A popularização das tecnologias de monitoramento remoto possibilita e cria a necessidade do desenvolvimento de sistemas de calibração mais velozes, capazes de calibrar redes enquanto recebem dados, ou seja, em em tempo real. Este trabalho consistiu na proposição de dois novos métodos de calibração baseados em redes neurais artificiais construtivas, visando a aumentar a velocidade de processamento e a performance dos sistemas de calibração. O primeiro método consistiu em calibrar utilizando somente redes neurais artificiais. Um sistema foi desenvolvido para recorrentemente produzir respostas de modelos hidráulicos baseados no Epanet e transformá-los em padrões de treinamento para as RNA (redes neurais artificiais) construtivas. O segundo método consistiu no desenvolvimento de um sistema de calibração híbrido, utilizando as saídas da RNA do primeiro método para produzir valores para constituir a população inicial de soluções a serem buscadas usando os algoritmos genéticos (AG). Assim, pode-se considerar que o método híbrido proposto foi desenvolvido para produzir soluções a partir de boas aproximações para os valores ótimos. Os métodos propostos foram aplicados a quatro (4) setores de rede da cidade de Araraquara, SP. Os resultados das calibrações foram avaliados através da comparação das simulações e com os respectivos valores observados em campo, considerando critérios recomendados no Reino Unido. O primeiro método proposto mostrou-se pouco eficiente no processo de calibração, sendo útil, entretanto, como a primeira etapa da calibração através do método híbrido. O segundo método superou ligeiramente a performance obtida na qualidade da calibração dos dados de cargas de pressões e vazões comparadas com métodos de calibração clássicos e foi bastante superior no quesito velocidade.

The popularization of remote monitoring technologies allows and creates the need to develop faster calibration systems capable of calibrating networks while receiving data, i.e., in real time. This work consisted in proposing two new calibration methods based on constructive neural networks, aiming to increase the processing speed and performance of calibration systems. The first method was to calibrate using only artificial neural networks. A system was developed to produce responses of hydraulic models based on Epanet and turn them into training patterns for the constructive ANN (artificial neural networks) recurrently. The second method consisted in developing a hybrid calibration system using the outputs of the first method of RNA to produce values for the initial population of solutions to be searched using the genetic algorithms (GA). Thus, it can be considered that the hybrid method was developed to produce solutions from good approximations for the optimal values. The proposed methods were applied to four sectors of the city of Araraquara , SP. The results of the calibrations were evaluated by comparing the simulations and the respective values observed in the field, considering criteria recommended in the UK. The first proposed method proved inefficient in the calibration process, it is useful, however, as the first step of the calibration using the hybrid method. The second method was slightly better in performance obtained in the quality of the calibration data of pressures and flow rates compared with classical methods of calibration and it was quite superior in speed.