Predictive Modeling of the Primary Settling Tank in the Ibarra Wastewater Treatment Plant based on Artificial Neural Networks

Abstract

Las aguas residuales son la combinación de desechos líquidos y desechos transportados en el agua debido a la contaminación producida por la actividad antropogénica. Por lo tanto, es necesario el respectivo proceso de tratamiento para reducir los niveles de contaminación del agua residual previo a su descarga al medio ambiente. La planta de tratamiento de aguas residuales de la ciudad de Ibarra (PTAR-I) procesa un caudal promedio de 43,200 m3/día proveniente de la comunidad, y el efluente tratado es descargado en el río Tahuando. El proceso de tratamiento consiste en un proceso biológico en donde la etapa de sedimentación durante el tratamiento primario es parte fundamental del proceso. El decantador primario es usado para la remoción de sólidos suspendidos y así reducir la carga orgánica presente en el agua residual. Por lo tanto, el modelaje y monitoreo del funcionamiento del decantador primario es necesario para obtener un control efectivo del proceso. Los modelos usados son basados principalmente en relaciones empíricas derivadas de la observación diaria. Sin embargo, estos modelos empíricos frecuentemente suelen presentar varias limitaciones para su aplicación. Por lo tanto, en los últimos años, se han desarrollado diferentes herramientas computacionales orientadas a obtener mejores modelos. Las redes neuronales artificiales (RNA) son una popular herramienta computacional inspiradas en el funcionamiento del cerebro. Este estudio tiene como objetivo desarrollar un modelo predictivo en base a redes neuronales artificiales para modelar el funcionamiento del decantador primario. Dos redes neuronales artificiales separadas fueron elaboradas utilizando información sobre las características del agua residual y condiciones de operación del decantador primario. Una de las redes fue destinada a la predicción de la concentración de sólidos suspendidos totales (SST) en el efluente del sedimentador, y la segunda para la predicción de la demanda química de oxígeno (DQO). La metodología consistió primero en realizar un análisis del proceso de sedimentación para identificar las variables más representativas. Posteriormente, el funcionamiento del modelo propuesto fue comparado con los modelos empíricos tradicionales reportados en la literatura. Finalmente, el modelo propuesto fue validado utilizando información actual proporcionada por la PTAR-I.