Determinación de la Dosis Óptima de Sulfato de Aluminio (al2(so4)3 18h2o) en el Proceso de Coagulación - Floculación para el Tratamiento de Agua Potable por medio del Uso de una Red Neuronal Artificial

Vista sencilla de ítem
dc.contributor.advisorPeña Guzmán, Carlos Andrés
dc.contributor.authorBarajas Garzón, Claudia Lorena
dc.contributor.authorLeón Luque, Andrea Juliana
dc.coverage.campusCRAI-USTA Bogotáspa
dc.date.accessioned2017-06-20T16:01:00Z
dc.date.accessioned2017-06-24T17:32:35Zspa
dc.date.available2017-06-20T16:01:00Z
dc.date.available2017-06-24T17:32:35Zspa
dc.date.issued2015
dc.descriptionEl proceso de coagulación y floculación es una de las operaciones más importantes dentro de la potabilización de aguas, pero su efectividad se ve afectada debido a que el cálculo de la dosificación de coagulante a aplicar se lleva a cabo por medio del Ensayo de Jarras o el uso del Streaming Current Detector (SCD) que respectivamente poseen como principales desventajas el hecho de no tener en cuenta el cambio de los parámetros fisicoquímicos del agua en tiempo real y la necesidad de obtener de un punto óptimo de funcionamiento para el equipo, calculando una dosis indicada sólo para ciertas condiciones. El presente proyecto se formuló con el fin de llevar a cabo la determinación de la dosis óptima de Sulfato de Aluminio (Al2(SO4)3) utilizando modelos de correlación entre variables como las regresiones lineales y polinomiales y al mismo tiempo un modelo de Red Neuronal Artificial (RNA) que al enfrentarse a variaciones en tiempo real de la turbidez sea capaz de arrojar como resultado una dosis indicada, con el objetivo de conseguir una coagulación efectiva en el agua a tratar y de esta forma evitar la presencia excesiva o insuficiente de coagulante, minimizar la necesidad de realizar ensayos de jarras continuamente y al mismo tiempo lograr disminuir las pérdidas de carácter económico debido al gasto inadecuado del coagulante.spa
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero Ambientalspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.citationBarajas Garzón, C. L. y León Luque, A. J. (2015). Determinación de la Dosis Óptima de Sulfato de Aluminio (al2(so4)3 18h2o) en el Proceso de Coagulación - Floculación para el Tratamiento de Agua Potable por medio del Uso de una Red Neuronal Artificial. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.
dc.identifier.instnameinstname:Universidad Santo Tomásspa
dc.identifier.reponamereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa
dc.identifier.urihttps://hdl.handle.net/11634/2916
dc.language.isospaspa
dc.publisherUniversidad Santo Tomásspa
dc.publisher.facultyFacultad de Ingeniería Ambientalspa
dc.publisher.programPregrado de Ingeniería Ambientalspa
dc.relation.referencesA. Zambrano and D. Liliana, "Modelo de correlación entre las variables medibles en línea que afectan el proceso de determinación de la dosis óptima de coagulante en la planta de tratamiento de agua potable de Bosconia, del Acueducto Metropolitano de Bucaramanga SAESP," 2008
dc.relation.referencesC. A. V. Campos and E. C. Bravo, "Técnicas de Inteligencia Computacional Aplicadas a Modelos de Estimación de Coagulante en el Proceso de Potabilización de Agua," Revista Facultad de Ingeniería Universidad de Antioquia, pp. 205-215, 2013
dc.relation.referencesS. M. Sibiya, "Evaluation of the streaming current detector (SCD) for coagulation control," Procedia Engineering, vol. 70, pp. 1211-1220, 2014.
dc.relation.referencesM. F. Domínguez Amorocho, "Optimización de la coagulación-floculación en la planta de tratamiento de agua potable de la sede recreacional Campoalegre-Cajasan," 2013
dc.relation.referencesQ. Zhang and S. J. Stanley, "Real-time water treatment process control with artificial neural networks," Journal of Environmental Engineering, vol. 125, pp. 153-160, 1999.
dc.relation.references153-160, 1999. [6] M. Franceschi, A. Girou, A. Carro-Diaz, M. Maurette, and E. Puech-Costes, "Optimisation of the coagulation–flocculation process of raw water by optimal design method," Water research, vol. 36, pp. 3561-3572, 2002.
