Elaboración de un modelo neuronal artificial para la estimación de turbiedad y proposición de dosificaciones en el tratamiento de aguas residuales de la industria avícola

Abstract

espanolEl crecimiento de la industria avicola en Colombia y el cambio en la normatividad ambiental vigente, conlleva a un mejoramiento en el sistema de tratamiento de las aguas residuales, mediante tecnicas alternas entre coagulantes y floculantes. Los costos de estas tecnicas requieren dosificar de manera optima los principales productos alli involucrados. En este trabajo se uso un modelo neuronal artificial basado en redes neuronales multicapa feedfoward-backpropagation, para la estimacion del valor de la turbidez de salida en el tratamiento de las aguas residuales. Posteriormente, se usaron las redes neuronales entrenadas para proponer dosificaciones optimas de los productos y mejorar las condiciones de operacion, lo que permitio obtener aguas residuales clarificadas, para lo cual se elaboraron cartas de optimizacion. Respecto a la evaluacion del desempeno del modelo neuronal, se uso como indicador de desempeno el factor de correlacion lineal R. Los resultados de correlacion entre los valores estimados y reales de la turbidez de salida muestran la confiabilidad en la aplicacion como herramienta de prediccion EnglishThe growth of the poultry industry in Colombia, and the change in current environmental regulations, leads to an improvement in the wastewater treatment system, through alternate techniques between coagulants and flocculants. The cost of these techniques require optimal dosing of the main products involved therein. In this work, we used an artificial neural model based on feedforward-backpropagation multilayer neural networks, to estimate the value of output turbidity in the treatment of wastewater. The trained neural networks subsequently used to propose optimal dosages of the products and improve the operating conditions that allow obtaining clarified wastewater, so we develop optimization charts. We used the R linear correlation factor as a performance indicator, for the evaluation of the performance of the neural model. The correlation results between the estimated a real values of the output turbidity show its reliability in the application as a prediction tool.