Aplicación de un modelo híbrido de optimización por enjambre de partículas y red neuronal artificial para la predicción de fugas en biodigestores
PDF

Cómo citar

Camarena Martínez, R., Camarena Martínez, S., & Barrios Sánchez, J. M. (2024). Aplicación de un modelo híbrido de optimización por enjambre de partículas y red neuronal artificial para la predicción de fugas en biodigestores. JÓVENES EN LA CIENCIA, 25, 1–8. Recuperado a partir de https://www.jovenesenlaciencia.ugto.mx/index.php/jovenesenlaciencia/article/view/4221

Resumen

La calidad en los biodigestores es primordial para prevenir fugas y garantizar la integridad del sistema. Las fugas en un biodigestor pueden tener consecuencias significativas, ya que pueden resultar en la liberación de gases o en la contaminación del suelo que puede resultar no solo en la pérdida del biodigestor, sino también en consecuencias de seguridad. En esta investigación se  presenta la aplicación de un modelo híbrido que combina la técnica de Optimización por enjambre de partículas junto con una RNA  (RNA) para abordar el problema de predecir fugas en biodigestores Los resultados obtenidos mediante la combinación del PSO y la RNA muestran un desempeño superior en comparación con una RNA tradicional. Esto se comprueba con el coeficiente de determinación () más elevado mejorando de 0.94  a 0.967, indicando una mayor capacidad de la nueva metodología para modelar y predecir los datos.

PDF
Creative Commons License

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