Estimación del volumen de un Biodigestor tipo balón usando redes neuronales artificales
PDF
XML English
HTML
PDF (English)
XML

Palabras clave

alternative energy
biomass
bio-digester
artificial intelligence
artificial neural networks energías alternativas
biomasa
biodigestor
inteligencia artificial
redes neuronales artificiales

Cómo citar

Tabarquino Muñoz, V. H., González Salcedo, L. O., & Will, A. L. E. (2016). Estimación del volumen de un Biodigestor tipo balón usando redes neuronales artificales. Informador Técnico, 80(1), 41–48. https://doi.org/10.23850/22565035.321

Resumen

La biomasa como fuente alterna de energía puede ser convertida en biogás producido a partir de la digestión anaeróbica de materia orgánica. Para tal fin se usa un compartimiento denominado biodigestor, y diversos protocolos se han definido para la estimación de su volumen y del biogás obtenido, usando una combinación de tablas para el origen de la fuente de la biomasa, ecuaciones que involucran variables como la temperatura ambiente, la carga de la masa biológica y el tiempo de retención. El tratamiento de residuos de materia orgánica y la sistematización de dicha actividad en granjas pecuarias, requiere la intervención de expertos o la utilización de sistemas inteligentes que permitan involucrar variables tanto cualitativas como cuantitativas. En el presente trabajo se estima el volumen de un biodigestor tipo balón, usando redes neuronales artificiales (RNA), las cuales son entrenadas para condiciones generales de generación de residuos por actividades pecuarias y agrícolas. Para evaluar la confiabilidad en la estimación, se usó como indicador de desempeño de la RNA el factor de correlación R. Los resultados muestran que la estimación usando la técnica elaborada es confiable y puede ser usada de manera generalizada.

https://doi.org/10.23850/22565035.321
PDF
XML English
HTML
PDF (English)
XML

Citas

Achen, C.H. (1982). Interpreting and Using Regression.Series/Number 07-029, Sage University Paper. Sage Publications, Newbury Park (CA). 89p. ISBN: 0-8039-1915-8.

https://doi.org/10.4135/9781412984560

Ascombe, T.W. (1973). Graphs in Statistical Analisys.The American Statistician, (27): 17-21.

Bertona, L.F. (2005). Entrenamiento de Redes Neuronales basado en Algoritmos Evolutivos. Tesis (Ingeniería Informática). Universidad de Buenos Aires, Facultad de Ingeniería, Buenos Aires, 256p.

Bishop, C.M. (2006). Pattern Recognition and Machine Learning. Springer, Singapore, 803p. ISBN:978-0387-31073-2.

Cagnina, L.C. (2010). Un nuevo paradigma Computacional basado en una antigua investigación biológica. Fundamentos en Humanidades, 11 (1:21): 133-150.

Correa H., N. (2007). Fuentes Alternas de Energía.Universidad Nacional Abierta y a Distancia – UNAD, Escuela de Ciencias Agrícolas,Pecuarias y del Medio Ambiente. Medellín.198p.

FAO. (2011). Manual de Biogás. Proyecto CHI/00/32 Chile: Remoción de Barreras para la Electrificación Rural con Energías Renovables, Organización de las Naciones Unidas para la Alimentación y la Agricultura – FAO. Santiago de Chile,119p. ISBN: 978-95-306892-0.

Gandolfo, D.C.; Molina, M.G.; Pati-o, H.D. (2011).Estimación de la energía generada por sistemas fotovoltaicos mediante redes neuronales artificiales. Memorias del Cuarto Congreso Nacional y Tercer Congreso Iberoamericano Hidrógeno y Fuentes Sustentables de Energía – HYFUSEN 2011. Ponencia 11-075. Mar de Plata, Junio 6-11.

González I., G.I. (2011). Planificación y Evaluación Económica, Financiera y de Impacto Ambiental de la Instalación de un Biodigestor en un Criadero de Cerdos. Trabajo Final (Ingeniero Agrónomo).Universidad Nacional de Río Cuarto, Facultad de Agronomía y Veterinaria. Río Cuarto, 78p.

González R., A.F. (2013). Modelo para la predicción de la radiación solar a partir de redes neuronales artificiales. Trabajo de Grado (Ingeniero Mecatrónico), Escuela de Ingeniería de Antioquia, Envigado, 80p.

González S., L.O. (2010). Lectura de Introducción a las Fuentes Alternas de Energía y su Aplicación en la Explotación Agropecuaria. Universidad Nacional de Colombia Sede Palmira, Palmira,27p.

Haykin, S. (2005). Neural Networks, a Comprehensive Foundation. 2nd Edition. Pearson Prentice Hall, Delhi, 823p. ISBN: 81-7808-300-0.

Hinton, G.E. (1987). Connectionist Learning Procedures.Technical Report CMU-CS-87-115. Computer Science Department, Carnegie-Mellon University, Pittsburg, 58p.

Hinton, G.E. (1988). Connectionist Learning Procedures. Artificial Intelligence, 40 (1-3):185-234.

https://doi.org/10.1016/0004-3702(89)90049-0

Isasi V., P. (2007). Redes de Neuronas. Universidad Carlos III de Madrid, Departamento de Informática, Madrid, 59p.

López A., P.; Velo S., R.; Maseda E., F. (2007).Estimación de la velocidad del viento mediante redes neuronales. Memorias del XI Congreso Internacional de Ingeniería de Proyectos. Lugo, Septiembre 26-28, 1083-1092.

Martínez R., E. (2005). Errores frecuentes en la interpretación del coeficiente de determinación lineal. Anuario Jurídico y Económico Escurialense, (38): 315-332.

Minsky, M. (1960). Steps toward Artificial Intelligence.Department of Mathematics, Research Laboratory of Electronics, MIT, 65p.

Moncayo R., G.; (2008). Biodigestores: Dimensionamiento,Dise-o y Construcción de Biodigestores y Plantas de Biogás. AquaLimpia Beratende Ingenieure.Madrid, 750p. ISBN: 978-9942-01-719-2.

Olaya A., y.; González S., L.O. (2009). Fundamentos para el Dise-o de Biodigestores. Universidad Nacional de Colombia Sede Palmira, Palmira,32p.

Rodríguez S., J.; González S., L.O.; Rojas G., A.F.;Palacios P., J.A. (2013). Energía y Ambiente.Universidad Nacional de Colombia Sede Palmira, Palmira, 380p. ISBN: 978-958-761-596-8.

Tabarquino M., V.H. (2014). Estimación de parámetros de dise-o de un biodigestor tipo balón usando redes neuronales artificiales. Trabajo de Grado (Ingeniero Agrícola). Universidad Nacional de Colombia Sede Palmira, Facultad de Ingeniería y Administración, Palmira, 84p.

Villada. F.; Cadavid, D.R.; Molina, J.D. (2008).Pronóstico del precio de la energía eléctrica usando redes neuronales artificiales. Revista de la Facultad de Ingeniería de la Universidad de Antioquia, (44), junio: 111-118.

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Derechos de autor 2019 Servicio Nacional de Aprendizaje (SENA)

Descargas

Los datos de descargas todavía no están disponibles.