40 2,35 1,30 7,04 8,00
17 0,32 8,50 9,03 8,17 9,28 8,54 8,94
18 0,05 0,05 0,06 0,05 0,05 0,05 0,06
19 3,94 1,69 9,88 1,43 0,15 8,18 1,10
20 0,05 0,20 0,25 0,37 0,05 0,17 0,10
21 0,28 0,46 0,26 0,38 3,96 0,39 0,40
22 0,09 0,23 0,05 0,35 0,22 0,05 0,36
23 0,09 0,13 0,23 0,20 0,25 0,30 0,38
24 0,22 0,30 0,13 0,35 0,11 1,00 0,30
25 0,05 0,31 0,05 0,13 0,05 0,37 3,84
26 0,19 0,19 0,21 0,36 0,37 0,17 0,37
27 0,05 0,05 0,22 0,05 0,33 0,30 0,05
28 4,17 0,39 0,39 0,51 3,33 0,51 1,00
29 0,05 7,45 9,94 0,36 0,34 0,23 0,06
30 0,39 0,38 0,39 0,08 0,40 0,24 0,26
31 0,34 0,25 7,25 0,05 0,16 0,27 0,37
32 0,21 0,25 0,39 0,17 0,15 0,36 0,19
33 0,75 7,28 0,31 9,11 9,48 4,35 0,05
34 9,20 1,56 9,85 0,05 0,92 0,35 0,38
35 0,09 9,13 8,54 10,01 0,05 9,07 0,51
36 0,40 0,39 5,65 0,35 1,24 0,12 0,16
37 0,33 0,05 0,09 0,34 0,22 0,36 0,05
CONCLUSES E RECOMENDAES
No trabalho relata-se resultados obtidos de um modelo de calibrao construdo e implementado para uma
rede de distribuio de gua da literatura, servindo como etapa preliminar para aplicao em redes reais da
Cidade de So Carlos-S. P.
A rotina de simulao foi codificada em Fortran e sistemtica de busca utilizada para resoluo do problema
inverso de calibrao foram os Algoritmos Genticos (AGs).
A primeira anlise realizada relativa s presses na rede medidas e simuladas em pontos de monitoramento
pr-estabelecidos, observa-se que o erro absoluto mdio das presses simuladas em relao s medidas chega
no mximo a 0,60 mH2O. Para a condio de demanda 3 um desvio mximo de 0,08 mH2O foi observado.
Nota-se que o maior erro sempre ocorre no ponto 20 e de forma geral ocorrem os maiores erros para a
condio de demanda mxima. Tambm se salienta que os valores de presses obtidos para todas as
populaes aleatrias tem seus valores prximos.
Com relao s vazes, constata-se que o maior erro percentual de 1,80% para a condio de demanda
mnima. Nota-se tambm que os maiores erros ocorrem para a Entrada 1 e os menores para a Entrada 2. Os
valores simulados de vazes para diferentes populaes aleatrias apresentam valores bastantes prximos.
A varincia entre os valores de aptido de cada soluo tende a diminuir ao longo das geraes conforme o
esperado e o valor da aptido mdia de cada gerao tende a se aproximar do valor mximo.
Os valores de rugosidades obtidos para todas as populaes aleatrias conduzem a bons resultados de presses
e vazes. Entretanto no apresentam consistncia, pois cada populao aleatria distinta conduz a um conjunto
de valores de rugosidades.
Considera-se que as respostas obtidas de forma geral so boas para a rede terica considerando a fase do
trabalho. Entretanto, como aprendizado algumas sugestes devero ser seguidas ao tratar-se de redes reais e de
maior porte, sendo que algumas so listadas abaixo:
- Aumento e escolha mais criteriosa do nmero de pontos de monitoramento com informaes de presses e
vazes;
- Setorizao para reduzir o nmero de variveis;
- Utilizao de coeficientes de vazamentos da rede em estudo;
- Ajustes dos valores de consumo e vazamentos ao longo da geraes e
- Determinao conjunta dos parmetros de vazamentos e de calibrao.
