Resumen

Se evaluó la dosificación de coagulantes utilizando redes neuronales artificiales, en una planta de agua potable ubicada en Perú (12° 00’ 00" S y 75° 11?’ 00" W) a 3420m, donde la calidad al ingreso es inestable debido a precipitaciones fluviales que alteran sus propiedades fisicoquímicas. Se utilizó la “prueba de jarras” para evaluar la dosis de coagulante (Al₂ SO₄ ), considerando turbiedad, pH, conductividad y sólidos disueltos, con temperatura y caudal promedio de 10° C y 148 L/s. Los datos de once meses fueron usadas para entrenar diversas tipologías de redes, siendo la de regresión generalizada la que presentó un rendimiento de 97,77% y evidenció que los factores más influentes son los sólidos disueltos, la turbidez, la conductividad y el pH, con 42,79, 32,43, 10,33 y 7,26%, respectivamente.

INTRODUCCIÓN

El agua potable para consumo humano es uno de los elementos más importantes para la vida, en la mayoría de poblaciones del Perú esta es tratada a partir de efluentes lénticos (ríos o riachuelos).

Un problema recurrente en las ciudades de la sierra peruana (sobre todo durante el invierno) es la alta concentración de sólidos disueltos y no disueltos en el agua que va a tratarse, así como la alteración del pH y de la conductividad, debido a las precipitaciones intempestivas que se producen.

El proceso de coagulación es una de los más importantes cuando se trata de remover estos sólidos del agua —que se presentan también como partículas coloidales—, por ser difícil el suministro de la dosis de coagulante en función de los parámetros físicos y químicos de calidad de agua cruda; además, se ve influido por factores tales como: el corto tiempo de reacción del proceso de coagulación, el largo tiempo de reacción del proceso de floculación y el caudal de agua que ingresa al tratamiento. Todo esto hace que el control de este proceso requiera técnicas de análisis químico como la prueba de jarras en la estimación de la dosis óptima, así como la acción de un operador que supervise el proceso y haga los ajustes necesarios para garantizar una remoción de turbiedad efectiva, lo cual lleva tiempo de ejecución y permite que en ese intervalo se genere agua de mala calidad. La calidad del agua está determinada por límites permisibles en parámetros físicos y químicos (tabla 1).

Redes neuronales artificiales en aplicaciones industriales

La aplicación de la inteligencia artificial al control de procesos es cada vez mayor, ejemplo de ello son: el mejoramiento en el control de los procesos mediante la introducción de técnicas tales como los sistemas expertos, redes neuronales, algoritmos genéticos y lógica difusa. Todo esto conlleva oportunidades para el desarrollo de soluciones óptimas, en procesos cuyo control mediante el uso de técnicas convencionales resulta muy difícil.​

• Materias:Redes neuronales (Computadores) Proceso de agua potable Agua potable
• Subjects:Neural networks (Computer science) Drinking water process Drinking water
• Palabras claves:red neuronal; agua; optimización
• Keywords:neural network; water; optimization