A recurrent neural network for wastewater treatment plant effuents' prediction

DSpace/Manakin Repository

español português english

A recurrent neural network for wastewater treatment plant effuents' prediction

Show simple item record

dc.contributor.author Pisa, Ivan
dc.contributor.author Santín, Ignacio
dc.contributor.author Lopez Vicario, José
dc.contributor.author Morell, Antoni
dc.contributor.author Vilanova, Ramón
dc.date.accessioned 2019-01-15T11:51:51Z
dc.date.available 2019-01-15T11:51:51Z
dc.date.issued 2018
dc.identifier.isbn 978-84-09-044460-3
dc.identifier.uri http://hdl.handle.net/10662/8501
dc.description 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. es_ES
dc.description.abstract 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%). es_ES
dc.description.abstract 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%). es_ES
dc.description.sponsorship Ministerio de Economía y Competitividad de España, MINECO / FEDER, otorga el DPI2016-77271-R y también la S Fondo Social Europeo, Secretaria de Universidades, Departamento de Estado, Generalidad de Cataluña. Subvención de Formación Investigadora. es_ES
dc.format.extent 8 p. es_ES
dc.format.mimetype application/pdf en_US
dc.language.iso eng es_ES
dc.publisher Universidad de Extremadura es_ES
dc.relation.ispartof Actas de las XXXIX Jornadas de Automática, Badajoz, 5-7 de Septiembre de 2018 es_ES
dc.rights Attribution-NonCommercial 4.0 International *
dc.rights.uri http://creativecommons.org/licenses/by-nc/4.0/ *
dc.subject Wastewater treatment plants es_ES
dc.subject Neural networks es_ES
dc.subject LSTM cells es_ES
dc.subject Benchmark Simulation Model No.2 (BSM2) es_ES
dc.subject Plantas de tratamiento de aguas residuales es_ES
dc.subject Redes neuronales es_ES
dc.subject Modelo de simulación de referencia n. 2 (BSM2) es_ES
dc.subject Células LSTM es_ES
dc.title A recurrent neural network for wastewater treatment plant effuents' prediction es_ES
dc.title.alternative Una red neuronal recurrente para la predicción de los efluentes de las plantas de tratamiento de aguas residuales es_ES
dc.type conferenceObject es_ES
dc.description.version peerReviewed es_ES
europeana.type TEXT en_US
dc.rights.accessRights openAccess es_ES
dc.subject.unesco 3311.02 Ingeniería de Control es_ES
dc.subject.unesco 3308.10 Tecnología de Aguas Residuales es_ES
dc.subject.unesco 3308.11 Control de la Contaminación del Agua es_ES
europeana.dataProvider Universidad de Extremadura. España es_ES
dc.identifier.bibliographicCitation Pisa, I., Santín, I., Lopez Vicario, J., Morell, A. y Vilanova, R. 2018. A recurrent neural network for wastewater treatment plant effuents' prediction. En: I. Tejado Balsera, E. Pérez Hernández, A.J. Calderón Godoy, I. González Pérez, P. Merchán García, J. Lozano Rogado, S. Salamanca Miño y B.M. Vinagre Jara (eds.) Actas de las XXXIX Jornadas de Automática, Badajoz, 5-7 de Septiembre de 2018. Badajoz: Universidad de Extremadura, pp. 621-628. ISBN 978-84-09-044460-3 es_ES
dc.type.version publishedVersion es_ES
dc.contributor.affiliation Universitat Autònoma de Barcelona es_ES


Files in this item

Files Size Format View
978-84-09-04460-3_621.pdf 378.1Kb PDF Thumbnail

The following license files are associated with this item:

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial 4.0 International Except where otherwise noted, this item's license is described as Attribution-NonCommercial 4.0 International

Search DSpace


Browse

My Account

Statistics

Help

Redes sociales