Aplicación de redes neuronales a la digestión anaerobia de la planta de tratamiento de aguas servidas de la Farfana
Tipo de material:
TextoDetalles de publicación: Valparaíso : UTFSM, 2007Descripción: 137 h. : ilTema(s): REDES NEURONALES (ciencia de la computación) | DIGESTORES | AGUAS SERVIDAS -- PURIFICACION | PLANTAS DE AGUAS SERVIDAS | BC / MEM (memorias UTFSM con resúmenes)Clasificación CDD: M 628.3 Nota de disertación: Tesis (Ing. Civil)--prof. guía: Raúl Galindo Urra Tema: [Resumen del autor]Tema: El objetivo de este trabajo es estudiar el comportamiento de las variables y parámetros de control de la digestión anaerobia de la planta de tratamiento de aguas servidas de La Farfana, a través de la aplicación de redes neuronales. Para lo cual se analiza en primer lugar el proceso tanto desde el punto de vista teórico como operacional, relacionando los factores que afectan el funcionamiento del digestor con los parámetros de tipo físico, químico y biológico que en la actualidad se miden en planta. Posteriormente se definen las variables de salida a simular en las redes neuronales: la producción de biogás y la materia volátil eliminada. Agregando también como variable de interés la concentración de ácidos grasos volátiles al interior del digestor, debido a la importancia de este producto intermedio como indicador del estado del digestor. En cuanto a la entrada a la red se probaron distintas combinaciones de los parámetros que se miden en la digestión, de manera tal de encontrar la agrupación de variables que mejores resultados tengan en las simulaciones. Para la implementación de las redes neuronales se utilizó la plataforma del programa MATLAB versión 7.0.1, llamada Neural Network Toolbox. Donde la gran mayoría de las redes incluidas son descartadas por sus limitaciones en cuanto al tipo de señales, cantidad de neuronas y a su tipo de uso. Por lo que se identifican dos tipos de redes para aplicar a la digestión anaerobia: Una red de Entrenamiento Lineal y una de Retropropagación de tipo Feedforward. Tras las simulaciones realizadas se llega a una red de tipo lineal que obtuvo un resultado de un 8,2% de error y una correlación de 0,75 entre los datos reales y los simulados en el período de prueba. Finalmente, se logró implementar con éxito una red de retropropagación que demuestra ser capaz de predecir períodos de desestabilización de la digestión anaerobia.
| Tipo de ítem | Biblioteca actual | Colección | número de clasificación | Copia número | Estado | Fecha de vencimiento | Código de barras |
|---|---|---|---|---|---|---|---|
Memorias
|
Biblioteca Central | Memorias | M 628.3 S112A (Navegar estantería(Abre debajo)) | 1 | Disponible | 3560900131316 |
CONSULTE EN LINEA A TRAVES DE REPOSITORIO INSTITUCIONAL
Tesis (Ing. Civil)--prof. guía: Raúl Galindo Urra
h.110-111
[Resumen del autor]
El objetivo de este trabajo es estudiar el comportamiento de las variables y parámetros de control de la digestión anaerobia de la planta de tratamiento de aguas servidas de La Farfana, a través de la aplicación de redes neuronales. Para lo cual se analiza en primer lugar el proceso tanto desde el punto de vista teórico como operacional, relacionando los factores que afectan el funcionamiento del digestor con los parámetros de tipo físico, químico y biológico que en la actualidad se miden en planta. Posteriormente se definen las variables de salida a simular en las redes neuronales: la producción de biogás y la materia volátil eliminada. Agregando también como variable de interés la concentración de ácidos grasos volátiles al interior del digestor, debido a la importancia de este producto intermedio como indicador del estado del digestor. En cuanto a la entrada a la red se probaron distintas combinaciones de los parámetros que se miden en la digestión, de manera tal de encontrar la agrupación de variables que mejores resultados tengan en las simulaciones. Para la implementación de las redes neuronales se utilizó la plataforma del programa MATLAB versión 7.0.1, llamada Neural Network Toolbox. Donde la gran mayoría de las redes incluidas son descartadas por sus limitaciones en cuanto al tipo de señales, cantidad de neuronas y a su tipo de uso. Por lo que se identifican dos tipos de redes para aplicar a la digestión anaerobia: Una red de Entrenamiento Lineal y una de Retropropagación de tipo Feedforward. Tras las simulaciones realizadas se llega a una red de tipo lineal que obtuvo un resultado de un 8,2% de error y una correlación de 0,75 entre los datos reales y los simulados en el período de prueba. Finalmente, se logró implementar con éxito una red de retropropagación que demuestra ser capaz de predecir períodos de desestabilización de la digestión anaerobia.
2