> For the complete documentation index, see [llms.txt](https://water-strategy.gitbook.io/waterstrategy/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://water-strategy.gitbook.io/waterstrategy/espanol/conceptos-basicos-de-modelado/what-is-pywr.md). # ¿Qué es Pywr? Pywr es una biblioteca de software de lenguaje Python gratuita y de código abierto que permite crear modelos de simulación de alta calidad (detallados y precisos) de sistemas de recursos hídricos. Los modelos Pywr se ejecutan rápidamente en su computadora o, en el caso de WaterStrategy, en la nube. Pueden representar sistemas de recursos hídricos pequeños, como el suministro de agua de una ciudad, o sistemas muy grandes, como cuencas fluviales que abarcan varios países con cientos de usuarios de agua y activos de infraestructura. Pywr puede simular períodos cortos (como unos pocos meses) o períodos más largos (como 100 años) en distintos intervalos de tiempo (desde diarios hasta mensuales). Este es un resumen del proceso de modelado de Pywr: 1\. Configure el modelo En primer lugar, se necesita un mapa espacial del sistema hídrico y los datos hidrológicos y de demanda de agua asociados. WaterStrategy le ayuda a crear este mapa de red de todas las ubicaciones («nodos») donde el agua ingresa al sistema («entradas»), dónde se usa el agua («demandas de agua») y donde se administra el agua (ubicaciones de la infraestructura). Estos nodos forman una red conectada por ríos, canales o tuberías (Pywr los llama «enlaces» o «bordes»). Una vez que haya configurado el mapa de la red, proporcionará datos sobre el suministro y la demanda de agua (normalmente en forma de series temporales). 2\. Ejecute una simulación Cuando se ingresan todos los datos, incluidos el intervalo temporal y el horizonte temporal, el modelo está listo para la simulación (es decir, pasar por el tiempo y realizar la contabilidad del agua en todo el sistema). Al principio de cada etapa temporal, la computadora comienza inyectando agua en todas las ubicaciones de entrada, luego esta agua se envía por la red y se asigna a las diferentes ubicaciones de infraestructura y demanda de agua. Este proceso de asignación se lleva a cabo mediante una técnica informática denominada programación lineal. Una vez finalizado un paso temporal, el modelo actualiza los almacenamientos, registra qué ubicaciones recibieron la cantidad de agua y, a continuación, continúa con el siguiente paso temporal hasta el final del horizonte temporal simulado. A cada nodo de demanda de agua se le asigna una prioridad para representar la asignación de agua en el modelo. Cada nodo tiene una penalización asociada y el algoritmo de asignación distribuye el agua por toda la red para minimizar la penalización general. Este enfoque simple permite realizar simulaciones rápidas y fáciles de mantener, que tienen la flexibilidad de representar reglas de gestión del agua detalladas y realistas. 3\. Revisa los resultados Los resultados del modelo incluyen la cantidad de agua que entra en cada ubicación (nodo) y la cantidad que se almacena, consume o pasa a través de ella en cada paso de tiempo. Esto permite rastrear cómo se utiliza la infraestructura y si las ciudades, los ecosistemas, las áreas de riego, las centrales eléctricas, etc. reciben suficiente agua. Los resultados crean una imagen detallada de cómo funciona el sistema de gestión del agua y cómo se distribuyen los beneficios del agua. Inicialmente, los modelos están mal parametrizados y producen predicciones inexactas (la fase de «basura que entra, basura que sale»). Sin embargo, con el tiempo, a medida que el modelo se vaya mejorando («calibrando»), puede convertirse en un valioso gemelo digital que ayude a operar o planificar un sistema de agua. La herramienta ayuda a su organización a evaluar de forma rápida y económica los impactos de los posibles cambios e intervenciones futuros en materia de agua, y a tomar buenas decisiones. ¡Buena suerte! --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://water-strategy.gitbook.io/waterstrategy/espanol/conceptos-basicos-de-modelado/what-is-pywr.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.