Determinación de la Dosis Óptima de Sulfato de Aluminio (al2(so4)3 18h2o) en el Proceso de Coagulación - Floculación para el Tratamiento de Agua Potable por medio del Uso de una Red Neuronal Artificial
El proceso de coagulación y floculación es una de las operaciones más importantes dentro de la potabilización de aguas, pero su efectividad se ve afectada debido a que el cálculo de la dosificación de coagulante a aplicar se lleva a cabo por medio del Ensayo de Jarras o el uso del Streaming Current...
- Autores:
-
Barajas Garzón, Claudia Lorena
León Luque, Andrea Juliana
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2015
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/2916
- Acceso en línea:
- https://hdl.handle.net/11634/2916
- Palabra clave:
- Ingeniería Ambiental
Agua Potable
Agua
Sulfato de Aluminio
Tratamiento de Aguas
Coagulación
Floculación
Dosis Óptima de Coagulante
Regresión Lineal
Regresión Polinomial
Redes Neuronales Artificiales
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| id |
SANTTOMAS2_d34e3c4513207f2212362a7d085d5f67 |
|---|---|
| oai_identifier_str |
oai:repository.usta.edu.co:11634/2916 |
| network_acronym_str |
SANTTOMAS2 |
| network_name_str |
Repositorio Institucional USTA |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Determinación de la Dosis Óptima de Sulfato de Aluminio (al2(so4)3 18h2o) en el Proceso de Coagulación - Floculación para el Tratamiento de Agua Potable por medio del Uso de una Red Neuronal Artificial |
| title |
Determinación de la Dosis Óptima de Sulfato de Aluminio (al2(so4)3 18h2o) en el Proceso de Coagulación - Floculación para el Tratamiento de Agua Potable por medio del Uso de una Red Neuronal Artificial |
| spellingShingle |
Determinación de la Dosis Óptima de Sulfato de Aluminio (al2(so4)3 18h2o) en el Proceso de Coagulación - Floculación para el Tratamiento de Agua Potable por medio del Uso de una Red Neuronal Artificial Ingeniería Ambiental Agua Potable Agua Sulfato de Aluminio Tratamiento de Aguas Coagulación Floculación Dosis Óptima de Coagulante Regresión Lineal Regresión Polinomial Redes Neuronales Artificiales |
| title_short |
Determinación de la Dosis Óptima de Sulfato de Aluminio (al2(so4)3 18h2o) en el Proceso de Coagulación - Floculación para el Tratamiento de Agua Potable por medio del Uso de una Red Neuronal Artificial |
| title_full |
Determinación de la Dosis Óptima de Sulfato de Aluminio (al2(so4)3 18h2o) en el Proceso de Coagulación - Floculación para el Tratamiento de Agua Potable por medio del Uso de una Red Neuronal Artificial |
| title_fullStr |
Determinación de la Dosis Óptima de Sulfato de Aluminio (al2(so4)3 18h2o) en el Proceso de Coagulación - Floculación para el Tratamiento de Agua Potable por medio del Uso de una Red Neuronal Artificial |
| title_full_unstemmed |
Determinación de la Dosis Óptima de Sulfato de Aluminio (al2(so4)3 18h2o) en el Proceso de Coagulación - Floculación para el Tratamiento de Agua Potable por medio del Uso de una Red Neuronal Artificial |
| title_sort |
Determinación de la Dosis Óptima de Sulfato de Aluminio (al2(so4)3 18h2o) en el Proceso de Coagulación - Floculación para el Tratamiento de Agua Potable por medio del Uso de una Red Neuronal Artificial |
| dc.creator.fl_str_mv |
Barajas Garzón, Claudia Lorena León Luque, Andrea Juliana |
| dc.contributor.advisor.none.fl_str_mv |
Peña Guzmán, Carlos Andrés |
| dc.contributor.author.none.fl_str_mv |
Barajas Garzón, Claudia Lorena León Luque, Andrea Juliana |
| dc.subject.lemb.none.fl_str_mv |
Ingeniería Ambiental Agua Potable Agua |
| topic |
Ingeniería Ambiental Agua Potable Agua Sulfato de Aluminio Tratamiento de Aguas Coagulación Floculación Dosis Óptima de Coagulante Regresión Lineal Regresión Polinomial Redes Neuronales Artificiales |
