Resumen

La modelización de los procesos de tratamiento de agua es desafiante debido a su complejidad, no linealidad y numerosas variables contribuyentes, pero es de particular importancia ya que el agua de baja calidad causa problemas relacionados con la salud y económicos que tienen un impacto considerable en la vida diaria de las personas. Aquí se utilizan métodos de modelización lineal y no lineal para modelar el aluminio residual y la turbidez en el agua tratada, utilizando tanto datos de laboratorio como datos del proceso como variables de entrada. El enfoque incluye la selección de variables para encontrar los factores más importantes que afectan a los parámetros de calidad. Finalmente se lograron correlaciones de 0.7 a 0.9 entre los valores modelados y reales para los parámetros objetivo. Este procedimiento de análisis de datos parece proporcionar un medio eficiente para modelar el proceso de tratamiento de agua y definir sus variables más esenciales.

• Materias:Máquina de vectores Marco neuronal híbrido Base de datos Inteligencia neuronal Sintonización de controladores
• Subjects:Vector machine Hybrid neural framework Database Neural intelligence Controller tuning
• Palabras claves:Procesos de tratamiento de agua; Complejidad; Variables; Problemas relacionados con la salud; Problemas económicos; Parámetros de calidad
• Keywords:Water treatment processes; Complexity; Variables; Health-related problems; Economic problems; Quality parameters