Dispositivo configurable para modelar y analizar comportamientos de consumo de agua

  1. Álvarez Crespo, Marta María 1
  2. García-Fischer, Agustín 1
  3. Rubiños, Manuel 1
  4. Díaz-Longueira, Antonio 1
  5. Quintián, Héctor 1
  6. Calvo-Rolle, José Luis 1
  1. 1 Universidade da Coruña
    info

    Universidade da Coruña

    La Coruña, España

    ROR https://ror.org/01qckj285

Revista:
Jornadas de Automática
  1. Cruz Martín, Ana María (coord.)
  2. Arévalo Espejo, V. (coord.)
  3. Fernández Lozano, Juan Jesús (coord.)

ISSN: 3045-4093

Ano de publicación: 2024

Número: 45

Tipo: Artigo

DOI: 10.17979/JA-CEA.2024.45.10923 DIALNET GOOGLE SCHOLAR lock_openAcceso aberto editor

Resumo

En el presente artículo se exponen las directrices fundamentales necesarias para desarrollar un modelo didáctico, modular y escalable que permita personalizar y recopilar datos relacionados con el consumo de agua. Este modelo servirá como herramienta para alcanzar el objetivo de proporcionar información valiosa sobre los patrones de consumo de agua y facilitar la toma de decisiones informadas en torno a la gestión de este recurso vital. El concepto parte de generar un conjunto de módulos individuales capaces de operar de forma autónoma, que se interconectan unos con otros, permitiendo ampliar el sistema, generar nuevas configuraciones y abordar nuevos retos. También admite la realización de diferentes experimentos y estudios enfocados en la optimización de los procesos sometidos a análisis. Sus resultados contribuirán a una gestión más eficiente y sostenible del consumo de agua.

Referencias bibliográficas

  • Ahmed, S. S., Bali, R., Khan, H., Mohamed, H. I., Sharma, S. K., 10 2021. Improved water resource management framework for water sustainability and security. Environmental Research 201, 111527. DOI: 10.1016/J.ENVRES.2021.111527 DOI: https://doi.org/10.1016/j.envres.2021.111527
  • Brentan, B. M., Zanfei, A., Mazzoni, F., Marsili, V., Oberascher, M., Stelzl, A., Fuchs-Hanusch, D., 12 2023. Forecasting urban peak water demand based on climate indices and demographic trends. Water 2024, 16, 127. DOI: 10.3390/W16010127 DOI: https://doi.org/10.3390/w16010127
  • Donkor, E. A., Mazzuchi, T. A., Soyer, R., Roberson, J. A., 2 2014. Urban water demand forecasting: Review of methods and models. Journal of Water Resources Planning and Management 140, 146–159. DOI: 10.1061/(ASCE)WR.1943-5452.0000314 DOI: https://doi.org/10.1061/(ASCE)WR.1943-5452.0000314
  • Dabrowska, J., Orellana, A. E. M., Kilian, W., Moryl, A., Cielecka, N., Michałowska, K., Policht-Latawiec, A., Michalski, A., Bednarek, A., Włóka, A., 11 2023. Between flood and drought: How cities are facing water surplus and scarcity. Journal of Environmental Management 345, 118557, este es muy útil para contextualizar. DOI: 10.1016/J.JENVMAN.2023.118557 DOI: https://doi.org/10.1016/j.jenvman.2023.118557
  • Fong, B., Housh, M., Hong, G. Y., Wang, J. M., 1 2024. Pipeline management technologies for sustainable water supply in a smart city environment. Reference Module in Earth Systems and Environmental Sciences, 671–679. DOI: 10.1016/B978-0-323-90386-8.00055-3 DOI: https://doi.org/10.1016/B978-0-323-90386-8.00055-3
  • Groppo, G. D. S., Costa, M. A., Libânio, M., 12 2019. Predicting water demand: A review of the methods employed and future possibilities. Water Science and Technology: Water Supply 19, 2179–2198. DOI: 10.2166/WS.2019.122 DOI: https://doi.org/10.2166/ws.2019.122
Fonte de datos: Dialnet