| dc.subject.proposal.spa.fl_str_mv |
Sulfato de Aluminio Tratamiento de Aguas |
| dc.subject.proposal.none.fl_str_mv |
Coagulación Floculación Dosis Óptima de Coagulante Regresión Lineal Regresión Polinomial Redes Neuronales Artificiales |
| description |
El proceso de coagulación y floculación es una de las operaciones más importantes dentro de la potabilización de aguas, pero su efectividad se ve afectada debido a que el cálculo de la dosificación de coagulante a aplicar se lleva a cabo por medio del Ensayo de Jarras o el uso del Streaming Current Detector (SCD) que respectivamente poseen como principales desventajas el hecho de no tener en cuenta el cambio de los parámetros fisicoquímicos del agua en tiempo real y la necesidad de obtener de un punto óptimo de funcionamiento para el equipo, calculando una dosis indicada sólo para ciertas condiciones. El presente proyecto se formuló con el fin de llevar a cabo la determinación de la dosis óptima de Sulfato de Aluminio (Al2(SO4)3) utilizando modelos de correlación entre variables como las regresiones lineales y polinomiales y al mismo tiempo un modelo de Red Neuronal Artificial (RNA) que al enfrentarse a variaciones en tiempo real de la turbidez sea capaz de arrojar como resultado una dosis indicada, con el objetivo de conseguir una coagulación efectiva en el agua a tratar y de esta forma evitar la presencia excesiva o insuficiente de coagulante, minimizar la necesidad de realizar ensayos de jarras continuamente y al mismo tiempo lograr disminuir las pérdidas de carácter económico debido al gasto inadecuado del coagulante. |
| publishDate |
2015 |
| dc.date.issued.none.fl_str_mv |
2015 |
| dc.date.accessioned.none.fl_str_mv |
2017-06-20T16:01:00Z |
| dc.date.accessioned.spa.fl_str_mv |
2017-06-24T17:32:35Z |
| dc.date.available.none.fl_str_mv |
2017-06-20T16:01:00Z |
| dc.date.available.spa.fl_str_mv |
2017-06-24T17:32:35Z |
| dc.type.none.fl_str_mv |
bachelor thesis |
| dc.type.local.spa.fl_str_mv |
Tesis de pregrado |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.drive.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.citation.none.fl_str_mv |
Barajas Garzón, C. L. y León Luque, A. J. (2015). Determinación de la Dosis Óptima de Sulfato de Aluminio (al2(so4)3 18h2o) en el Proceso de Coagulación - Floculación para el Tratamiento de Agua Potable por medio del Uso de una Red Neuronal Artificial. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional. |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/11634/2916 |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad Santo Tomás |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Santo Tomás |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.usta.edu.co |
| identifier_str_mv |
Barajas Garzón, C. L. y León Luque, A. J. (2015). Determinación de la Dosis Óptima de Sulfato de Aluminio (al2(so4)3 18h2o) en el Proceso de Coagulación - Floculación para el Tratamiento de Agua Potable por medio del Uso de una Red Neuronal Artificial. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional. reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co |
| url |
https://hdl.handle.net/11634/2916 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
