Aplicación de redes neuronales artificiales para mejorar la descripción de la dispersión espacial y temporal de la humedad en la lixiviación de cobre

Abstract

Este trabajo de título se enfocó en describir la dispersión espacial y temporal de la humedad en una columna de lixiviación mediante el uso de modelos fenomenológicos y redes neuronales artificiales (ANN). El objetivo general fue integrar redes neuronales dentro de un modelo fenomenológico basado en la ecuación de Richards, para determinar las variables de conductividad y difusividad hidráulicas y así obtener una predicción de la humedad en la columna de lixiviación. Se utilizaron datos simulados de humedad, conductividad hidráulica K y difusividad hidráulica D generados a partir de curvas de retención de Van Genuchten. Estos datos se emplearon para entrenar redes neuronales en dos configuraciones: una red con dos salidas (para K y D) y dos redes separadas, cada una con una salida para K y D. Las redes se entrenaron utilizando el algoritmo L-BFGS, y su desempeño se evaluó mediante métricas como curvas de perdida, el coeficiente de determinación , gráficos de dispersión e histogramas de error. Este trabajo demostró que las redes neuronales en conjunto con el modelo de Richards y especialmente aquellas con una salida para cada variable, son una herramienta capaz de realizar la descripción de la humedad en pilas de lixiviación, siendo una alternativa viable para la simulación matemática. Esto tiene implicaciones significativas para la optimización mediante la programación matemática del proceso, ya que, al reemplazar los modelos de curva de retención tradicionales por modelos diferenciables como lo son las ANN, no es requerido el uso de ecuaciones que aportan discontinuidad al modelo debido a su estructura matemática, no son diferenciables y conllevan un error estructural de las ecuaciones. Sin embargo, al ser las redes entrenadas con datos de estas curvas de retención, estas tienen a su vez una incertidumbre estructural implícita proveniente del sesgo de la obtención de los datos.(...).