El sentido físico de los parámetros en la modelización numérica del drenaje urbano

  1. Suárez López, Joaquín
  2. Cagiao Villar, Juan
  3. Puertas, Jerónimo
Revista:
Ingeniería del agua

ISSN: 1134-2196

Año de publicación: 2002

Volumen: 9

Número: 3

Páginas: 269-278

Tipo: Artículo

DOI: 10.4995/IA.2002.2618 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Ingeniería del agua

Resumen

En el presente artículo se analizan dos filosofías de modelización de los procesos vinculados al drenaje urbano, y se distingue entre dos tipos: aquéllos que se pueden calificar como "conceptuales", y los que carecen de una base teórica tradicional o "no conceptuales", ejemplo de los cuales pueden ser los basados en redes de neuronas artificiales. Dentro de los modelos conceptuales se analizan los procesos de discretización y calibración y se presentan resultados de un estudio concreto. Uno de los objetivos es demostrar que al decidir cuáles son los parámetros a calibrar y dar valores a los considerados como fijos, estamos asignando responsabilidades a una serie de parámetros variables a la hora de reproducir la respuesta (caudal) ante una excitación (precipitación), y esto se ve reflejado en que el mejor ajuste puede llevar a posibles valores "irregulares" de los parámetros calibrados. Se plantea si importa realmente este hecho, al considerar como fin último del modelo su poder de predicción ante excitaciones diferentes a las del proceso de calibración. El sentido físico "teórico" de los parámetros se relega a un segundo plano frente a su sentido "real" dentro de un modelo y simulación determinados. ¿Nos encontramos en un punto de inflexión en la evolución de la modelización, en el que la base conceptual cede su protagonismo a la evidencia de los datos reales?.

Referencias bibliográficas

  • ASAAD Y. SHAMSELDIN (1997). Application of a neural network technique to rainfall-runoff modelling. Journal of Hydrology vol.199, 272-294. ISBN:0022-1694. https://doi.org/10.1016/S0022-1694(96)03330-6
  • ASHLEY R.M., HVITVED-JACOBSEN T. and BERTRAND-KRAJEWSKI J-L. (1998). Quo Vadis Sewer Process Modelling?. UDM’98 Fourth International Conference on Developments in Urban Drainage Modelling, 21-24 September 1998 London, UK, vol 1 35-50. Sponsors: IAWQ, IAHR, Joint IAHR/IAWQ and Unesco.
  • HUBER W.C. and DICKINSON R.E. (1992). Storm Water Management Model, user ́s manual, version 4. U.S. Envir.Protection Agency, Athens, Ga.
  • MCKAY M.D. (1988). Sensitivity and Uncertainty Analysis Using a Statistical Sample of Input Values. Uncertainty Analysis, Y. Ronen, ed., CRC Press, Inc., Boca Raton, Florida, 145-186.
  • NINGG., DENOUX T. and BERTRAND-KRAJEWSKI J-L. (1996). Neural Networks for Solid Transport Modelling in Sewer Systems during Storm Events.Wat.Sci.Tech. vol.33 nº9, pags.85-92. ISBN:0273-1223. https://doi.org/10.2166/wst.1996.0183
  • NIX S.J. (1994). Urban Stormwater Modeling and Simulation. Lewis Publishers, CRC Press, Inc., Boca Raton, Florida.
  • ROESNER L.A., ALDRICH J.A. and DICKINSON R.E. (1992). Storm Water Management Model, user ́s manual, version 4, EXTRAN addendum. U.S. Envir. Protection Agency, Athens, Ga.
  • SHAMSELDIN, A.Y., (1997), Application of a neural network technique to rainfall-runoff modelling, Journal of Hydrology, 199, 272-294. https://doi.org/10.1016/S0022-1694(96)03330-6
  • SOROOSHIAN S. and GUPTA V.K. (1995). Model Calibration. Computer Models of Watershed Hydrology, Vijay P. Singh ed., Water Resources Publications, Baton Rouge, LA, 23-68.
  • VIESSMAN, W; LEWIS, G; KNAPP, J (1989). Introduction to Hydrology, Harper Collins
Fuente de los datos: Dialnet