Optimización de la dosificación de cloro en la PTAP-Chambo mediante el uso de redes neuronales

La Planta de Tratamiento de Agua Potable (PTAP) de Chambo en la provincia de Chimborazo, Ecuador, enfrenta retos significativos en la dosificación de cloro que representan costos y tiempos de tratamiento. Con el firme compromiso por garantizar agua potable de calidad, este estudio plantea optimizar el proceso de desinfección mediante un modelo de inteligencia artificial basado en Redes Neuronales Artificiales (RNA). A partir de 1080 datos históricos de parámetros fisicoquímicos del agua (pH, turbidez, color, cloro libre residual), se desarrolló un modelo predictivo que determina la dosis óptima de cloro y estima el cloro libre residual. El modelo propuesto fue diseñado y entrenado en Matlab, empleando técnicas de normalización de datos y arquitecturas multicapa para asegurar la precisión de las predicciones. Adicionalmente, se creó una interfaz gráfica de usuario para facilitar la gestión y aplicación del modelo en tiempo real. Los resultados fueron evaluados mediante métricas estadísticas como el error cuadrático medio (MSE = 1,01E-02) y el coeficiente de correlación (R = 0,8682), demostrando una buena precisión en la predicción de las dosis de cloro y el cloro libre residual utilizando el algoritmo de regularización bayesiana. Además, se determinó que, a nivel experimental, los valores en tiempo real y las predicciones de la dosis óptima de cloro (p = 0,216) y el cloro libre residual (p = 0,077) no presentaron una diferencia estadísticamente significativa. El sistema desarrollado representa una herramienta innovadora para la gestión del cloro y tiene potencial para ser replicado en otras plantas de tratamiento de agua. Se recomienda integrar parámetros químicos adicionales como alcalinidad, conductividad, compuestos orgánicos totales y compuestos nitrogenados; analizar subproductos de desinfección; ajustar el modelo continuamente con datos estacionales; e implementar sensores automáticos para medición en tiempo real, mejorando la eficiencia del proceso de cloración, reduciendo el error humano, costos operativos y compuestos nocivos.

• Auteur principal: Freire Salazar, Karelis Deyaneira (author)
• Autres auteurs: Sani Paguay, Adrián Steven (author)
• Format: bachelorThesis
• Langue: spa
• Publié: 2024
• Sujets: AGUA DE CONSUMO HUMANO; PLANTA DE TRATAMIENTO DE AGUA POTABLE; CLORO LIBRE RESIDUAL; REDES NEURONALES ARTIFICIALES
• Accès en ligne: https://dspace.espoch.edu.ec/handle/123456789/25116