Diseño de una red neuronal artificial para la predicción de la dosis optima de policloruro de aluminio en el tratamiento de agua potable de la EPMAPA-SD
El desarrollo tecnológico ha venido tomando lugar en operaciones básicas de tratamiento de agua, por ello se desarrolló un modelo predictivo para conocer la cantidad optima de coagulante en el análisis de clarificación de la EPMAPA-SD. En principio se generó una base de datos con la información prop...
保存先:
| 第一著者: | |
|---|---|
| フォーマット: | bachelorThesis |
| 言語: | spa |
| 出版事項: |
2021
|
| 主題: | |
| オンライン･アクセス: | https://dspace.espoch.edu.ec/handle/123456789/16905 |
| タグ: |
タグ追加
タグなし, このレコードへの初めてのタグを付けませんか!
|
タグ追加 | 要約: | El desarrollo tecnológico ha venido tomando lugar en operaciones básicas de tratamiento de agua, por ello se desarrolló un modelo predictivo para conocer la cantidad optima de coagulante en el análisis de clarificación de la EPMAPA-SD. En principio se generó una base de datos con la información proporcionada por el área de control de calidad de la EPMAPA-SD para la potabilización del agua desde el año 2015 hasta el año 2020, se consolidaron 121 datos de la cantidad de coagulante empleado en las pruebas de jarras. Para el diseño de la red se clasificaron las variables de entrada como son turbiedad, color y pH como variable de salida la dosis óptima de coagulante; para evitar redundancia en los datos se normalizaron. La red neuronal tiene tres neuronas en la capa de entrada, 350 en la capa oculta y una neurona en la capa de salida, el proceso de selección de esta arquitectura se llevó a cabo mediante ensayos de predicción con algoritmos como Levenberg Marquad, Bayesian Regularization y Scaled Conjugate Gradient, de entre estos el algoritmo Bayesian presentó un error cuadrático medio de 1,94e-03 con una correlación en el entrenamiento y prueba de la red de 0,947 y 0,923 respectivamente. La validación de los datos predichos por la red neuronal se realizó estadísticamente mediante una prueba t pareada que contrasta la varianza entre los datos, con un valor p mayor a 0,05 se acepta la hipótesis nula, afirmando con el 95% de confianza que no existe una diferencia estadísticamente significativa entre la media de los datos reales y predichos. El modelo de predicción calcula la dosis óptima de coagulante según los requisitos de calidad para agua potable establecida en la norma INEN 1108. Se recomienda incorporar el modelo de predicción en un sistema de control automático que permita dosificar el coagulante en tiempo real. |
|---|