See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/309717628

Mtodo basado en grafos para evaluar la

vulnerabilidad de redes de abastecimiento de
agua

Conference Paper December 2011

CITATIONS READS

0 9

4 authors, including:

Joanna A. Gutirrez-Prez Manuel Herrera

Universitat Politcnica de Valncia University of Bath
24 PUBLICATIONS 29 CITATIONS 139 PUBLICATIONS 583 CITATIONS

SEE PROFILE SEE PROFILE

Joaqun Izquierdo
Universitat Politcnica de Valncia
309 PUBLICATIONS 1,328 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Smart Water Systems: near-real time optimal operation and control View project

Mathematics and Computers for Smart Water Supply Systems View project

All content following this page was uploaded by Manuel Herrera on 05 November 2016.

The user has requested enhancement of the downloaded file. All in-text references underlined in blue are added to the original document
and are linked to publications on ResearchGate, letting you access and read them immediately.
 MTODO BASADO EN GRAFOS PARA EVALUAR LA VULNERABILIDAD DE REDES DE
ABASTECIMIENTO DE AGUA

1Joanna Alicia Gutirrez-Prez, 1Manuel Herrera 1Joaqun Izquierdo Sebastin, 1Rafael Prez-Garca

1Grupo Fluing - Instituto de Matemtica Multidisciplinar (IMM) Universidad Politcnica de Valencia, Camino de
Vera s/n, 46022, Valencia Espaa.
e-mail: {joagupre, mahefe, jizquier, rperez}@upv.es

RESUMEN. En este trabajo proponemos un mtodo para cuantificar la vulnerabilidad de redes de abastecimiento de agua. Este mtodo
se basa en medidas relacionadas con el anlisis de grafos como son, la importancia relativa (ranking) y en el grado de los vrtices de un
grafo. As, se calcula un ndice que indica la accesibilidad y la exposicin de cada nodo frente a un posible peligro o amenaza externos.
Asimismo, utilizamos un algoritmo denominado spectral clustering para la divisin de la red de abastecimiento en clusters, tomando en
cuenta el ndice de vulnerabilidad de cada nodo. Esta divisin de la red de abastecimiento en clusters, se realiza con el propsito de
ofrecer una caracterizacin de la red en pequeas subredes y simplificar el trabajo a la hora de gestionar temas relacionados con su
seguridad.

Palabras Claves. Anlisis de redes, ndices de vulnerabilidad, redes de abastecimiento de agua.

ABSTRACT. In the present paper, we propose a method to measure the vulnerability of water supply networks. This methodology is
based on graph measurements, such as the relative importance (ranking) and the degree of the vertices of a graph. We calculate a
vulnerability index that shows the accessibility and exposure in case of external threats or hazards. In addition, we divided the network
in clusters by the spectral clustering algorithm taking into account the vulnerability index of each vertex. This division allows
characterizing the water supply network into small sub-networks and simplifying the security management.

Key words: network analysis, graph-based vulnerability indexes, water supply networks.

nmero de arcos incidentes en cada nodo. En Kessler et al.

