Métodos Machine learning aplicados para estimar la concentración de los contaminantes de la DQO y de los SST en hidrosistemas de saneamiento urbano a partir de espectrometría UV-Visible
| Autor: | Zamora Ávila, David Andrés |
|---|---|
| Přispěvatelé: | Torres Abello, Andrés Eduardo |
| Jazyk: | Spanish; Castilian |
| Rok vydání: | 2013 |
| Předmět: | |
| Zdroj: | Repositorio Universidad Javeriana Pontificia Universidad Javeriana instacron:Pontificia Universidad Javeriana |
| Popis: | El presente trabajo tuvo como objetivo desarrollar nuevas metodologías basadas en métodos machine learning, para lo cual se implementaron tres técnicas de inteligencia artificial denominadas: Support Vector Machine (SVM), Redes Neuronales Artificiales (RNA) y algoritmos evolutivos. Éste último fue empleado para realizar una optimización multiobjetivo de los parámetros SVM y RNA con el fin de estimar concentraciones equivalentes de determinates en continuo asociadas a las aguas de drenaje urbano mediante datos de espectrometría UV-visible in situ. Adicionalmente, para comprender mejor la relación entre el espectro de absorbancias y presencia-magnitud de los determinantes objeto de estudio (SST y DQO (total o filtrada)), se desarrollaron varias metodologías que abarcan los siguientes puntos importantes para consolidar y evaluar un modelo quimiométrico, orientas a: evaluar la incertidumbre de los datos medidos in situ y de ensayos de laboratorio (Ley de la propagación de la incertidumbre y métodos Monte Carlo), establecer la recurrencia y la relevancia de las longitudes de onda del espectro UV-Visible en su relación con la presencia de un determinante, y por último evaluar la calidad y representatividad de un par de datos espectro-concentración (outliers). The knowledge of the pollutant concentration values represents a significant input to the improvement in the management of the urban sanitation systems (USS). Therefore, one of the possible alternatives to reduce the drawbacks mentioned before is the use of installable sensors in situ. These sensors use on line measurement technology such as the UV-Visible spectrometry. Since these sensors do not directly provide values of concentrations of pollutants, must be developing and implement specific methods to assess equivalent concentrations and their uncertainties. Therefore, this study aimed to develop new methodologies based on machine learning methods, which were implemented for three artificial intelligence techniques called: Support Vector Machine (SVM), Artificial Neural Networks (ANN) and evolutionary algorithms. The knowledge of the pollutant concentration values represents a significant input to the improvement in the management of the urban sanitation systems (USS). Therefore, one of the possible alternatives to reduce the drawbacks mentioned before is the use of installable sensors in situ. These sensors use on line measurement technology such as the UV-Visible spectrometry. Since these sensors do not directly provide values of concentrations of pollutants, must be developing and implement specific methods to assess equivalent concentrations and their uncertainties. Therefore, this study aimed to develop new methodologies based on machine learning methods, which were implemented for three artificial intelligence techniques called: Support Vector Machine (SVM), Artificial Neural Networks (ANN) and evolutionary algorithms. Magíster en Hidrosistemas Maestría |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|