Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10662/8501
Títulos: A recurrent neural network for wastewater treatment plant effuents' prediction
Otros títulos: Una red neuronal recurrente para la predicción de los efluentes de las plantas de tratamiento de aguas residuales
Autores/as: Pisa, Ivan
Santín, Ignacio
Lopez Vicario, José
Morell, Antoni
Vilanova, Ramón
Palabras clave: Wastewater treatment plants;Neural networks;LSTM cells;Benchmark Simulation Model No.2 (BSM2);Plantas de tratamiento de aguas residuales;Redes neuronales;Modelo de simulación de referencia n. 2 (BSM2);Células LSTM
Fecha de publicación: 2018
Editor/a: Universidad de Extremadura
Resumen: Wastewater Treatment Plants (WWTP) are industries devoted to process water coming from cities' sewer systems and to reduce their contamination. High-pollutant products are generated in the pollutant reduction processes. For this reason, certain limits are established and violations of them are translated into high economic punishments and environmental problems. In this paper data driven methods are performed to monitor the WWTP behaviour. The aim is to predict its effluent concentrations in order to reduce possible violations and their derived costs. To do so, an alarm generation system based on the application of Artificial Neural Networks (ANNs) is proposed. The proposed system shows a good prediction accuracy (errors around 5%) and a reduced miss-detection probability (30%).
Las Plantas de tratamiento de aguas residuales (PTAR) son industrias dedicadas a procesar el agua que proviene de los sistemas de alcantarillado de las ciudades y reducir su contaminación. Los productos de alta contaminación se generan en los procesos de reducción de contaminantes. Por esta razón, se establecen ciertos límites y sus violaciones se traducen en castigos económicos elevados y problemas ambientales. En este documento, se realizan métodos controlados por datos para monitorizar el comportamiento de la EDAR. El objetivo es predecir sus concentraciones de efluentes para reducir las posibles violaciones y sus costos derivados. Para ello, se propone un sistema de generación de alarmas basado en la aplicación de Redes Neuronales Artificiales (ANN). El sistema propuesto muestra una buena precisión de predicción (errores en torno al 5%) y una probabilidad de detección errónea reducida (30%).
Descripción: Comunicación presentada a las XXXIX Jornadas de Automática, celebradas en Badajoz del 5 al 7 de Septiembre de 2018 y organizada por la Universidad de Extremadura.
URI: http://hdl.handle.net/10662/8501
ISBN: 978-84-09-044460-3
Colección:XXXIX Jornadas de Automática

Archivos
Archivo Descripción TamañoFormato 
978-84-09-04460-3_621.pdf378,17 kBAdobe PDFDescargar


Este elemento está sujeto a una licencia Licencia Creative Commons Creative Commons