I. INTRODUCCIN
Los sistemas de abastecimiento de agua son una
infraestructura crtica que, debido a su complejidad y
caractersticas, son vulnerables a peligros naturales y
amenazas por hechos humanos. El dao causado al servicio de
abastecimiento impacta directamente en la seguridad y salud
de sus usuarios. Por lo tanto, la identificacin de las de los
componentes ms crticos o vulnerables del sistema de
abastecimiento, permite la mejora de la seguridad y la
planeacin en la prevencin de riesgos.
Debido a las perspectivas que proporcionan las tcnicas
basadas en teora de grafos, estas han ganado importancia en el
anlisis de las vulnerabilidades potenciales de las redes de
infraestructura crtica. Entre los trabajos realizados con
tcnicas de teora de grafos, se pueden encontrar estudios
enfocados en la evaluacin de la vulnerabilidad y el anlisis de
la estructura de redes de transporte (Masucci et al., 2009;
Grubesic et al. 2008; Zio y Sansavini, 2007), de redes de
energia elctrica (Bompard et al., 2009; Holmgren, 2006;
Crucitti et al., 2005), de redes informticas de distribucin de
informacin ( Albert et al., 1999). En cuanto a trabajos sobre
redes de abastecimiento de agua, se puede citar a Jacobs y
Goulter (1989, 1988), quienes demostraron que las redes que
no son vulnerables a fallos, son grafos regulares con igual
(1990) desarrollaron una metodologa basada en teora de
grafos para obtener el diseo de menor coste de redes de
abastecimiento de agua no vulnerables y fiables. Ostfeld y
Shamir (1996) y Ostfeld (2005) introdujeron el concepto de
backups (subsistemas dentro de la red que sobreviven a la
ocurrencia de un fallo y cuyo funcionamiento es totalmente
tomado en consideracin en las fases de trazado, diseo y
operacin). Grubesic et al. (2008) y Yazdani y Jeffrey (2010),
investigaron aplicaciones de teora de grafos y flujo en redes,
en el anlisis de la vulnerabilidad y robustez de sistemas de
abastecimiento de agua. En ambos trabajos se revisaron las
distintas medidas existentes para la indexacin de nodos de la
red, en su gran mayora basadas en estadstica y anlisis
espectral. En los temas de anlisis de la conectividad,
fiabilidad y riesgo en el diseo de redes de abastecimiento, se
pueden mencionar los trabajos realizados por Ostfeld (2004),
Babayan et al. (2005) y Kapelan et al. (2006). Otro aspecto
analizado en redes de abastecimiento de agua es la
sectorizacion. Tzatchkov et al. (2006) abordan ese tema
presentando algoritmos basados en teora de grafos para la
obtencin de sectores independientes, para la obtencin del
conjunto de nodos que pertenecen a cada sector, el conjunto
de nodos desconectados y el nodo fuente de contribucin. En
la misma lnea, Herrera et al. (2010) desarrollan una
metodologa basada en aprendizaje semi-supervizado para la
conformacin de clusters de abastecimiento de agua. Dicha
metodologa utiliza tanto informacin grafica como vectorial.
Por su parte, Aoun et al. (2006) abord el proceso de
clustering en redes de abastecimiento bajo las restricciones de
consumo de energa y el tiempo de demora o latencia
Otras aportaciones estn relacionadas con el ordenamiento
de los componentes de una red de abastecimiento. Michaud y
Apostolakis (2006), evaluaron la importancia de cada nodo,
con una metodologa basada en estudio de escenarios de
riesgo. Izquierdo et al. (2008), trabajaron en la evaluacin de
la importancia de las tuberas, respecto del proceso de
distribucin del agua a travs de la red
El objetivo de este trabajo es presentar un mtodo para la
cuantificacin de la vulnerabilidad de una red de
abastecimiento en base a la propuesta de un ndice que integra
el ranking de los nodos de la red - mediante la utilizacin del
algoritmo PageRank (Brin y Page, 1998) y el grado de los
nodos. Adems, se hace la divisin de la red en clusters,
tomando como criterio de similaridad su medida de
vulnerabilidad. Lo que nos permite determinar reas que
podemos denominar de vulnerabilidad
Finalmente, el presente trabajo se compone de un apartado
en el que se describen de forma breve el algoritmo de ranking
PageRank; tambin, se explica el algoritmo de spectral
clustering para la formacin de los clusters. En otro apartado,
se presenta un caso de estudio de una red de abastecimiento y
se presentan los resultados obtenidos. Y por ltimo, un
apartado de conclusiones.
II. MATERIALES Y MTODOS
La teora de grafos y la medicin de la vulnerabilidad
En el contexto del anlisis de la vulnerabilidad de redes
complejas, las tcnicas de teora de grafos facilitan su