A. Zambrano and D. Liliana, "Modelo de correlación entre las variables medibles en línea que afectan el proceso de determinación de la dosis óptima de coagulante en la planta de tratamiento de agua potable de Bosconia, del Acueducto Metropolitano de Bucaramanga SAESP," 2008 C. A. V. Campos and E. C. Bravo, "Técnicas de Inteligencia Computacional Aplicadas a Modelos de Estimación de Coagulante en el Proceso de Potabilización de Agua," Revista Facultad de Ingeniería Universidad de Antioquia, pp. 205-215, 2013 S. M. Sibiya, "Evaluation of the streaming current detector (SCD) for coagulation control," Procedia Engineering, vol. 70, pp. 1211-1220, 2014. M. F. Domínguez Amorocho, "Optimización de la coagulación-floculación en la planta de tratamiento de agua potable de la sede recreacional Campoalegre-Cajasan," 2013 Q. Zhang and S. J. Stanley, "Real-time water treatment process control with artificial neural networks," Journal of Environmental Engineering, vol. 125, pp. 153-160, 1999. 153-160, 1999. [6] M. Franceschi, A. Girou, A. Carro-Diaz, M. Maurette, and E. Puech-Costes, "Optimisation of the coagulation–flocculation process of raw water by optimal design method," Water research, vol. 36, pp. 3561-3572, 2002. S. Heddam, A. Bermad, and N. Dechemi, "Applications of radial-basis function and generalized regression neural networks for modeling of coagulant dosage in a drinking water-treatment plant: comparative study," Journal of Environmental Engineering, vol. 137, pp. 1209-1214, 2011. Z. Song, Y. Zhao, X. Song, and C. Liu, "Research on prediction model of optimal coagulant dosage in water purifying plant based on nerual network," in Computing, Communication, Control, and Management, 2009. CCCM 2009. ISECS International Colloquium on, 2009, pp. 258-261 M. d. l. A. G. Daniela Castrillon Bedoya, "Determinación de la dosis optima de sulfato de aluminio en la planta de tratamiento de villa santana," Tecnologo Quimico, Fcultad de Tecnologias, Universidad Tecnologica de Pereira, Pereira, 2012. J. Orellana, "Tratamiento de las aguas," vol. 6, p. 123, 2006. C. d. I. y. D. T. d. Agua, Tratamiento de Aguas vol. 8. Salamanca, España: Universidad de Salamanca, 2009. J. Orellana, "Tratamiento de las aguas," vol. 6, p. 123, 2006. Y. A. Cardenas, L. d. Vargas, and A. B. Martel, "Tratamiento de agua: coagulación - floculación," SEDAPAL, Lima2000. S. Heddam, A. Bernard, and N. Dechemi, "ANFIS- based modelling for coagulant dosage in drinking water treatment plant: a case study," Environmental monitoring and assesment, vol. 184, 2012 2012. M. Romero, "Tratamientos utilizados en potabilización de agua," Boletín Electrónico [Internet].[citado 2012 jun 16], vol. 8, pp. 1-12. C. Gagnon, B. P. Grandjean, and J. Thibault, "Modelling of coagulant dosage in a water treatment plant," Artificial Intelligence in Engineering, vol. 11, pp. 401-404, 1997 R. S. Silvan, J. R. L. Canepa, and J. R. H. Barajas, "Mezclas con potencial coagulante para clarificar aguas superficiales," Universidad Juarez Autonoma de Tabasco, Tabasco, MexicoSeptiembre de 2012 2012. H. A. R. Osorno, "Evaluacion del proceso de coagulacion floculacion de una planta de tratamiento de agua potable.," Facultad de Minas, p. 109, 2009. D. M. M. Castaño, "Analisis de la influencia de dos materias primas coagulantes en el aluminio residual del agua tratada," Quimico Industrial, Escuela de tecnologias, Universidad Tecnologica de Pereira, Pereira. Colombia, 2011 J. A. Perez, "Calidad del agua," ed. Bogota, Colombia: Universidad Nacional de Colombia, 2010, p. 35. M. A. C. Francisco Escolano Ruiz, Maria Isabel Alonso, Otto Colomina, Miguel Angel Lozano, Inteligencia Artificial, modelos, tecnicas y areas de aplicacion vol. 25. Madrid, España: Thomson Ediciones C. D. Juan Jesus Romero, Angel Gomez, Inteligencia Artificial y Computacion Avanzada, 13 ed.: Fundacion Alfredo Bañas, 2007 E. D. Sontag, Temas de Inteligencia Artificial. Buenos Aires, Argentina: PROLAM S.R.L., 1992. P. N. Stuart J. Rusell, Artificial Intelligence a modern approach. New Yersey, United States: Prentice Hall, Inc., 1995. G. A. T. Claudio Javier Tablada, "Redes Neuronales Artificiales," Buenos Aires, Argentina2010. C. S. Fernando Izuareta, "Redes Neuronales Artificiales," Universidad