Diseño físico de un humedal subsuperficial de flujo horizontal utilizando el algoritmo NSGA-II

• Mendez-Valencia, Jhonatan ^[1] ; Sánchez-López, Carlos ^[1] ; Reyes-Pérez, Eneida ^[1]
  1. [1] Universidad Autónoma de Tlaxcala

     Universidad Autónoma de Tlaxcala

     México

     
• Localización: Tecnología y Ciencias del Agua, ISSN-e 2007-2422, Vol. 17, Nº. 1, 2026 (Ejemplar dedicado a: january-february), págs. 28-62
• Idioma: español
• Títulos paralelos:
  • Physical design of a horizontal flow subsurface wetland using the NSGA-II Algorithm
• Enlaces
  • Texto completo
• Resumen
  • español

    Este trabajo presenta el diseño físico de un humedal subsuperficial de flujo horizontal destinado al tratamiento de aguas residuales grises. El objetivo principal es optimizar la eficiencia de remoción de la demanda bioquímica de oxígeno mediante el uso del algoritmo NSGA-II, el cual es una técnica de optimización multiobjetivo. Se evalúan tres funciones objetivo: maximización de la eficiencia de remoción, maximización del caudal y minimización del volumen del humedal. Cuatro restricciones son definidas: eficiencia de remoción superior al 95 %, volumen físico menor a 1 000 m3, caudal superior a 10 m3/d y una relación largo-ancho entre 2 y 4. Las funciones objetivo y las restricciones dependen de seis variables de diseño: tiempo de retención hidráulica, ancho, longitud, profundidad del agua en el humedal, profundidad del humedal y pendiente. Al emplear el algoritmo genético de clasificación no dominada como optimizador evolutivo se utilizó una población junto con un número de generaciones de 100, 200 y 300 durante el proceso de optimización. El objetivo de la optimización multiobjetivo es proporcionar los mejores compromisos entre los objetivos, el cual se visualiza claramente en las superficies de Pareto generadas.

  • English

    This paper presents the physical design of a horizontal flow subsurface wetland for the treatment of grey wastewater. The main objective is to optimize the removal efficiency of biochemical oxygen demand by using the NSGA-II algorithm, which is a multi-objective optimization technique. Three objective functions are evaluated: Maximization of removal efficiency, maximization of flow rate, and minimization of wetland volume. Four constraints are defined: Removal efficiency greater than 95%, physical volume less than 1000 m3, a flow rate greater than 10 m3/d, and a length-to-width ratio between 2 and 4. The objective functions and constraints depend on six design variables, which are: Hydraulic retention time, width, length, water depth in the wetland, substrate depth, and slope. By employing the non-dominated sorting genetic algorithm as an evolutionary optimizer, a population along with a generation number of 100, 200, and 300 were used during the optimization process. The goal of multi-objective optimization is to provide the best trade-offs between objectives, which is clearly visualized in the generated Pareto surfaces.