Sistema de soporte de decisiones para el diseño del tratamiento secundario de aguas residuales

Abstract

Factores técnicos, sociales, económicos, regulatorios, ambientales, e intereses sociales y políticos hacen complejo el proceso de selección de una tecnología apropiada de tratamiento de aguas residuales. En esta investigación, se desarrolló un sistema de soporte de decisiones para el tratamiento secundario convencional de aguas residuales municipales por medio de redes Bayesianas no paramétricas continuo-discretas, un método innovador en este campo. La determinación de las variables estadístico-matemáticas, la definición de la estructura de la red Bayesiana más adecuada, la obtención de los datos (complementada con juicio estructurado de expertos) para la estimación de sus parámetros, la verificación de la consistencia de la red y la recopilación de datos para la validación conformaron el desarrollo del modelo. La información estadística para la validación de 117 plantas de tratamiento fue obtenida desde bases de datos de México, en su mayor parte, y de U. S. A., parcialmente. Para la red Bayesiana se determinaron tres tipos de variables principales: variables de entrada (materia orgánica biodegradable, temperatura del agua residual, caudal del agua residual y cercanía con las viviendas), procesos unitarios (contactores biológicos rotatorios, filtro percolador, lagunas aerobias y lodos activados) e indicadores de rendimiento (eficiencia de remoción de materia orgánica biodegradable y sólidos suspendidos totales, producción de lodos, estabilidad y complejidad del proceso, costo de construcción y operación, y consumo de energía). Se determinó que la red Bayesiana más adecuada se estructura en procesos unitarios separados en variables diferentes, con sus variables independientes entre procesos. El modelo proporciona los resultados en un gráfico radial, donde se despliegan la puntuación de cada proceso (que mide su adecuación a las variables de entrada) y las probabilidades de cumplir con demandas de diseño del tratamiento, para hacer la elección con esos criterios. La validación, con datos en un contexto mayormente mexicano, proporcionó un poder predictivo positivo de 83.5%, una kappa excelente (0.77 > 0.75) y se superó la línea de criterio con la ubicación del modelo en un gráfico ROC, por lo que, se comprueba su validez con los datos de esta región. La configuración final de la red Bayesiana permite que la metodología pueda ser extendida con facilidad a otros tipos de tratamientos o de aguas residuales.