de Concepcion, Chile, informe2011. J. J. Sprockel, J. J. Diaztagle, W. Alzate, and E. González, "Redes neuronales en el diagnóstico del infarto agudo de miocardio," Revista Colombiana de Cardiología, vol. 21, pp. 215-223, 2014. D. R. C. Fernando Villada, Juan David Molina, "pronostrico del precio de la energia electrica usando redes neuronales artificiales," Facultad de Ingenierias de Universidad de Antioquia, vol. 44, p. 8, Junio, 2008 2008. X. B. Olabe, "Redes Neuronales Artificiales y sus Aplicaciones," Publicaciones de la Escuela de Ingenieros, 1998. M. d. J. d. l. Fuente, "Redes Neuronales Artificiales," Universidad de Valllaodlid2009 U. d. l. Andes. (2014, 02 de Febrero). Principios de MATLAB. C. A. Villarreal Campos and E. Caicedo Bravo, "Técnicas de Inteligencia Computacional Aplicadas a Modelos de Estimación de Coagulante en el Proceso de Potabilización de Agua," Revista Facultad de Ingeniería Universidad de Antioquia, pp. 205-215, 2013. X. B. Olabe, "redes neuronales artificiales y sus aplicaciones," p. 79, 2011. Networks, 1995. Proceedings., IEEE International Conference on, 1995, pp. 516-521. H. R. Maier, N. Morgan, and C. W. Chow, "Use of artificial neural networks for predicting optimal alum doses and treated water quality parameters," Environmental Modelling & Software, vol. 19, pp. 485-494, 2004. W. López, G. Nociari, and A. Barrionuevo, "Programa predictor de dosis óptima de coagulante: planta San Martín, planta Manuel Belgrano," in Desafíos ambientales y del saneamiento en el siglo XXI, ed: AIDIS Argentina, 2004, pp. 1-4 G.-D. Wu and S.-L. Lo, "Effects of data normalization and inherent-factor on decision of optimal coagulant dosage in water treatment by artificial neural network," Expert Systems with Applications, vol. 37, pp. 4974-4983, 2010 C. Montoya, D. Loaiza, P. Torres, C. H. Cruz, and J. C. Escobar, "Effect of increase of raw water turbidity on efficiency of conventional drinking water treatment processes," Revista EIA, pp. 137-138, 2011. H. Zhang and D. Luo, "Application of an expert system using neural network to control the coagulant dosing in water treatment plant," Journal of Control Theory and Applications, vol. 2, pp. 89-92, 2004 Resolucion 2115 de 2007, 2007 Decreto 1575 de 2007, 2007. J. G. Henry, G. W. Heinke, and H. J. Escalona, Ingeniería ambiental: Pearson Educación, 1999 A. B. Martel, "Tratamiento de aguas," in Tratamiento de Aguas. vol. 5, ed Argentina, 2010, p. 83. U. P. d. Madrid. (2007, Marzo). Distribucion normal. S. O. Quintanilla, "Metodos numericos aplicados a la Ingeniería," Ciencia & Desarrollo, p. 10, Septiembre 2012. |
| dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.campus.spa.fl_str_mv |
CRAI-USTA Bogotá |
| dc.publisher.spa.fl_str_mv |
Universidad Santo Tomás |
| dc.publisher.program.spa.fl_str_mv |
Pregrado de Ingeniería Ambiental |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería Ambiental |
| institution |
Universidad Santo Tomás |
| bitstream.url.fl_str_mv |
https://repository.usta.edu.co/bitstream/11634/2916/1/Barajasclaudia2015.pdf https://repository.usta.edu.co/bitstream/11634/2916/4/2015cartadefacultad.pdf https://repository.usta.edu.co/bitstream/11634/2916/5/2015cartadederechosdeautor.pdf https://repository.usta.edu.co/bitstream/11634/2916/2/license.txt https://repository.usta.edu.co/bitstream/11634/2916/3/Barajasclaudia2015.pdf.jpg https://repository.usta.edu.co/bitstream/11634/2916/6/2015cartadefacultad.pdf.jpg https://repository.usta.edu.co/bitstream/11634/2916/7/2015cartadederechosdeautor.pdf.jpg |
| bitstream.checksum.fl_str_mv |
7ecf9640f2e043db76012ee25e65a8f1 3792d989aa470b065aadffa42ab25556 be5fa9ca42345f8cfcd96d6bca88367f 8a4605be74aa9ea9d79846c1fba20a33 cac67a0b19a3e49745f9803e80f748c6 5b1c1fb6bf7e990de6093884098e1b41 d6c00efc4141a9ba865e56fbb41646fa |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Universidad Santo Tomás |
