Sistema experto para el tratamiento de aguas residuales (SECTRARES)

Yoan Martínez López

Resumen

El tratamiento de las aguas residuales de una fábrica es de vital importancia, ya que elimina parte de la contaminación de las mismas, y contribuye con la protección del medio ambiente. Por lo cual resulta necesario llevar la experiencia adquirida por los especialistas del Instituto Virtual del Medio Ambiente de estos tratamientos, a distintas empresas del territorio, provincia y el país. El presente artículo consiste en la construcción de un Sistema Experto para el tratamiento de aguas residuales de una fábrica. La herramienta utiliza las Redes Neuronales Artificiales (RNA) para predecir el tipo de tratamiento que se debe aplicar.

Palabras clave

aguas residuales, redes neuronales, tratamiento

Texto completo:

PDF

Referencias

CABRERA, X.; CONTRERAS, A.M.; HERRERA, Z.: Influencia de la caracterización de los residuales líquidos industriales en la selección del sistema de tratamiento más adecuado, Revista CentroAzucar, Ed. Universidad Central de las Villas (UCLV), Santa Clara, Villa Clara, Cuba, 2009.

FALCÓN, M. R. J.: Herramienta para el desarrollo de sistemas conexionistas con presencia de rasgos difusos, Ed. Universidad Central de las Villas (UCLV), Santa Clara, Villa Clara, Cuba, 2003.

FALCÓN, M. R. J.: Evaluador de modelos de RNA asociativas con manejo de rasgos borrosos, Tesis (en opción al título de Máster en Ciencia de la Computación), Universidad Central de las Villas (UCLV), Santa Clara, Villa Clara, Cuba, 2006.

FERRER, J.; GABALDÓN, C.; SECO, G.; MARZAL, P.: ¨Utilización de sistemas informáticos para el diseño de estaciones de tratamiento de aguas residuales¨, [en línea] Revistes i congressos UPC, 1 (4), 1994. Disponible en: http://upcommons.upc.edu/revistes/ handle/2099/4208[Consulta: mayo 18 2010].

FREEMAN, J. A. & D. SKAPURA.:Redes neuronales: algoritmos, aplicaciones y técnicas de programación, Addison-Wesley Iberoamericana, New York, USA, 1993.

GARCÍA, L. M. M.: El empleo del razonamiento basado en casos en el desarrollo de sistemas basados en el conocimiento para el diagnóstico, Ed. Universidad Central de las Villas (UCLV), Santa Clara, Villa Clara, Cuba, 1997.

GASSO D. S.: Desarrollo de un sistema CAD/CAE para plantas de tratamiento de aguas residuales, Tesis (en opción al grado científico de Doctor en Ciencias Informáticas), Universidad Politécnica Catalunya, España, 1989.

HERRERA, Z.: Complex Processes Analysis Application to the problem of contamination for wastewater sugar industry, Tesis (en opción al título de Máster en Análisis de Procesos en la Industria Química), Universidad Central de Las Villas, Cuba, 1996.

HOPFIELD, J.J.: ¨Neural networks and physical systems with emergent collective computational abilities¨, Proc. Nat. Acad. Sci, 79: 2554–2558, 1982.

MARTÍNEZ, L. Y.: Shell para la construcción de Sistemas Expertos Conexionistas, Trabajo de Diploma (en opción al título de Licenciado en Ciencias de la Computación), Universidad Central de las Villas (UCLV), Santa Clara, Villa Clara, Cuba, 2010.

MATICH, D. J.: Redes neuronales, Conceptos básicos y aplicaciones. Ed. Universidad Tecnológica Nacional, México, marzo, 2001.

MCCLELLAND, J. L. R.: Explorations in parallel distributed processing, MIT Press, Cambridge, USA, 1989.

RODGERS, J. L. & NICEWANDER, W. A.: ¨Thirteen ways to look at the correlation coefficient¨, The American Statistician, 42 (1): 59–66, 1988.

RODRÍGUEZ, S. Y.: Generalización de la Métrica Basada en la Diferencia de Valores para Variables Lingüísticas y su Aplicación en Sistemas Basados en el Conocimiento, Tesis (en opción al grado científico de Doctor en Ciencias de la Computación) Universidad Central de las Villas (UCLV), Santa Clara, Villa Clara, Cuba, 2007.

RODRIGUEZ, S. Y.: Sistema Basado en Casos para el diagnóstico de malformaciones cardiovasculares en recién nacidos, Trabajo de Diploma (en opción al título de Licenciado en Ciencia de la Computación), Universidad Central de las Villas (UCLV), Santa Clara, Villa Clara, Cuba, 1996.

RODRÍGUEZ S. Y.: CBR-ANN hybrid model to optimize the sequence of wastewater treatments. In: Second International ICSC Symposium on Information Technologies in Environmental Engineering, Shaker Verlag 2005, pp. 711-720, ISBN 3-8322-4362-3, Otto-von-Guericke- Universität Magdeburg, Germany, 2005.

ZHOU, Q., PURVIS, M., & KASABOV, N.: Membership Function Selection Method for Fuzzy Neural Networks, Dunedin, New Zealand, Proceedings of the International Conference on Neural Information Processing and Intelligent System, New Zealand, 1997.

Enlaces refback

  • No hay ningún enlace refback.


Bookmark and Share