dc.relation.referencesS. Heddam, A. Bermad, and N. Dechemi, "Applications of radial-basis function and generalized regression neural networks for modeling of coagulant dosage in a drinking water-treatment plant: comparative study," Journal of Environmental Engineering, vol. 137, pp. 1209-1214, 2011.
dc.relation.referencesZ. Song, Y. Zhao, X. Song, and C. Liu, "Research on prediction model of optimal coagulant dosage in water purifying plant based on nerual network," in Computing, Communication, Control, and Management, 2009. CCCM 2009. ISECS International Colloquium on, 2009, pp. 258-261
dc.relation.referencesM. d. l. A. G. Daniela Castrillon Bedoya, "Determinación de la dosis optima de sulfato de aluminio en la planta de tratamiento de villa santana," Tecnologo Quimico, Fcultad de Tecnologias, Universidad Tecnologica de Pereira, Pereira, 2012.
dc.relation.referencesJ. Orellana, "Tratamiento de las aguas," vol. 6, p. 123, 2006.
dc.relation.referencesC. d. I. y. D. T. d. Agua, Tratamiento de Aguas vol. 8. Salamanca, España: Universidad de Salamanca, 2009.
dc.relation.referencesJ. Orellana, "Tratamiento de las aguas," vol. 6, p. 123, 2006.
dc.relation.referencesY. A. Cardenas, L. d. Vargas, and A. B. Martel, "Tratamiento de agua: coagulación - floculación," SEDAPAL, Lima2000.
dc.relation.referencesS. Heddam, A. Bernard, and N. Dechemi, "ANFIS- based modelling for coagulant dosage in drinking water treatment plant: a case study," Environmental monitoring and assesment, vol. 184, 2012 2012.
dc.relation.referencesM. Romero, "Tratamientos utilizados en potabilización de agua," Boletín Electrónico [Internet].[citado 2012 jun 16], vol. 8, pp. 1-12.
dc.relation.referencesC. Gagnon, B. P. Grandjean, and J. Thibault, "Modelling of coagulant dosage in a water treatment plant," Artificial Intelligence in Engineering, vol. 11, pp. 401-404, 1997
dc.relation.referencesR. S. Silvan, J. R. L. Canepa, and J. R. H. Barajas, "Mezclas con potencial coagulante para clarificar aguas superficiales," Universidad Juarez Autonoma de Tabasco, Tabasco, MexicoSeptiembre de 2012 2012.
dc.relation.referencesH. A. R. Osorno, "Evaluacion del proceso de coagulacion floculacion de una planta de tratamiento de agua potable.," Facultad de Minas, p. 109, 2009.
dc.relation.referencesD. M. M. Castaño, "Analisis de la influencia de dos materias primas coagulantes en el aluminio residual del agua tratada," Quimico Industrial, Escuela de tecnologias, Universidad Tecnologica de Pereira, Pereira. Colombia, 2011
dc.relation.referencesJ. A. Perez, "Calidad del agua," ed. Bogota, Colombia: Universidad Nacional de Colombia, 2010, p. 35.
dc.relation.referencesM. A. C. Francisco Escolano Ruiz, Maria Isabel Alonso, Otto Colomina, Miguel Angel Lozano, Inteligencia Artificial, modelos, tecnicas y areas de aplicacion vol. 25. Madrid, España: Thomson Ediciones
dc.relation.referencesC. D. Juan Jesus Romero, Angel Gomez, Inteligencia Artificial y Computacion Avanzada, 13 ed.: Fundacion Alfredo Bañas, 2007
dc.relation.referencesE. D. Sontag, Temas de Inteligencia Artificial. Buenos Aires, Argentina: PROLAM S.R.L., 1992.
dc.relation.referencesP. N. Stuart J. Rusell, Artificial Intelligence a modern approach. New Yersey, United States: Prentice Hall, Inc., 1995.
dc.relation.referencesG. A. T. Claudio Javier Tablada, "Redes Neuronales Artificiales," Buenos Aires, Argentina2010.
dc.relation.referencesC. S. Fernando Izuareta, "Redes Neuronales Artificiales," Universidad de Concepcion, Chile, informe2011.
dc.relation.referencesJ. J. Sprockel, J. J. Diaztagle, W. Alzate, and E. González, "Redes neuronales en el diagnóstico del infarto agudo de miocardio," Revista Colombiana de Cardiología, vol. 21, pp. 215-223, 2014.
dc.relation.referencesD. R. C. Fernando Villada, Juan David Molina, "pronostrico del precio de la energia electrica usando redes neuronales artificiales," Facultad de Ingenierias de Universidad de Antioquia, vol. 44, p. 8, Junio, 2008 2008.
