Pedro Alvarado-Medellin

Dr. Pedro Alvarado-Medellin

orcid

Research Focus & Metrics

Academic Career Length

6Years (2021-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
9 May 2026 in Water
Verified
Journal Article
Open access
PDF file
Oscar Iván Pérez-SandovalOscar Iván Pérez-Sandoval
Oscar Iván Pérez-Sandoval
CLCristian Eduardo Boyain y Goytia Luna
Cristian Eduardo Boyain y Goytia Luna
Cruz Octavio Rovelo RoblesCruz Octavio Rovelo Robles
Cruz Octavio Rovelo Robles
EMErick Dante Mattos-Villarroel
Erick Dante Mattos-Villarroel
Jose Ricardo Gomez RodriguezJose Ricardo Gomez Rodriguez
Jose Ricardo Gomez Rodriguez
PAPedro Alvarado-Medellin
Pedro Alvarado-Medellin
Leak localization and maintenance in water distribution networks (WDNs) are essential for reducing water losses and operating costs; however, they usually require extensive monitoring and large datasets. This work proposes a methodology that combines topological sectorization of a hydraulic node network and deep learning techniques to improve leak location by selecting representative nodes to reduce the spatial dimensionality of the WDNs. The network is partitioned using a Spectral Clustering algorithm to identify key nodes based on a weighted criterion that considers pressure variability, flow rate, and proximity to the centroid. Subsequently, a Bidirectional Long Short-Term Memory (Bi-LSTM) neural network classifies the cluster and sub-cluster where a leak occurs, using pressure and flow time series simulated in EPANET. This methodology was validated on the L-Town network, achieving an accuracy of 99.94% for cluster classification and 99.82% for sub-clusters, with a validation loss of 0.024%. During validation with 117 unseen leakage scenarios, the model reached an overall effectiveness of 85%. Moreover, Spectral Clustering outperformed K-Means in preserving physical connectivity. These results confirm the efficiency of the proposed methodology and highlight its potential for application in other hydraulic networks.

22 September 2021 in Acta Universitaria
Verified
Journal Article
Open access
PDF file
ACAntonio Barrón Corvera
Antonio Barrón Corvera
PAPedro Alvarado-Medellin
Pedro Alvarado-Medellin
CCCarlos Francisco Bautista Capetillo
Carlos Francisco Bautista Capetillo
HBHiram Badillo-Almaraz
Hiram Badillo-Almaraz
La creciente exigencia de agua por parte de los distintos usuarios supone aprovechar mejor el recurso disponible. Por ello, constantemente se desarrollan tecnologías para incrementar la eficiencia en su uso, sobre todo en los sistemas de conducción y distribución. En este trabajo se presenta una herramienta computacional desarrollada en lenguaje Visual C# para diseñar redes presurizadas (RedesUAZ), fundamentada en el análisis matricial de estructuras utilizando el método de rigideces. Aunque surge de la necesidad de tener universidades públicas que cuenten con recursos didácticos propios de libre acceso para la formación de los estudiantes, dicha herramienta es de utilidad para diseñar, en la práctica, redes presurizadas pequeñas. Para evaluar su rendimiento, se comparó con dos alternativas implementadas para el mismo fin (A1: Huddleston et al. [2004] / RedesUAZ; A2: EPANET / RedesUAZ), siendo los resultados hidráulicos equiparables entre sí. El análisis de las tres propuestas muestra diferencias relativas en caudales (A1: 6.01%, A2: 10.83%), velocidades (A2: 21.31%) y presiones (A2: 1.12%), por lo que el programa de cómputo propuesto resulta ser una alternativa viable en el dimensionamiento de sistemas hidráulicos que conducen agua a presión.