Documente Academic
Documente Profesional
Documente Cultură
TEMA
CANALES DE RIEGOS OPTIMOS
CURSO :
HIDRAULICA DE CANALES
DOCENTE :
JOEL BELISARIO ORE IWANAGA
INTEGRANTE :
SALOMON ARCE, NATALY LUZ
En los Canales de riegos óptimos por Prabhata K. Swamee, indica que para un diseño de canales se
necesita reducir el área y perímetro de la sección, obteniendo así un menor costo. En el cual toma
por ejemplo las siguientes secciones (triangular, rectangular, trapezoidal y circular):
Donde indica que la pendiente óptima en una sección triangular es 1 y para la sección trapezoidal, la
pendiente óptima seria 3−0.5 , también que las dimensiones lineales están relacionadas con la
profundidad normal óptima (tirante), por ejemplo las bases óptimas del rectángulo es 2𝑦𝑛∗ , de la
2
sección trapezoidal es ( )𝑦𝑛∗ y el diámetro óptimo de la sección circular es 2𝑦𝑛∗ .
√3
También existieron otros investigadores sobre las secciones óptimas, donde Swamee los nombra y
son Chow que dio propiedades de este tema. Según Ven Te Chow:
“[…] Los elementos geométricos para seis secciones hidráulicas optimas se muestran en la tabla, pero
no siempre estás secciones son prácticas, debido a dificultades en la construcción y en el uso de
material. Una sección de canal debe diseñarse para cumplir con una eficiencia hidráulica optima pero
debe modificarse para tener en cuenta aspectos constructivos. Visto prácticamente la sección
hidráulica óptima es la sección que da el área mínima excavación. La sección con mínima excavación
ocurre sólo si el nivel del agua llega hasta el tope de las bancas. Para casos en que la superficie del
agua se encuentra por debajo del tope de las bancas, como ocurre a menudo, los canales más
angostos que aquéllos con la sección hidráulica óptima darán una excavación mínima. Si la superficie
del agua fluye por encima de las bancas y éstas coinciden con el nivel del terreno, canales más anchos
darán una excavación mínima”
, otro investigador es Monadjemi que para este tema hallo relaciones entre variables desconocidas y
llegando así a ecuaciones que no se pueden utilizar directamente, el investigador Bhatia que expresa
las dimensiones del canal optimo en términos de los coeficiente de caudal, rugosidad de manning y
pendiente del fondo del canal y por último el investigador Froelich que extendió este punto para el
ancho y tirante en las secciones trapezoidales.
𝜀 0.221𝜈
obteniendo así el caudal 𝑄 = −2.45𝐴√𝑔𝑅𝑆𝑜 ln(12𝑅 + 𝑅√𝑔𝑅𝑆 )… (2)
𝑜
Además, Swamee indica que para llegar a la forma óptima de un canal solo se tiene que reducir el
área (igualar la ecuación (2) a cero).
Pero En una sección triangular de Z=1 lo que se tiene que reducir es 𝑚𝑦𝑛2∗ , reemplazando así en (1) y
0.5 0.75
𝑚1.5 𝑦 2.5
∗ 𝜀∗ (1+𝑚2 ) (1+𝑚2 )
obteniendo 1.737 (1+𝑚2 )𝑛0.25 ln ( + 0.625𝜈∗ (𝑚𝑦𝑛∗ )1.5
) + 1 = 0, en el cual 𝑦𝑛∗ =
6𝑚𝑦𝑛∗
𝑔𝑆 𝑔𝑆
𝑦𝑛 ( 𝑄2𝑜 )0.2; 𝜀∗ = 𝜀( 𝑄2𝑜 )0.2 ; 𝜈∗ = 𝜈(𝑄 3 𝑔𝑆𝑜 )−0.2; y Para resolver dicha ecuación se aplica el método
4.8
𝑄2 8𝜈𝑄 9.4 0.04
Por lo tanto la pendiente óptima es 1 y el tirante óptimo es 0.507L (𝐿 = (𝜀 (𝑔𝑆 ) + (𝑔𝑆 5.2 )
);
𝑜 𝑜)
Obteniendo así una tabla, donde la sección trapezoidal óptima tiene como inclinación lateral π/3
(esto no ocurre siempre debido a la estabilidad de la pendiente lateral) y llegando a las siguientes
(1+𝑚2 )0.5 −𝑚
ecuaciones: 𝑏 ∗ = 0.930 𝐿; 𝑃∗ = 0.930(2(1 + 𝑚2 )0.5 − 𝑚)−0.375 𝐿 ; 𝐴∗ =
(2(1+𝑚2 )0.5 −𝑚)0.375
La mejor sección desde un punto de vista hidráulico será aquella que, para una sección, rugosidad y
pendiente dada, conduce un caudal máximo. Es decir, el caudal será máximo cuando el perímetro
mojado sea mínimo. Por ello la sección circular es la más económica, pero su ejecución tiene grandes
inconvenientes, por lo que no es usada para grandes canales. (Fuente: Escuela Universitaria de
Ingeniería Técnica Agrícola de Ciudad Real)
El método gráfico siguiente simple pero conservador para los resultados del diseño del canal que
indica Swamme: dibuje un semicírculo del diámetro 0.785 l con un diámetro como la superficie
libre; y dibuje la sección deseada.