dc.relation.referencesX. B. Olabe, "Redes Neuronales Artificiales y sus Aplicaciones," Publicaciones de la Escuela de Ingenieros, 1998.
dc.relation.referencesM. d. J. d. l. Fuente, "Redes Neuronales Artificiales," Universidad de Valllaodlid2009
dc.relation.referencesU. d. l. Andes. (2014, 02 de Febrero). Principios de MATLAB.
dc.relation.referencesC. A. Villarreal Campos and E. Caicedo Bravo, "Técnicas de Inteligencia Computacional Aplicadas a Modelos de Estimación de Coagulante en el Proceso de Potabilización de Agua," Revista Facultad de Ingeniería Universidad de Antioquia, pp. 205-215, 2013.
dc.relation.referencesX. B. Olabe, "redes neuronales artificiales y sus aplicaciones," p. 79, 2011.
dc.relation.referencesNetworks, 1995. Proceedings., IEEE International Conference on, 1995, pp. 516-521.
dc.relation.referencesH. R. Maier, N. Morgan, and C. W. Chow, "Use of artificial neural networks for predicting optimal alum doses and treated water quality parameters," Environmental Modelling & Software, vol. 19, pp. 485-494, 2004.
dc.relation.referencesW. López, G. Nociari, and A. Barrionuevo, "Programa predictor de dosis óptima de coagulante: planta San Martín, planta Manuel Belgrano," in Desafíos ambientales y del saneamiento en el siglo XXI, ed: AIDIS Argentina, 2004, pp. 1-4
dc.relation.referencesG.-D. Wu and S.-L. Lo, "Effects of data normalization and inherent-factor on decision of optimal coagulant dosage in water treatment by artificial neural network," Expert Systems with Applications, vol. 37, pp. 4974-4983, 2010
dc.relation.referencesC. Montoya, D. Loaiza, P. Torres, C. H. Cruz, and J. C. Escobar, "Effect of increase of raw water turbidity on efficiency of conventional drinking water treatment processes," Revista EIA, pp. 137-138, 2011.
dc.relation.referencesH. Zhang and D. Luo, "Application of an expert system using neural network to control the coagulant dosing in water treatment plant," Journal of Control Theory and Applications, vol. 2, pp. 89-92, 2004
dc.relation.referencesResolucion 2115 de 2007, 2007
dc.relation.referencesDecreto 1575 de 2007, 2007.
dc.relation.referencesJ. G. Henry, G. W. Heinke, and H. J. Escalona, Ingeniería ambiental: Pearson Educación, 1999
dc.relation.referencesA. B. Martel, "Tratamiento de aguas," in Tratamiento de Aguas. vol. 5, ed Argentina, 2010, p. 83.
dc.relation.referencesU. P. d. Madrid. (2007, Marzo). Distribucion normal.
dc.relation.referencesS. O. Quintanilla, "Metodos numericos aplicados a la Ingeniería," Ciencia & Desarrollo, p. 10, Septiembre 2012.
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.lembIngeniería Ambiental
dc.subject.lembAgua Potable
dc.subject.lembAgua
dc.subject.proposalSulfato de Aluminiospa
dc.subject.proposalTratamiento de Aguasspa
dc.subject.proposalCoagulación
dc.subject.proposalFloculación
dc.subject.proposalDosis Óptima de Coagulante
dc.subject.proposalRegresión Lineal
dc.subject.proposalRegresión Polinomial
dc.subject.proposalRedes Neuronales Artificiales
dc.titleDeterminación de la Dosis Óptima de Sulfato de Aluminio (al2(so4)3 18h2o) en el Proceso de Coagulación - Floculación para el Tratamiento de Agua Potable por medio del Uso de una Red Neuronal Artificialspa
dc.typebachelor thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driveinfo:eu-repo/semantics/bachelorThesis
dc.type.localTesis de pregradospa
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original

Mostrando 1 - 3 de 3
Miniatura
Nombre:
Barajasclaudia2015.pdf
Tamaño:
2.08 MB
Formato:
Adobe Portable Document Format
Descargar
Thumbnail USTA
Nombre:
2015cartadefacultad.pdf
Tamaño:
47.06 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Thumbnail USTA
Nombre:
2015cartadederechosdeautor.pdf
Tamaño:
67.85 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Thumbnail USTA
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Plain Text
Descripción:
Descargar

Colecciones

Pregrado Ingeniería Ambiental