representacin y anlisis. Los grafos son una abstraccin til
que permiten representar diferentes tipos de redes. Por lo
tanto, dependiendo del tipo de red que se analice, los vrtices
y arcos de un grafo pueden ser definidos de diferentes
maneras.
Los ndices basados en la teora de grafos para medir la
vulnerabilidad, se clasifican en medidas de conexin bsica,
medidas espectrales y medidas estadsticas. Las medidas de
conectividad bsica, se refieren a la conectividad de los
vrtices y arcos, representando la cohesin y adhesin de la
red y su sensibilidad a la eliminacin de dichos elementos. Las
medidas espectrales, son aquellas que relacionan la topologa
de la red con la intensidad de la conectividad y la cohesin
grfica, mediante el anlisis del espectro de la matriz de
adyacencia de las redes. Por ltimo, las medidas estadsticas
cuantifican las propiedades subyacentes de la red, a travs de
la construccin de patrones de frecuencia y el establecimiento
de subredes.
En trminos de un grafo, la vulnerabilidad est dada por tres
conceptos principales que son: la conectividad (qu tan
fuertemente est conectado entre s), la resistencia (la fuerza
con la que se mantienen unidos los sub-grafos de la red) y la
integridad (comportamiento de la componente de mayor orden
ante la eliminacin de un conjunto de vrtices).
Mtodo de ranking: PageRank
El algoritmo PageRank (Brin y Page, 1998) es el mtodo de
clculo que usaron los fundadores de Google para asignar
cuantitativamente un valor de importancia (ranking) a las
pginas web y clasificarlas segn su importancia. Este
algoritmo ha sido adaptado para su aplicacin en diferentes
campos de estudio. A diferencia de otros algoritmos,
PageRank integra el impacto tanto de los enlaces entrantes
como salientes de cada nodo y produce como resultado un solo
conjunto de valores. El valor de PageRank para cada nodo
est dado por:
PR (v j )
PR (vi ) (1 d ) d
v j In ( vi ) Out (v j )
(1)
La aplicacin del PageRank en las redes de abastecimiento
es una propuesta reciente. Trabajos como el de Herrera et al.
(2011) y Gutirrez-Prez et al. (2011), demuestran las nuevas
posibilidades en esta rea mediante la adaptacin del
algoritmo para el estudio de la importancia de los nodos en
una red de abastecimiento. Entendiendo una red de
abastecimiento como un grafo de caractersticas especiales, es
posible abstraer el concepto de una pgina web y considerarla
como un nodo de consumo. As, el conjunto de los vrtices del
grafo representar a los nodos, tanques y fuentes de
abastecimiento. El conjunto de arcos sern las tuberas,
vlvulas y bombas de la red.
Spectral clustering
El proceso de clustering de un grafo consiste en la
agrupacin de sus vrtices, tomando en consideracin la
estructura, de tal manera que haya un gran nmero de arcos
dentro de un nmero reducido de clusters.
El anlisis de cluster basado en el espectro de una matriz
(Ng et al., 2001) es un modelo de agrupamiento de datos
novedoso. En l se propone usar los autovectores asociados a
los autovalores ms pequeos (indicativos de partes del grafo
fuertemente conectadas) que hayan sido creados por alguna
medida de similaridad (Karatzoglou, 2006) o, simplemente,
calculados a travs de la matriz de afinidad del grafo.
En la aplicacin del proceso de spectral clustering, se hace
uso de la matriz kernel del Laplaciano regularizado. Para un
anlisis ms completo del sistema, podemos sumar a esta
matriz las asociadas a otras variables hidrulicas de inters o
como es nuestro caso, el ndice de vulnerabilidad de cada
nodo. Esta suma de matrices no es directa. Primero se ha de
calcular sus respectivas matrices de similaridad, para despus,
hacerlas simtricas y definidas positivas; pudindose entonces
entender cada matriz como una matriz kernel. La propiedad
aditiva de las matrices kernel (suma de matrices kernel es otra
matriz kernel), junto a la que afirma que una matriz kernel
multiplicada por un escalar cualquiera, mayor que cero, sigue
siendo matriz kernel, nos permite trabajar con una visin
conjunta del problema: por un lado, la asociada al grafo (a
travs del kernel del Laplaciano regularizado, en este caso, por
el proceso de difusin) y por otro la que cuenta con otros
inputs que pueden ser de inters para construir los sectores (a
travs de las matrices kernel relacionadas con informacin de
cota y demanda en cada punto, as como sus coordenadas III. ESTUDIO EXPERIMENTAL
geogrficas). La matriz final sobre la que trabajamos ser:
La red de abastecimiento utilizada consta de 107 nodos, 3
K = A K A + i K i (2) depsitos y 134 tuberas (Figura 1).
iI

