Optimización de la operación y tratamiento de sólidos en depuradoras de aguas residuales
- Autores: Vanesa Mateo Pérez
- Directores de la Tesis: Francisco Ortega Fernández (dir. tes.)
- Lectura: En la Universidad de Oviedo ( España ) en 2021
- Idioma: español
- Tribunal Calificador de la Tesis: José Valeriano Álvarez Cabal (presid.), Eliseo Pablo Vergara González (secret.), Marina Corral Bobadilla (voc.), Amanda Penélope García Marín (voc.), Sara Marcelino Sádaba (voc.)
- Programa de doctorado: Programa de Doctorado en Ingeniería de Producción, Minero- Ambiental y de Proyectos por la Universidad de Oviedo
- Calificación: Sobresaliente Cum Laude
- Materias:
- Enlaces
- Tesis en acceso abierto en: RUO
- Resumen
Los sistemas de tratamiento de aguas residuales incluyen procesos físicos, químicos y biológicos. Los procesos físicos separan los sólidos de mayor tamaño y son característicos de la primera etapa de tratamiento denominada pretratamiento. En ella se eliminan las grasas, las arenas y los sólidos de desbaste (toallitas, plásticos, productos de higiene íntima y materia orgánica no disuelta).El pretratamiento es una de las etapas menos estudiadas de una estación depuradora y, sin embargo, si algo no funciona correctamente, ocasiona vertidos directos de agua sin tratar al medio receptor, con el impacto ambiental que ello conlleva. Internamente si no se eliminan esos residuos en la primera etapa genera problemas de operación en el resto de la estación de tratamiento. El objeto del presente trabajo es predecir las cantidades de grasas, arenas y sólidos de desbaste recibidas a la entrada de las depuradoras que deberán ser eliminadas en el pretratamiento, con el objetivo de garantizar el funcionamiento óptimo de esta etapa y evitar vertidos al cauce de agua sin tratar. Para poder llevar a cabo esta predicción de parámetros se utilizan distintos algoritmos. En el caso de los sólidos de desbaste se ha desarrollado un modelo SVM para predecir su llegada. La precisión alcanzada en la fase de validación es de R2 = 0,6869, ligeramente inferior a la alcanzada en el entrenamiento (R2 = 0,7093), se considera suficiente para detectar cambios de tendencia en la llegada de sólidos de desbaste a la depuradora. El modelo final presenta un MSE de 0,435 en la prueba de validación. Los mayores errores del modelo se producen en los extremos, es decir, por debajo de 2 toneladas y por encima de 4 toneladas de sólidos brutos, que son valores poco habituales, por lo que no suponen un gran inconveniente y se deben a la escasa presencia de este tipo de patrones en el conjunto de datos de entrenamiento. En el caso de las arenas, para su predicción se utiliza un algoritmo tipo MARS. En este caso, el modelo alcanza un R²=0,70 en los datos de validación, suficiente para predecir los cambios de tendencia en la recuperación de la arena durante las fases de pretratamiento. El modelo final presenta un MSE de 0,46 en la prueba de validación. Por último, en el caso de las grasas, la evaluación de la idoneidad del modelo de predicción se realizó mediante el coeficiente de determinación (R²ajustado) entre los valores predichos frente al conjunto de datos reales. En este caso la precisión del modelo Random Forest es muy alta, R²=0,98 para los datos de entrenamiento y R²=0,93 en los datos de validación, óptima para predecir los cambios de tendencia en la separación de grasas durante las fases de pretratamiento. El modelo final presenta un MSE de 0,037 en el entrenamiento mientras que alcanza 0,089 en la prueba de validación. Globalmente, los modelos desarrollados demuestran que es posible determinar con antelación los contenidos sólidos que se recibirán en la depuradora, en función de la cuenca y de las condiciones meteorológicas, permitiendo así optimizar su funcionamiento, con los beneficios técnicos, económicos y operativos que de ellos se deriva.
