Escudo de la República de Colombia
Viernes, 06 Julio 2018 16:32

Redes neuronales artificiales optimizan tratamiento de aguas residuales

Por medio de estos modelos computacionales, que simulan el proceso de aprendizaje logrado por el cerebro humano, se alcanzó una tasa de acierto del 99,5 % en el pronóstico de la cantidad de compuestos catalizadores que se deben emplear para tratar aguas residuales.

  • csm AgenciaNoticias 20180703-01 01 438c6a72ee
  • csm AgenciaNoticias 20180703-02 01 4fdd9710a3
  • csm AgenciaNoticias 20180703-03 01 1034ee56c3
  • csm AgenciaNoticias 20180703-04 01 d299deb338
  • csm AgenciaNoticias 20180703-05 01 8667f9f447
  • csm AgenciaNoticias 20180703-01 01 438c6a72ee
  • csm AgenciaNoticias 20180703-02 01 4fdd9710a3
  • csm AgenciaNoticias 20180703-03 01 1034ee56c3
  • csm AgenciaNoticias 20180703-04 01 d299deb338
  • csm AgenciaNoticias 20180703-05 01 8667f9f447

Así lo asegura el magíster en Ingeniería Ambiental José Benjamín García Núñez, de la Universidad Nacional de Colombia (U.N.) Sede Palmira, quien advierte que muchas empresas de la industria cárnica y avícola, entre otras, deciden sin mayor rigor la proporción de coagulantes y floculantes que aplican para el tratamiento de estas aguas, y terminan utilizando más de lo que se requiere. 

Esta práctica aumenta los costos y contamina nuevamente el agua. “El uso de redes neuronales artificiales (RNA) puede reducir el uso de insumos al mínimo necesario para obtener los resultados requeridos”, afirma el ingeniero. 

Para las empresas que sí realizan pruebas de laboratorio a la hora de decidir cómo tratar sus aguas servidas, las RNA también optimizan el proceso, al disminuir su tiempo de duración. 

La “prueba de jarras”, que se emplea para determinar la cantidad de componentes a utilizar, consiste en tomar, por lo general, hasta 10 muestras y aplicar una proporción diferente de insumos a cada una, para después verificar cuál obtuvo mejores resultados. Este proceso tarda entre 30 y 40 minutos, mientras que con las redes neuronales es de menos de cinco minutos, asegura. 

El profesor Luis Octavio González, de la U.N. Sede Palmira, Ph. D. en Ingeniería de Materiales, explica que el usuario de las RNA solo tendría que disponer de una medición inicial de turbidez –cantidad de materia orgánica y sólidos suspendidos presentes en el agua– para establecer cuánto debe aplicar. 

Telaraña de datos 

Las redes neuronales artificiales reconocen patrones de comportamiento en diferentes áreas, como el tratamiento de aguas, interrelacionando una gran telaraña de datos de referencia y retroalimentándose constantemente para aprender y llegar a la configuración más precisa. 

En el caso particular de esta investigación, las RNA funcionan a través de un código computacional en lenguaje de programación del software MatLab. Para el registro de los datos que sirvieron como referencia del sistema se tomaron 48 muestras de aguas residuales producidas en una planta que procesa 11.000 pollos por día en el municipio de Guacarí (Valle del Cauca). 

En las mediciones se tuvieron en cuenta variables de turbidez de entrada (antes del tratamiento) y salida (después del tratamiento), pH de entrada y resultados alcanzados por distintas dosificaciones de coagulantes, floculantes y catalizadores biológicos. 

Una vez se obtuvieron los valores medidos se empezaron a optimizar las RNA a través del software, que fue probando 156 configuraciones diferentes para las redes. 

La cantidad de compuestos indicada por el sistema se comparó con la indicada por pruebas de jarra realizadas en laboratorio, para obtener el coeficiente de correlación (similitud entre un valor y otro). El mismo procedimiento se aplicó para la turbidez pronosticada por las RNA y la reportada en los experimentos. 

“El coeficiente de correlación fue muy cercano al 100 %, por lo cual concluimos que este método de pronóstico se puede aplicar al tratamiento de aguas residuales”, sostuvo el profesor González. 

Según explica, esta metodología resulta mejor que los modelos matemáticos, debido a que tiene en cuenta variables cualitativas como los niveles de pH. 

La investigación sirvió como trabajo de grado para el estudiante García y se presentó durante el IV Congreso Internacional en Investigación e Innovación en Ciencia, Ingeniería y Tecnología de los Alimentos (IICTA).

Noticia tomada de Agencia de Noticias UN.

Visto 58 veces Modificado por última vez en Viernes, 06 Julio 2018 16:48

Últimas noticias