Donde K es la matriz kernel para el proceso de clustering,

KA es la matriz kernel relacionada a la matriz de afinidad del
grafo y Ki es la matriz asociada a los inputs de inters en el
proceso de construccin de los clusters. Finalmente, A y i
son los pesos de la combinacin lineal de las sumas de
matrices kernel, KA y Ki. Los parmetros A y i se pueden
calibrar dentro del proceso de spectral clustering para la
obtencin de mejores resultados; o bien, proponer
directamente por el inters hidrulico de cada input.
La Tabla 1 muestra el proceso global del algoritmo. Una
versin detallada del mismo se encuentra en el trabajo de
Herrera (2011).

Tabla 1. - El proceso de spectral clustering

algoritmo: Figura 1. Esquema de la red de estudio
clusters de abastecimiento mediante spectral clustering
1. abstraccin de la red de abastecimiento como un grafo
2. construccin del Laplaciano del grafo Como primer paso, hemos obtenido el valor del PageRank
de cada uno de los nodos de la red agrupndolo en tres niveles
3. transformacin de la matriz a matriz kernel
de ranking (Alto, Medio y Bajo). La distribucin del ranking
4. clculo del espectro de la matriz de los nodos la podemos ver representada en la Figura 2 y los
5. k-medias sobre los c primeros autovectores detalles de cada uno de los niveles se describen en la Tabla 1.
6. re-asignacin de los resultados a los datos originales En la tabla se especifica el valor representativo y el valor
promedio de cada nivel, as como el nmero de nodos
contenido en cada uno de ellos. El objetivo es tener una
ndice de vulnerabilidad perspectiva clara de la importancia de cada uno de los nodos
Cada uno de los componentes de una red de abastecimiento de la red, lo que ms adelante nos permitir analizar la
presenta una vulnerabilidad diferente frente a un peligro o relacin con el ndice de vulnerabilidad que proponemos.
amenaza externo. Para medir su vulnerabilidad, hemos tomado
en cuenta su exposicin y accesibilidad (Ezell et al., 2007). En
este caso, la exposicin de cada nodo de la red est
relacionada con su ranking y la accesibilidad, con el grado de
cada nodo. El grado (gi) es el nmero de arcos que conectan
con el vrtice i. El grado de un vrtice es caracterizado por una
funcin de distribucin P(g), la cual da la probabilidad de que
un vrtice aleatoriamente seleccionado tenga g arcos
conectados a l. La distribucin del grado de los vrtices de
una red es una medida importante en la caracterizacin de la
topologa de los grafos.
Por lo tanto, la medida de vulnerabilidad propuesta est
dada por:

vi PR(vi ) gvi (3)

Donde vi es la vulnerabilidad del vrtice i, PR(vi) es el valor

del PageRank de cada vrtice vi y gvi corresponde al grado de
cada uno de los vrtices. Figura 2. Esquema de la distribucin de los valores del
ranking de los nodos de la red de estudio
 vulnerabilidad. La matriz de disimilaridad asociada a los
Tabla 1. Datos principales de los niveles del ranking de los valores de vulnerabilidad, es convertida a una matriz kernel
nodos (matriz KA de la Ecuacin 2). Posteriormente, se suma a la
Valor Valor nm. matriz kernel relacionada con la matriz de afinidad del grafo
PageRank (matriz Ki de la Ecuacin 2), tal como se ha explicado
representativo Prom. Nodos
anteriormente. En cuanto a los pesos de cada una de las
Alto 0,01640 0,0129 20 matrices kernel (A y i), estos se fijaron en 0,5 de acuerdo a
un anlisis de sensibilidad.
Medio 0,00935 0,0093 71 El resultado del proceso de clustering lo podemos ver en la
Figura 4. El cluster 3 es el ms vulnerable, con un valor
Bajo 0,00434 0,00483 16
promedio igual a 0,0282. Los clusters 1 y 2 representan las
reas menos vulnerables de la red con valores promedio de
Una vez obtenido el ranking de los nodos de la red, 0,0185 y 0,0187 respectivamente.
calculamos el ndice de vulnerabilidad descrito en la Ecuacin Tomando en cuenta los trminos que definen al ndice de
3. El resultado obtenido se puede observar en la Figura 3. vulnerabilidad propuesto, se puede decir que el cluster 3 tiene
Hemos definido cuatro niveles de vulnerabilidad (Alto, Medio un mayor grado de accesibilidad y exposicin debido a la
alto, Medio bajo y Bajo) con el fin de representar una conectividad e importancia relativa de sus nodos. Esto podra
distribucin uniforme de los valores. En la Tabla 2 podemos significar que en el caso de un evento de contaminacin, esos
ver el intervalo que abarca cada uno de los niveles de nodos seran los ms afectados, ya que presentan un mayor
vulnerabilidad; asimismo su valor promedio y el nmero de nmero de tuberas conectadas a ellos y la dispersin del
nodos que estn incluidos. contaminante se dispersara mayormente en esa rea.

