Please enable JavaScript.
Coggle requires JavaScript to display documents.
Transporte de Contaminantes en Aguas Subterráneas mediante Redes…
Transporte de Contaminantes en Aguas Subterráneas
mediante Redes Neuronales Artificiales
Resumen
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.
Se desarrollaron estructuras de retropropagación
empleando una estructura de tres capas, considerando 4, 7 y 10 neuronas en la capa oculta.
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.
INTRODUCCIÓN
A nivel mundial existen problemas de contaminación de aguas subterráneas generados por el uso de
plaguicidas, derrames de combustibles y actividades mineras.
El uso de esta herramienta se ha incrementado en los últimos años principalmente en el área
ambiental realizando el pronóstico de concentraciones de O3, PM10 y PM2.5, SO2, NO3
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
MATERIALES Y METODOS
La RNA fue aplicada a cada clase textural, considerando para cada una la porosidad efectiva (θe), y
la conductividad hidráulica (K) en cm/h (Tabla 1). En estos materiales se estudio el transporte de los
cationes cobre y cadmio, con coeficientes de difusión (Dd) de 7.33 y 7.17 cm2
/s, respectivamente.
CONCLUSIONES
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.