| repository.mail.fl_str_mv |
noreply@usta.edu.co |
| _version_ |
1782026232708202496 |
| spelling |
Peña Guzmán, Carlos AndrésBarajas Garzón, Claudia LorenaLeón Luque, Andrea Juliana2017-06-20T16:01:00Z2017-06-24T17:32:35Z2017-06-20T16:01:00Z2017-06-24T17:32:35Z2015Barajas Garzón, C. L. y León Luque, A. J. (2015). Determinación de la Dosis Óptima de Sulfato de Aluminio (al2(so4)3 18h2o) en el Proceso de Coagulación - Floculación para el Tratamiento de Agua Potable por medio del Uso de una Red Neuronal Artificial. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.https://hdl.handle.net/11634/2916reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coEl proceso de coagulación y floculación es una de las operaciones más importantes dentro de la potabilización de aguas, pero su efectividad se ve afectada debido a que el cálculo de la dosificación de coagulante a aplicar se lleva a cabo por medio del Ensayo de Jarras o el uso del Streaming Current Detector (SCD) que respectivamente poseen como principales desventajas el hecho de no tener en cuenta el cambio de los parámetros fisicoquímicos del agua en tiempo real y la necesidad de obtener de un punto óptimo de funcionamiento para el equipo, calculando una dosis indicada sólo para ciertas condiciones. El presente proyecto se formuló con el fin de llevar a cabo la determinación de la dosis óptima de Sulfato de Aluminio (Al2(SO4)3) utilizando modelos de correlación entre variables como las regresiones lineales y polinomiales y al mismo tiempo un modelo de Red Neuronal Artificial (RNA) que al enfrentarse a variaciones en tiempo real de la turbidez sea capaz de arrojar como resultado una dosis indicada, con el objetivo de conseguir una coagulación efectiva en el agua a tratar y de esta forma evitar la presencia excesiva o insuficiente de coagulante, minimizar la necesidad de realizar ensayos de jarras continuamente y al mismo tiempo lograr disminuir las pérdidas de carácter económico debido al gasto inadecuado del coagulante.Ingeniero AmbientalPregradoapplication/pdfspaUniversidad Santo TomásPregrado de Ingeniería AmbientalFacultad de Ingeniería AmbientalAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Determinación de la Dosis Óptima de Sulfato de Aluminio (al2(so4)3 18h2o) en el Proceso de Coagulación - Floculación para el Tratamiento de Agua Potable por medio del Uso de una Red Neuronal Artificialbachelor thesisTesis de pregradoinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisIngeniería AmbientalAgua PotableAguaSulfato de AluminioTratamiento de AguasCoagulaciónFloculaciónDosis Óptima de CoagulanteRegresión LinealRegresión PolinomialRedes Neuronales ArtificialesCRAI-USTA BogotáA. Zambrano and D. Liliana, "Modelo de correlación entre las variables medibles en línea que afectan el proceso de determinación de la dosis óptima de coagulante en la planta de tratamiento de agua potable de Bosconia, del Acueducto Metropolitano de Bucaramanga SAESP," 2008C. A. V. Campos and E. C. Bravo, "Técnicas de Inteligencia Computacional Aplicadas a Modelos de Estimación de Coagulante en el Proceso de Potabilización de Agua," Revista Facultad de Ingeniería Universidad de Antioquia, pp. 205-215, 2013S. M. Sibiya, "Evaluation of the streaming current detector (SCD) for coagulation control," Procedia Engineering, vol. 70, pp. 1211-1220, 2014.M. F. Domínguez Amorocho, "Optimización de la coagulación-floculación en la planta de tratamiento de agua potable de la sede recreacional Campoalegre-Cajasan," 2013Q. Zhang and S. J. Stanley, "Real-time water treatment process control with artificial neural