A Recurrent Neural Network for Wastewater Treatment Plant Effuents' Prediction
Use este enlace para citar
http://hdl.handle.net/2183/24953
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial 3.0 España
Colecciones
Metadatos
Mostrar el registro completo del ítemTítulo
A Recurrent Neural Network for Wastewater Treatment Plant Effuents' PredictionFecha
2018Cita bibliográfica
Pisa, I., Santín, I.,Lopez Vicario, J., Morell, A., Vilanova, R. A recurrent neural network for wastewater treatment plant effuents' prediction. En Actas de las XXXIX Jornadas de Automática, Badajoz, 5-7 de Septiembre de 2018 (pp.621-628). DOI capítulo: https://doi.org/10.17979/spudc.9788497497565.0621 DOI libro: https://doi.org/10.17979/spudc.9788497497565
Versiones
http://hdl.handle.net/10662/8501
Resumen
[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%). [Resumen] 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%).
Palabras clave
Wastewater treatment plants
Neural networks
LSTM cells
BSM2
Neural networks
LSTM cells
BSM2
Versión del editor
Derechos
Atribución-NoComercial 3.0 España
ISBN
978-84-09-04460-3 (UEX) 978-84-9749-756-5 (UDC electrónico)