Se opera de igual forma que del trapezoidal, se obtiene una relación de h-L optima cuando l=
(2h)/0.3925, el perímetro 4*0.3925h y el radio hidráulico R=0.3925h/2
Tendrá un ángulo α
Criterios:
Sección circular
Sección triangular
MULTIPLICADOR DE LAGRANGE
Historia:
El método lagrangian (también conocido como multiplicadores lagrangian) lo propuso Joseph Louis
Lagrange (1736-1813), un matemático nacido en Italia. Sus multiplicadores lagrangian tienen
aplicaciones en una variedad de campos, incluyendo el físico, astronomía y económica. La lectura de
una obra del astrónomo inglés Edmund Halley despertó su interés, y, tras un año de incesante
trabajo, era ya un matemático consumado. Nombrado profesor de la Escuela de Artillería, en 1758
fundó una sociedad, con la ayuda de sus alumnos, que fue incorporada a la Academia de Turín. En su
obra Miscellanea taurinensia, escrita por aquellos años, obtuvo, entre otros resultados, una ecuación
diferencial general del movimiento y su adaptación para el caso particular del movimiento rectilíneo,
y la solución a muchos problemas de dinámica mediante el cálculo de variantes.
Realizo un trabajo sobre el equilibrio lunar, donde razonaba la causa de que la Luna siempre mostrara
la misma cara, le supuso la concesión, en 1764, de un premio por la Academia de Ciencias de París o
En 1795 se le concedió una cátedra en la recién fundada École Normale, que ocupó tan solo durante
cuatro meses. Dos años más tarde, tras la creación de la École Polytechnique, Lagrange fue nombrado
profesor, y quienes asistieron a sus clases las describieron como «perfectas en forma y contenido».
Sus enseñanzas sobre cálculo diferencial forman la base de sus obras Teoría de las funciones
analíticas y Resolución de ecuaciones numéricas (1798). En 1810 inició una revisión de su Teoría, pero
sólo pudo concluir dos terceras partes antes de su muerte.
Método de Lagrange
Visualizar algunas superficies cuádricas y curvas de nivel para distintos valores de la variable z.
Identificar, a través de los simuladores, los puntos (x,y) sobre la curva correspondiente a la función
restricción donde la función principal tiene extremos. Interpretar gráficamente los resultados
obtenidos empleando el método de multiplicadores de Lagrange. Aproximar las soluciones del
problema a partir de la observación en el simulador, de las curvas de nivel de la función principal y la
curva correspondiente a la función condicionante. Adquirir habilidad en la resolución de problemas
de optimización en un ambiente computacional.
Ejemplo:
METODO SIMPLEX
El método Simplex se basa en la siguiente propiedad: si la función objetivo Z no toma su valor máximo
en el vértice A, entonces existe una arista que parte de A y a lo largo de la cual el valor de Z aumenta.
Será necesario tener en cuenta que el método Simplex únicamente trabaja con restricciones del
problema cuyas inecuaciones sean del tipo "≤" (menor o igual) y sus coeficientes independientes sean
mayores o iguales a 0. Por tanto habrá que estandarizar las restricciones para que cumplan estos
requisitos antes de iniciar el algoritmo del Simplex. En caso de que después de éste proceso
aparezcan restricciones del tipo "≥" (mayor o igual) o "=" (igualdad), o no se puedan cambiar, será
necesario emplear otros métodos de resolución, siendo el más común el método de las Dos Fases.
Tipo de Optimización
Como se ha comentado, el objetivo del método consistirá en optimizar el valor de la función objetivo.
Sin embargo se presentan dos opciones: obtener el valor óptimo mayor (maximizar) u obtener el
valor óptimo menor (minimizar).
Además existen diferencias en el algoritmo entre el objetivo de maximización y el de minimización
en cuanto al criterio de condición de parada para finalizar las iteraciones y a las condiciones de
entrada y salida de la base. Así:
Objetivo de maximización
Condición de entrada a la base: el menor valor negativo en la fila Z (o el de mayor valor absoluto
entre los negativos) indica la variable Pj que entra a la base.
Condición de salida de la base: una vez obtenida la variable entrante, la variable que sale se
determina mediante el menor cociente P0/Pj de los estrictamente positivos.