Figura 3.Esquema de la distribucin de la vulnerabilidad Figura 4. Esquema de la divisin de la red de estudio en

de los nodos en la red de estudio clusters de vulnerabilidad

Tabla 2. Datos principales de los niveles de vulnerabilidad IV. CONCLUSIONES

de la red de estudio
En relacin con los resultados obtenidos, la introduccin de
Valor nm. una medida de vulnerabilidad basada en el ranking de los
ndice Intervalo
Prom. Nodos nodos de la red ha sido de gran utilidad para identificar las
reas ms vulnerables. Tambin cabe resaltar la flexibilidad
Alto 0 0,01 0,0755 13
del algoritmo de spectral clustering, que nos ha permitido
Medio-Alto 0,01 0,03 0,0383 17 agregar la informacin del ndice de vulnerabilidad para la
construccin de los clusters.
Medio-Bajo 0,03 0,04 0,0163 47 Por otro lado, en este trabajo se han utilizado diferentes
tipos de medidas basadas en teora de grafos, como son las
Bajo 0,05 0,1 0,0060 30 medidas espectrales y las medidas de conectividad. Sin
embargo, como trabajo futuro se pretende incluir otras
Como ltimo paso, realizamos el proceso de divisin de la medidas y criterios relacionados con un escenario especfico
red mediante el algoritmo de spectral clustering. Una de las de contaminacin deliberada, Con esto sera posible analizar la
matrices input es la matriz correspondiente al ndice de dispersin del contaminante en aquellas reas que se han
definido como vulnerables. Asimismo, realizar una
comparacin entre diferentes estructuras de red
configuracin de clusters.
RECONOCIMIENTOS
Este trabajo ha sido desarrollado gracias al apoyo del
proyecto IDAWAS (Ref. DPI 2009-11591), financiado por el
Ministerio de Ciencia e Innovacin de Espaa, y ayudado por
el proyecto complementario ACOMP/2011/188 de la
Consellera de Educaci de la Generalitat Valenciana.
REFERENCIAS
Albert, R.; Jeong, H.; Barabasi, A. -L. Diameter of the
World-Wide Web. Nature (London), No. 401, pp. 130-131,
1999.
Aoun, B.; Boutaba, R. Clustering in WSN with Latency and
Energy Consumption Constraints. Journal of Network and
Systems Management, Vol. 14, No. 3, pp. 415-439, 2006.
Babayan, A.; Kapelan, Z.; Savic, D.; Walters, G. Least-
Cost Design of Water Distribution Networks under Demand
Uncertainty. Journal of Water Resources Planning and
Management, Vol. 131, No. 5, pp. 375-382, 2005.
Bompard, E.; Napoli, R.; Xue, F. Analysis of structural
vulnerabilities in power transmission grids. International
Journal of Critical Infrastructures Protection, No. 2, pp. 5-12,
2009
Brin, S., Page L. The Anatomy of a Large-Scale
Hypertextual Web Search Engine
http://infolab.stanford.edu/ backrub/google.html, 1998
Crucitti, P.; Latora, V.; Marchiori, M. Locating critical
lines in high-voltage electrical power grids. Fluctuation and
Noise Letters, Vol. 5, No. 2, pp. L201-L208, 2005.
Ezell, B. Infrastructure Vulnerability Assessment Model (I-
VAM). Risk Analysis, Vol. 27, No. 3, pp. 571-583, 2007.
Grubesic, T.; Matisziw, T.; Murray, A.; Snediker, D.
Compartive Approaches for Assessing Network
Vulnerability. International Regional Science Review, Vol.
31, No. 1, pp. 88-112, 2008.
