IZQUIERDO, C.; PEZANTES, B.    AYALA, E.. Predicción de la Dosis Óptima de Policloruro de Aluminio para el Proceso de Coagulación en el Tratamiento de Agua Potable mediante Redes Neuronales Artificiales. []. , 20, 1, pp.93-99. ISSN 2602-8492.  https://doi.org/10.37116/revistaenergia.v20.n1.2023.562.

^a

La adición de las sustancias químicas en el tratamiento del agua potable comúnmente es un procedimiento manual realizado por personal altamente capacitado y experimentado. Esta resulta una tarea crítica debido a que requiere cierto nivel de experiencia para una correcta dosificación. Como posible solución, este estudio se basa en el análisis de datos recolectados de una fuente de agua cruda ubicada en Ecuador. Utilizando la información de los parámetros fisicoquímicos del agua cruda, como el pH, turbidez y color, se identifican las dosis de Policloruro de Aluminio (PAC), y las variables de entrada y salida del proceso. En consecuencia, se propone la implementación de un sistema de control inteligente basado en Redes Neuronales Artificiales (RNA) con la finalidad de reducir la dependencia del personal experimentado. Para ello, se parte con la recolección y análisis de datos y así establecer las variables involucradas en el proceso. El modelo neuronal propuesto dispone de tres capas ocultas y utiliza algoritmos de gradiente adaptativo. El análisis de los resultados se realizó mediante el error porcentual absoluto medio (MAPE) y el error cuadrático medio (RMSE). El modelo predictivo de PAC en etapa de entrenamiento indica un valor MAPE de 0,0425 para los valores no ajustados y de 0,0262 para los valores numéricos ajustados. Sin embargo, en la etapa de prueba el modelo neuronal alcanza un MAPE de 0,057 para los valores de PAC no ajustados y de 0,041 para los ajustados. Esta alternativa brinda una solución eficiente a la hora de resolver problemas de dosificación en las plantas de tratamiento de agua potable (PTAP), teniendo resultados confiables según las métricas RMSE y MAPE.

The addition of chemicals in drinking water treatment is usually a manual procedure performed by highly trained and experienced persons. To solve this problem, this study is based on the analysis of data collected from a raw water source located in Ecuador. Then, using the information on the physical-chemical parameters of the raw water such as pH, turbidity and color, the definition of the doses of Poly Aluminum Chloride (PAC), and the input and output variables of the dosage process are identified. Consequently, the implementation of an intelligent control system based on Artificial Neural Networks (ANN) is proposed in order to reduce the dependence on experienced people. These experiments start with data collection and analysis in order to establish the variables involved in the process. The proposed neural model has three hidden layers, and it uses adaptive gradient algorithms. An analysis of the results was performed using Mean Absolute Percentage Error (MAPE) and Root Mean Square Error (RMSE). The PAC predictive model in the training phase gives a MAPE value of 0.0425 for the not adjusted values and 0.0262 for the adjusted numerical values. However, in the test phase the neural model achieves a MAPE of 0.057 for the not adjusted PAC values and 0.041 for the adjusted values. This alternative provides an efficient solution to solve dosing problems in drinking water treatment plants (DWTP), with reliable results according to RMSE and MAPE metrics.

: .

        · | |     · |     · ( pdf )