Please use this identifier to cite or link to this item:
http://hdl.handle.net/10662/8501
Full metadata record
DC Field | Value | Language |
---|---|---|
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 |
Appears in Collections: | XXXIX Jornadas de Automática |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
978-84-09-04460-3_621.pdf | 378,17 kB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License