networks," Journal of Environmental Engineering, vol. 125, pp. 153-160, 1999.153-160, 1999. [6] M. Franceschi, A. Girou, A. Carro-Diaz, M. Maurette, and E. Puech-Costes, "Optimisation of the coagulation–flocculation process of raw water by optimal design method," Water research, vol. 36, pp. 3561-3572, 2002.S. Heddam, A. Bermad, and N. Dechemi, "Applications of radial-basis function and generalized regression neural networks for modeling of coagulant dosage in a drinking water-treatment plant: comparative study," Journal of Environmental Engineering, vol. 137, pp. 1209-1214, 2011.Z. Song, Y. Zhao, X. Song, and C. Liu, "Research on prediction model of optimal coagulant dosage in water purifying plant based on nerual network," in Computing, Communication, Control, and Management, 2009. CCCM 2009. ISECS International Colloquium on, 2009, pp. 258-261M. d. l. A. G. Daniela Castrillon Bedoya, "Determinación de la dosis optima de sulfato de aluminio en la planta de tratamiento de villa santana," Tecnologo Quimico, Fcultad de Tecnologias, Universidad Tecnologica de Pereira, Pereira, 2012.J. Orellana, "Tratamiento de las aguas," vol. 6, p. 123, 2006.C. d. I. y. D. T. d. Agua, Tratamiento de Aguas vol. 8. Salamanca, España: Universidad de Salamanca, 2009.J. Orellana, "Tratamiento de las aguas," vol. 6, p. 123, 2006.Y. A. Cardenas, L. d. Vargas, and A. B. Martel, "Tratamiento de agua: coagulación - floculación," SEDAPAL, Lima2000.S. Heddam, A. Bernard, and N. Dechemi, "ANFIS- based modelling for coagulant dosage in drinking water treatment plant: a case study," Environmental monitoring and assesment, vol. 184, 2012 2012.M. Romero, "Tratamientos utilizados en potabilización de agua," Boletín Electrónico [Internet].[citado 2012 jun 16], vol. 8, pp. 1-12.C. Gagnon, B. P. Grandjean, and J. Thibault, "Modelling of coagulant dosage in a water treatment plant," Artificial Intelligence in Engineering, vol. 11, pp. 401-404, 1997R. S. Silvan, J. R. L. Canepa, and J. R. H. Barajas, "Mezclas con potencial coagulante para clarificar aguas superficiales," Universidad Juarez Autonoma de Tabasco, Tabasco, MexicoSeptiembre de 2012 2012.H. A. R. Osorno, "Evaluacion del proceso de coagulacion floculacion de una planta de tratamiento de agua potable.," Facultad de Minas, p. 109, 2009.D. M. M. Castaño, "Analisis de la influencia de dos materias primas coagulantes en el aluminio residual del agua tratada," Quimico Industrial, Escuela de tecnologias, Universidad Tecnologica de Pereira, Pereira. Colombia, 2011J. A. Perez, "Calidad del agua," ed. Bogota, Colombia: Universidad Nacional de Colombia, 2010, p. 35.M. A. C. Francisco Escolano Ruiz, Maria Isabel Alonso, Otto Colomina, Miguel Angel Lozano, Inteligencia Artificial, modelos, tecnicas y areas de aplicacion vol. 25. Madrid, España: Thomson EdicionesC. D. Juan Jesus Romero, Angel Gomez, Inteligencia Artificial y Computacion Avanzada, 13 ed.: Fundacion Alfredo Bañas, 2007E. D. Sontag, Temas de Inteligencia Artificial. Buenos Aires, Argentina: PROLAM S.R.L., 1992.P. N. Stuart J. Rusell, Artificial Intelligence a modern approach. New Yersey, United States: Prentice Hall, Inc., 1995.G. A. T. Claudio Javier Tablada, "Redes Neuronales Artificiales," Buenos Aires, Argentina2010.C. S. Fernando Izuareta, "Redes Neuronales Artificiales," Universidad de Concepcion, Chile, informe2011.J. J. Sprockel, J. J. Diaztagle, W. Alzate, and E. González, "Redes neuronales en el diagnóstico del infarto agudo de miocardio," Revista Colombiana de Cardiología, vol. 21, pp. 215-223, 2014.D. R. C. Fernando Villada, Juan David Molina, "pronostrico del precio de la energia electrica usando redes neuronales artificiales," Facultad de Ingenierias de Universidad de Antioquia, vol. 44, p. 8, Junio, 