Objetivo de minimización
Condición de entrada a la base: el mayor valor positivo en la fila Z indica la variable Pj que entra a la
base.
Condición de salida de la base: una vez obtenida la variable entrante, la variable que sale se
determina mediante el menor cociente P0/Pj de los estrictamente negativos.
No obstante, es posible normalizar el objetivo del problema con el fin de aplicar siempre los mismos
criterios en lo referente a la condición de parada del algoritmo y a las condiciones de entrada y salida
de las variables de la base. De esta forma, si el objetivo es minimizar la solución, se puede cambiar el
problema a otro equivalente de maximización simplemente multiplicando la función objetivo por "-
1". Es decir, el problema de minimizar Z es equivalente al problema de maximizar (-1)·Z. Una vez
obtenida la solución será necesario multiplicarla también por (-1).
Algoritmo
El algoritmo simplex resuelve problemas de Programación Lineal por la construcción de una solución
admisible en vértice poliedro, y entonces corre a través de los vértices del poliedro que tienen valores
sucesivamente más altos de la función objetivo para encontrar el máximo. Aunque este algoritmo es
muy eficiente en la práctica, y está garantizado para encontrar un óptimo global si ciertas condiciones
para evitar los ciclos se toman, es débil en el peor de los casos: Usted puede construir un problema
de programación lineal práctico para los que el método simplex realiza un número exponencial de
pasos en relación con el tamaño de la emisión.De hecho, desde hace algún tiempo no se sabía si los
problemas de programación lineal fueron NP-completo o ha tenido solución en tiempo polinómico.
El primer algoritmo de programación lineal en el tiempo polinomio en el peor caso fue propuesto por
Leonid Khachiyan en 1979. Se basaba en optimización no lineal de Naum Shor, que es una
generalización del método de elipsoide Arkadi Nemirovski, uno de los ganadores del Premio de Teoría
John von Neumann en 2003 , y D. Yudin.
En 1984 , Narendra Karmarkar propuso su método proyectivo, que se convirtió en el primer algoritmo
para un buen desempeño en la teoría y en la práctica: el peor de los casos es la complejidad
polinómica y los problemas prácticos de la experiencia muestra que es razonablemente eficiente en
comparación con el algoritmo simplex.
Dado que el método Karmarkar, se han propuesto y analizado muchos otros métodos de punto
interior. Un método popular es el método predictor-corrector de Mehrotra, cuya actuación tiene un
buen rendimiento en la práctica, aunque se sabe poco acerca de ello en teoría.
La última opinión entre los estudiosos es que la eficiencia de las buenas implementaciones de los
métodos basados en simplex y los puntos interiores son similares a la aplicación rutinaria de la
programación lineal.
Ejemplo:
Conclusiones:
La sección que tenga menor perímetro mojado para un área determinada transportará mayor
caudal, entonces esa sección es la óptima hidráulicamente. Entre secciones de igual
superficie, el semicírculo tEiene el menor perímetro, por lo que es la forma geométrica más
eficiente desde el punto de vista hidráulico, como se observa la tabla 1 y lo que indica Swamee
en su investigación (según Ven Te Chow).
También, entre las trapeciales el semihexágono regular, entre las rectangulares el semi
cuadrado, y entre las triangulares el triángulo isósceles de 45º.
El principio de la sección optima se aplica sólo en el diseño de canales no erosionables, o sea
revestidos con hormigón o cualquier otro material, ya que Las secciones transversales en
canales naturales son irregulares, mientras que en los canales artificiales se proyectan de
formas geométricas regulares.
La sección trapezoidal desde el punto de vista constructivo y económico es una de las
secciones más usadas por su rapidez constructiva y economía de materiales.
Los canales revestidos permiten velocidades altas, disminuyen las filtraciones y requieren de
secciones transversales más reducidas que otro tipo de canales como el excavado etc. Sin
embargo, su costo y su duración dependen de la calidad del revestimiento y del manejo
adecuado que se le dé a las aguas sub superficiales.
En conclusión, en los problemas de optimización, el método de los multiplicadores de
Lagrange, llamados así en honor a Joseph Louis Lagrange, es un procedimiento para encontrar
los máximos y mínimos de funciones de múltiples variables sujetas a restricciones. Este
método reduce el problema restringido con n variables a uno sin restricciones de n + k
variables, donde k es igual al número de restricciones, y cuyas ecuaciones pueden ser
resueltas más fácilmente.
Además en optimización matemática, el término algoritmo simplex habitualmente se refiere
a un conjunto de métodos muy usados para resolver problemas de programación lineal, en
los cuales se busca el máximo de una función lineal sobre un conjunto de variables que
satisfaga un conjunto de inecuaciones lineales.
Bibliografía