Predicción de remoción de contaminantes en lixiviados mediante el uso de Redes Neuronales Artificiales

Descargas: 43

Autores/as

  • Saúl Antonio Rivera-González Instituto Tecnológico Superior de Misantla
  • Yamileth Sordel-López Instituto Tecnológico Superior de Misantla
  • Juan Pablo Rodríguez-Miranda Universidad Distrital Francisco José de Caldas
  • Octavio Salcedo-Parra Universidad Distrital Francisco José de Caldas
  • Luis Carlos Sandoval- Herazo Instituto Tecnológico Superior de Misantla

DOI:

https://doi.org/10.56845/terys.v1i1.158

Palabras clave:

RSU, lixiviados, red neuronal artificial, humedal construido

Citas

Bagheri, A. R., Ghaedi, M., Hajati, S., Ghaedi, A. M., Goudarzi, A., & Asfaram, A. (2015). Random forest model for the ultrasonic-assisted removal of chrysoidine G by copper sulfide nanoparticles loaded on activated carbon; response surface methodology approach. RSC Advances, 5(73), 59335–59343. DOI: https://doi.org/10.1039/C5RA08399K

Costa, A. M., Alfaia, R. G. de S. M., & Campos, J. C. (2019). Landfill leachate treatment in Brazil – An overview. Journal of Environmental Management, 232(October 2018), 110–116. DOI: https://doi.org/10.1016/j.jenvman.2018.11.006

Fan, M., Hu, J., Cao, R., Ruan, W., & Wei, X. (2018). A review on experimental design for pollutants removal in water treatment with the aid of artificial intelligence. Chemosphere, 200, 330–343. DOI: https://doi.org/10.1016/j.chemosphere.2018.02.111

Gutiérrez, V., Ramirez, I., Encarnación, G., & Medina, A. (2020). Diagnóstico Básico para la Gestión Integral de los Residuos 2020. In Secretaria de Medio Ambiente y Recursos Naturales/Instituto Nacional de Ecología (Vol. 4, Issue 3).

Li, L., Hu, J., Shi, X., Fan, M., Luo, J., & Wei, X. (2016). Nanoscale zero-valent metals: a review of synthesis, characterization, and applications to environmental remediation. Environmental Science and Pollution Research, 23(18), 17880– 17900. DOI: https://doi.org/10.1007/s11356-016-6626-0

Mandal, S., Mahapatra, S. S., Sahu, M. K., & Patel, R. K. (2015). Artificial neural network modelling of As(III) removal from water by novel hybrid material. Process Safety and Environmental Protection, 93(Iii), 249–264. DOI: https://doi.org/10.1016/j.psep.2014.02.016

Mendoza-Castillo, D. I., Villalobos-Ortega, N., Bonilla-Petriciolet, A., & Tapia-Picazo, J. C. (2015). Neural network modeling of heavy metal sorption on lignocellulosic biomasses: Effect of metallic ion properties and sorbent characteristics. Industrial and Engineering Chemistry Research, 54(1), 443–453. DOI: https://doi.org/10.1021/ie503619j

Nayak, P. C., Satyaji Rao, Y. R., & Sudheer, K. P. (2006). Groundwater level forecasting in a shallow aquifer using artificial neural network approach. Water Resources Management, 20(1), 77–90. https://doi.org/10.1007/s11269-006-4007-z DOI: https://doi.org/10.1007/s11269-006-4007-z

Yoo, J. J., Seo, G., Chua, M. R., Park, T. G., Lu, Y., Rotermund, F., ... & Seo, J. (2021). Efficient perovskite solar cells via improved carrier management. Nature, 590(7847), 587-593. DOI: https://doi.org/10.1038/s41586-021-03285-w

Descargas

Publicado

2022-12-16

Cómo citar

Rivera-González, S. A., Sordel-López, Y., Rodríguez-Miranda, J. P., Salcedo-Parra, O., & Sandoval- Herazo, L. C. (2022). Predicción de remoción de contaminantes en lixiviados mediante el uso de Redes Neuronales Artificiales. Tendencias En energías Renovables Y Sustentabilidad, 1(1), 59. https://doi.org/10.56845/terys.v1i1.158

Número

Vol. 1 Núm. 1 (2022)

Sección

Resúmenes

Licencia

Derechos de autor 2024 Saúl Antonio Rivera-González, Yamileth Sordel-López, Juan Pablo Rodríguez-Miranda, Octavio Salcedo-Parra, Luis Carlos Sandoval- Herazo

Creative Commons License

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

Los autores conservan los derechos de autor de sus trabajos y conceden a la revista Tendencias en Energías Renovables y Sustentabilidad (TERYS) el derecho de primera publicación.

Los artículos se publican bajo la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0), que permite compartir y adaptar el material para cualquier propósito, incluso comercial, siempre que se otorgue el crédito adecuado a los autores y a la revista.

Los autores pueden depositar la versión publicada del artículo en repositorios institucionales o páginas personales, siempre citando la publicación original en TERYS.