Desta forma, o presente trabalho serviu como base para as pesquisas previstas enfocando as redes de
distribuio reais.
AGRADEDIMENTOS
Os autores agradecem FINEP como agncia financiadora do projeto RECOPE- REHIDRO, em que se
insere o presente estudo; FAPESP pela concesso de bolsa ao primeiro autor do trabalho.
REFERNCIAS BIBLIOGRFICAS
1. BOULOS, P.F.; WOOD, D.J. (1990). Explicit Calculation of Pipe- Network Parameters. J. Hydr.
Engrg., ASCE, v.116, n.11, p.1329-1344.
2. GERMANOPOULOS, G; JOWITT, P.W. (1989). Leakage reduction by excess pressure
minimization in a water supply network. Proc. Instn Civ. Engrs Part 2, June, p. 195-214.
3. GOLDBERG, D.E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning.
Addison-Wesley, Reading, Massachusetts, USA.
4. JOWITT, P.W.; XU, C. (1990). Optimal Valve Control in Water Distribution Networks. Journal of
Water Resources Planning and Management, v.116, n.4, p.455-472, July.
5. MCKINNEY, D.C.LIN, M.D.(1994). Genetic algorithm solution of groundwater management
models. J. Water Resourc, vol. 30, n.6, p-1897-1906.
6. ORMSBEE, L.E.; WOOD, D.J. (1986). Hydraulic Design Algorithm for Pipe Networks. J. Hydr.
Engrg., ASCE, v.112, n.12, p.1195-1207.
7. ORMSBEE, L.E. (1989). Implicit Network Calibration. J.Water Res. Plng and Mgmt, ASCE, v.115,
n.2, p.243-257.
8. PUDAR, R.S.; LIGGETT, J.A. (1992). Leaks in Pipe Network . J. Hydr. Engrg., ASCE, v.118. n.7,
p.1031-1046.
9. REIS, L.F.R.; PORTO, R.M.; CHAUDHRY, F.H. (1997). Optimal Location of Valves in Pipe
Networks By Genetic Algorithm. Journal of Water Resources Planning and Management, v.123, n.6,
p.317-326.
10. RITZEL, B.J.; EHEART, W. (1994). Using genetic algorithms to solve a multiple objetive
grounwater pollution containment problem. J.Water Resouc. v.30, n.5, p.1589-1603.
11. SCHAETZEN, W.B.F.; WALTERS, G.A.; SAVIC, D.A. (2000). Optimal Calibration and Sampling
Design for Hydraulic Network Models. Tese de Doutorado, Exeter University, U.K.
12. SHAMIR, U. & HOWARD, C.D.D. (1977). Engineering Analysis of Water Distribution Systens.
Journal of the American Water Works Association, v.69, n.9, p.510-514.
13. SILVA, F.G.B; REIS, L.F.R.; CALIMAN, R.O.; CHAUDRHY, F.H. (2002) Anlise de calibrao de
redes de distribuio de gua para abastecimento aplicada a setor de rede real uma aproximao que
contempla vazamentos In: REDE COOPERATIVA DE PESQUISA EM ENGENHARIA E GESTO
DE RECURSOS HDRICOS - Reunio final, VITRIA ES.
14. SIMPSON, A.R.; DANDY, G.C. ; MURPHY, LAURENCE ( 1994). Genetic Algorithms Compared
to Other Techniques for Pipe Optimization. Jounal of Water Resources Planning and Mannagement,
v.120, n.4, p.423-443.
15. WALSKI, T.M. (1983).Technique for Calibrating Network Models. J. Water Res. Plng and Mgmt,
ASCE, v. 109, n.4, p.360-372.
16. WALTERS, G.A.; SAVIC, D.A.; MORLEY, M.;WERNER, D.S.(1998). Calibration of Water
Distribution Network Models Using Genetic Algorithms. University of Exeter. School of
Engineering.HYDROSOFT 1998 ( Inglaterra).