Gutirrez-Prez, J.A., Herrera, M., Prez-Garca R.,
Ramos-Martnez, E. Application of graph-spectral methods
in the vulnerability assessment of water supply networks. En
Mathematical Computing and Modelling, aceptado 2011
doi:10.1016/j.mcm.2011.12.008
Herrera, M. Improving water network management by
efficient division into supply clusters. Tesis Doctoral.
Universitat Politcnica de Valncia, Espaa, 2011.
o Herrera, M., Gutirrez, J.A., Izquierdo, J., Prez-Garca,
R. Ajustes en el modelo PageRank de Google para el estudio
de la importancia relativa de los nodos de la red de
abastecimiento. En X Seminario Iberoamericano de
planificacin, proyecto y operacin de sistemas de
abastecimiento de agua (SEREA). Morelia, Michoacn,
Mxico, 2011.
Herrera, M., Canu, S., Karatzoglou, A., Prez-Garca, R.,
Izquierdo, J. An approach to water supply clusters by semi-
supervised learning. En iEMSs-2010, Ottawa, Canad, Jul.
2010.
Holmgren, . Using Graph Models to Analyze the
Vulnerability of Electric Power Networks. Risk Analysis,
Vol. 26, No. 4, pp. 955-969, 2006.
Izquierdo, J.; Montalvo, I.; Prez-Garca, R.; Herrera, M.
Sensitivity analysis to asses the relative importance of pipes
in water distribution networks. Mathematical and computing
Modeling, Vol. 48, pp. 268-278, 2008.
Jacobs, P.; Goulter, I. Evaluation of methods for
decomposition of water distribution networks for reliability
analysis. Civil Engineering Systems, Vol. 5, No. 2, pp. 58-66,
1988.
Kapelan, Z.; Savic, D.; Walters, G.; Babayan, A. Risk and
Robustness-based solutions to a multi-objective water
distribution system rehabilitation problem under uncertainty.
Water Science and Technology, Vol. 53, No. 1, pp. 61-75,
2006.
Karatzoglou, A. Kernel methods software, algorithms and
applications. Tesis Doctoral. Technischen Universitat Wien,
Austria, 2006.
Kessler, A.; Ormsbee, L.; Shamir, U. A methodology for
Least-Cost Design of Invulnerable Water Distribution
Networks. Civil Engineering Systems, Vol. 7, No. 1, pp. 20-
28, 1990.
Masucci, A.; Smith, d.; Crooks, A.; Batty, M. Random
planar graphs and the London street network. The European
Physical Journal B, Vol. 71, No. 2, pp. 259-271, 2009.
Michaud, D.; Apostolakis, G. E. Methodology for ranking
the elements of water supply networks. Journal of
infrastructure Systems, Vol. 12, No. 4, pp. 230-242, 2006.
Ng, A. Y., Jordan, M.I., Weiss, Y. On spectral clustering:
Analysis and an algorithm. En Advances in Neural
Information Processing Systems 14, pp. 849856, MIT Press,
2001.
Ostfeld, A.; Shamir, U., (1996). Design of optimal reliable
multi-quality water-supply systems. Journal of Water
Resources Planning and Management, Vol. 122, No. 5, pp.
322-333.

Tzatchkov, V.; Alcocer-Yamanaka, V.; Bourguett, V.
Graph theory based algorithms for water distribution network
sectorization projects. Proceedings of the 8th Annual Water
Distribution Systems Analysis Symposium, Cincinnati, Ohio,
USA. 2006
Yazdani, A., Jeffrey, P. A complex network approach to
robustness and vulnerability of spatially organized water
distribution networks, e-print:
http://arxiv.org/abs/1008.1770v2, 2010.

View publication stats