SciELO - Scientific Electronic Library Online

 
vol.20 número1Diseño y Construcción de un Medidor de Energía Eléctrica DomiciliarEvaluación de Redes de Tuberías con Configuración Flexible para el Transporte de Hidrocarburo índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

  • Não possue artigos similaresSimilares em SciELO

Compartilhar


Revista Técnica energía

versão On-line ISSN 2602-8492versão impressa ISSN 1390-5074

Resumo

IZQUIERDO, C.; PEZANTES, B.  e  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. Revista Técnica energía [online]. 2023, vol.20, n.1, pp.93-99. ISSN 2602-8492.  https://doi.org/10.37116/revistaenergia.v20.n1.2023.562.

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.

Palavras-chave : Agua potable; Dosificación; PTAP; Químicos coagulantes; Redes neuronales artificiales; Sistema de control..

        · resumo em Inglês     · texto em Espanhol     · Espanhol ( pdf )