Transporte de Contaminantes en Aguas Subterráneas mediante Redes Neuronales Artificiales

Abstract

Se aplicó un modelo de Red Neuronal Artificial para predecir el transporte de contaminantes (cobre y cadmio) en medios saturados, homogéneos e isotrópicos para diferentes clases texturales. Los modelos fueron entrenados y evaluados a partir de la ecuación propuesta por Ogata y Banks, que considera los términos advectivo y difusivo. Se desarrollaron estructuras de retropropagación empleando una estructura de tres capas, considerando 4, 7 y 10 neuronas en la capa oculta. Para el entrenamiento y simulación se empleó el algoritmo de Levenberg-Marquardt; se aplicó la función de transferencia Log-sigmoidal en la capa oculta, y lineal en la capa de salida. La elección de los modelos se efectuó en base al coeficiente de correlación y al mínimo error de generalización. Se comprobó que la Red Neuronal Artificial es una herramienta matemática útil, de bajos requerimientos computacionales y con la suficiente eficiencia para estimar el transporte de contaminantes en medios porosos saturados, homogéneos e isotrópicos.

Agua subterránea: tendencias y desarrollo científico

“…Recientemente, debido a los impactos ambientales generados por el cambio climático y al reconocimiento de estos como una amenaza sobre el recurso hídrico y ecosistemas, se han realizado simulaciones empleando redes neuronales artificiales como una alternativa para predecir el transporte de contaminantes como lo evidencia García et al (2010) y así proponer estrategias de mitigación (Huan et al, 2020). Otros enfoques de modelación que han considerado el impacto del cambio climático es la recarga de acuíferos y el cálculo de las futuras demandas hídricas como fuente de abastecimiento para diferentes usos.…”

Un mapeo sistemático sobre predicción de calidad del agua mediante técnicas de inteligencia computacional

“…Los experimentos se centran en cuatro indicadores de calidad, a saber, la temperatura del agua, el pH, la cantidad de oxígeno disuelto y la turbidez. Por su parte, Palani [23] utiliza las RNA para predecir y pronosticar las características cuantitativas de los cuerpos de agua en una zona costera de Singapur, de tal forma que facilite la rápida evaluación y pronóstico de determinadas variables de calidad del agua como salinidad, temperatura, oxígeno disuelto, y clorofila-a.…”

“…En RNA, finalmente se destacan los trabajos de Gutiérrez [22], García [23] y Saint-Gerons [24], los cuales se desarrollan sobre calidad del agua en ríos colombianos, mexicanos y españoles, respectivamente. En el primero los autores implementan una metodología de RNA como herramienta para la estimación de la calidad del agua en la cuenca alta y media del río Bogotá.…”

Application of Neural Network Models and ANFIS for Water Level Forecasting of the Salve Faccha Dam in the Andean Zone in Northern Ecuador

“…These models are mainly used for predicting, filling, and classifying data series. For instance, they have been used to forecast water consumption demands in urban areas [5,6], determine groundwater quality and transport pollutants [7,8], classify and simulate tributary rivers [9,10], and generate early warning systems [11]. However, applications are continually being developed to meet new needs.…”