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.

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.

En este trabajo se muestra un modelo de RNA del tipo de retropropagación en multicapas para cada

clase textural de las doce consideradas por el Departamento de Agricultura de los Estados Unidos,

que predice la movilidad de elementos disueltos no reactivos en materiales saturados, homogéneos

No existe una relación entre la conductividad hidráulica y el número de neuronas ocultas, ya que

estas últimas se eligen en base al desempeño que tienen los modelos de RNA en la fase de

entrenamiento y evaluación. Aunque la conductividad hidráulica es importante en el transporte de

contaminantes en medios porosos, los modelos cuentan con la porosidad efectiva y coeficiente de

dispersión que intervienen directamente en el transporte de los contaminantes, por lo que no se

puede establecer dicha relación entre la conductividad hidráulica y el número de neuronas en la capa

oculta.