2008 2008.X. B. Olabe, "Redes Neuronales Artificiales y sus Aplicaciones," Publicaciones de la Escuela de Ingenieros, 1998.M. d. J. d. l. Fuente, "Redes Neuronales Artificiales," Universidad de Valllaodlid2009U. d. l. Andes. (2014, 02 de Febrero). Principios de MATLAB.C. A. Villarreal Campos and E. Caicedo Bravo, "Técnicas de Inteligencia Computacional Aplicadas a Modelos de Estimación de Coagulante en el Proceso de Potabilización de Agua," Revista Facultad de Ingeniería Universidad de Antioquia, pp. 205-215, 2013.X. B. Olabe, "redes neuronales artificiales y sus aplicaciones," p. 79, 2011.Networks, 1995. Proceedings., IEEE International Conference on, 1995, pp. 516-521.H. R. Maier, N. Morgan, and C. W. Chow, "Use of artificial neural networks for predicting optimal alum doses and treated water quality parameters," Environmental Modelling & Software, vol. 19, pp. 485-494, 2004.W. López, G. Nociari, and A. Barrionuevo, "Programa predictor de dosis óptima de coagulante: planta San Martín, planta Manuel Belgrano," in Desafíos ambientales y del saneamiento en el siglo XXI, ed: AIDIS Argentina, 2004, pp. 1-4G.-D. Wu and S.-L. Lo, "Effects of data normalization and inherent-factor on decision of optimal coagulant dosage in water treatment by artificial neural network," Expert Systems with Applications, vol. 37, pp. 4974-4983, 2010C. Montoya, D. Loaiza, P. Torres, C. H. Cruz, and J. C. Escobar, "Effect of increase of raw water turbidity on efficiency of conventional drinking water treatment processes," Revista EIA, pp. 137-138, 2011.H. Zhang and D. Luo, "Application of an expert system using neural network to control the coagulant dosing in water treatment plant," Journal of Control Theory and Applications, vol. 2, pp. 89-92, 2004Resolucion 2115 de 2007, 2007Decreto 1575 de 2007, 2007.J. G. Henry, G. W. Heinke, and H. J. Escalona, Ingeniería ambiental: Pearson Educación, 1999A. B. Martel, "Tratamiento de aguas," in Tratamiento de Aguas. vol. 5, ed Argentina, 2010, p. 83.U. P. d. Madrid. (2007, Marzo). Distribucion normal.S. O. Quintanilla, "Metodos numericos aplicados a la Ingeniería," Ciencia & Desarrollo, p. 10, Septiembre 2012.ORIGINALBarajasclaudia2015.pdfapplication/pdf2182144https://repository.usta.edu.co/bitstream/11634/2916/1/Barajasclaudia2015.pdf7ecf9640f2e043db76012ee25e65a8f1MD51open access2015cartadefacultad.pdf2015cartadefacultad.pdfapplication/pdf48193https://repository.usta.edu.co/bitstream/11634/2916/4/2015cartadefacultad.pdf3792d989aa470b065aadffa42ab25556MD54metadata only access2015cartadederechosdeautor.pdf2015cartadederechosdeautor.pdfapplication/pdf69477https://repository.usta.edu.co/bitstream/11634/2916/5/2015cartadederechosdeautor.pdfbe5fa9ca42345f8cfcd96d6bca88367fMD55metadata only accessLICENSElicense.txttext/plain1748https://repository.usta.edu.co/bitstream/11634/2916/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52open accessTHUMBNAILBarajasclaudia2015.pdf.jpgBarajasclaudia2015.pdf.jpgIM Thumbnailimage/jpeg6160https://repository.usta.edu.co/bitstream/11634/2916/3/Barajasclaudia2015.pdf.jpgcac67a0b19a3e49745f9803e80f748c6MD53open access2015cartadefacultad.pdf.jpg2015cartadefacultad.pdf.jpgIM Thumbnailimage/jpeg7404https://repository.usta.edu.co/bitstream/11634/2916/6/2015cartadefacultad.pdf.jpg5b1c1fb6bf7e990de6093884098e1b41MD56open access2015cartadederechosdeautor.pdf.jpg2015cartadederechosdeautor.pdf.jpgIM Thumbnailimage/jpeg8243https://repository.usta.edu.co/bitstream/11634/2916/7/2015cartadederechosdeautor.pdf.jpgd6c00efc4141a9ba865e56fbb41646faMD57open access11634/2916oai:repository.usta.edu.co:11634/29162023-10-20 17:11:16.175open accessRepositorio Universidad Santo Tomásnoreply@usta.edu.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 |