Resumen de Desarrollo de un modelo de planificación ambiental para la calidad de los recursos hídricos superficiales considerando su variabilidad climática estacional mediante implementación computacional
- español
El presente manuscrito de tesis doctoral, “Desarrollo de un modelo de planificación ambiental para la calidad de los recursos hídricos superficiales considerando su variabilidad climática estacional mediante implementación computacional”, en un marco meta cognitivo y en el contexto de la línea de investigación Ciencia y tecnología de la información y conocimiento, establece un modelo de planificación ambiental para la cuencas hidrográficas (cuerpos de agua superficiales). Se mencionan los elementos teóricos de la revisión exhaustiva de la literatura especializada en términos de la conceptualización de la planificación ambiental y biocomplejidad en los recursos hídricos y su escasa integración con la variabilidad climática estacional, los recursos informáticos disponibles como soluciones específicas de hidrología, hidráulica o calidad del agua, pero no integradas entre sí y la escasa aplicación de la ingeniería de sistemas complejos mediante técnicas computacionales en la toma de decisiones en cuencas hidrográficas. En la metodología se menciona, los aspectos para el desarrollo de la tesis doctoral en términos de la estructura metodológica desarrollada, método y diseño de investigación analítico – cuasi experimental con enfoque concurrente, con muestras trimestrales de información secundaria de precipitación y calidad del agua de la cuenca hidrográfica analizada y a su vez realizando la normalización de las variables del modelo para construir un modelo analítico mediante el análisis estadístico de los datos y una identificación del sistema, para posteriormente aplicar la técnica computacional de inteligencia artificial. En los resultados, se expone el desarrollo de la metodología propuesta en términos de análisis de los costos de inversión (para lodos activados, reactores anaerobios y lagunas de oxidación) y selección de tecnologías de las plantas de tratamiento de aguas residuales municipales en Cundinamarca (función ponderada de agregación de producto); la ingeniería del software como un vehículo para la planificación ambiental en la calidad de los recursos hídricos superficiales considerando la variabilidad climática estacional; normalización de las variables de calidad del agua (método maximizar y minimizar) y precipitación para la planificación ambiental en la calidad de los recursos hídricos superficiales considerando la variabilidad climática estacional; vector de calidad ambiental; el método Delphi y modelo analítico para la planificación ambiental de la calidad de los recursos hídricos superficiales; análisis de correlaciones entre variables de calidad del agua y precipitación (correlaciones del 0.24 entre precipitación y DBO5, 0.20 entre precipitación y N-NO2, 0.010 entre SST y Ptotal); identificación del modelo matemático que representa la cuenca hidrográfica (transformada de laplace) y técnicas de inteligencia artificial para emular la calidad ambiental (minería de datos y red neuronal artificial , algoritmo Levenberg Marquardt con error cuadrático medio de 4.72x10-5 y coeficiente de determinación de prueba de 0.99188). Este documento de tesis, de manera enfática considera los aportes específicos al conocimiento en términos de: Ecuaciones econométricas de costos de inversión para plantas de tratamiento de aguas residuales municipales con las variables caudal, DBO5, SST, N y P; Metodología para la selección de tecnologías con expresión ponderada de agregación de producto o de promedio geométrico ponderado; Normalización de variables DBO5, N -NO2, SST, P Total y Precipitación mediante el método de maximizar y minimizar variables; Integrar la variable precipitación con las variables de calidad del agua DBO5, N -NO2, SST y P Total en un modelo estadístico, matemático y analítico; Aplicación de técnicas de inteligencia artificial para emular el criterio del grupo de expertos en términos de la calidad ambiental mediante minería de datos, lógica difusa, red neuronal artificial y enjambres de partículas; Modelo de implanificación ambiental considerando la variabilidad climática estacional para cuerpos de agua superficiales utilizando minería de datos y red neuronal artificial (algoritmo Levenberg Marquardt).
- English
The present doctoral thesis manuscript, "Development of an environmental planning model for the surface water resources quality considering their seasonal climatic variability through computational implementation", within a cognitive framework and in the context of information and knowledge Science and technology line research, establishes an environmental planning model for watersheds (surface water bodies). The theoretical elements of the exhaustive review of the specialized literature are mentioned in terms of the conceptualization of environmental planning and biocomplexity in water resources and their low integration with seasonal climatic variability, the available computer resources as hydrology, hydraulic or water quality as specific solutions, but not integrated with each other and the scarce application of complex systems engineering through computational techniques in making decision in watersheds. In the methodology mentioned aspects for the development of the doctoral thesis in terms of the methodological structure developed, method and design of quasi experimental - analytical research with concurrent approach, with quarterly samples of secondary information of precipitation and water quality of the hydrographic basin analyzed and in turn performing the normalization of the model variables to construct an analytical model by means of the statistical analysis of the data and a system identification, to later apply the computational technique of artificial intelligence. The results show the development of the proposed methodology in terms of analysis of investment costs (for activated sludge, anaerobic reactors and oxidation ponds) and selection of technologies for municipal wastewater treatment plants in Cundinamarca (weighted function aggregation of product); software engineering as a vehicle for environmental planning in the quality of surface water resources considering seasonal climatic variability; normalization of water quality variables (maximize and minimize method) and precipitation for environmental planning in the quality of surface water resources considering seasonal climatic variability; environmental quality vector; the Delphi method and analytical model for the environmental planning of the quality of surface water resources; correlation analyzes between water quality and precipitation variables (correlations of 0.24 between precipitation and BOD, 0.20 between precipitation and N-NO2, 0.010 between SST and Ptotal); identification of the mathematical model that represents the watershed (Laplace transform) and artificial intelligence techniques to emulate the environmental quality (data mining and artificial neural network, Levenberg Marquardt algorithm with mean square error of 4.72x10-5 and coefficient of determination of test of 0.99188). This thesis document emphatically considers the specific contributions to knowledge in terms of: Econometric equations of investment costs for municipal wastewater treatment plants with the variables flow, BOD, SST, N and Ptotal; Methodology for the selection of technologies with weighted expression of product aggregation or weighted geometric average; Normalization of variables BOD, N-NO2, SST, PTotal and Precipitation by the method of maximizing and minimizing variables; Integrate the precipitation variable with the water quality variables BOD, N-NO2, SST and PTotal in a statistical, mathematical and analytical model; application of artificial intelligence techniques to emulate the criteria of the group of experts in terms of environmental quality through data mining, fuzzy logic, artificial neural network and particle swarms; environmental planning model considering the seasonal climatic variability for surface water bodies using data mining and artificial neural network (Levenberg Marquardt algorithm).
