Estimación de las emisiones de amoniaco en galpones avícolas, usando un modelo neuronal artificial
Archivos
Autores
Bastidas Marín, John Edison
Director
González Salcedo, Luis Octavio
Malagón Manrique, Ricardo
Tipo de contenido
Trabajo de grado - Maestría
Idioma del documento
EspañolFecha de publicación
2020-10-06
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
En los últimos años la industria avícola ha experimentado tanto a nivel mundial como en Colombia un importante crecimiento, lo cual unido a la exigencia de la normatividad ambiental vigente
conlleva al control y disminución de las emisiones de amoniaco dentro de los galpones. El amoniaco proveniente de las deyecciones puede afectar a las aves y a las personas generando
problemas de salud y pérdidas económicas en dicha industria. La cantidad de la emisión de amoniaco depende de las condiciones ambientales y de diversas variables de diseño y operación
presentes en las actividades avícolas. En este trabajo, para la predicción de la emisión de
amoniaco liberadas al aire dentro de galpones para aves de postura y engorde, se elaboraron
redes neuronales artificiales multicapa feedforward – backpropagation, evaluando su desempeño
a partir del coeficiente de correlación lineal R. Posteriormente, se usó la red neuronal seleccionada y entrenada para analizar la influencia de diferentes variables en la generación de
emisiones de NH3. Se analizaron las variables ambientales; temperatura, humedad relativa, pH,
flujo de aire. Las variables de operación; densidad, tiempo de acumulación del estiercol, consumo
de proteína, raza de las aves y factores de diseño como el tipo de ventilación, tipo de galpón y
tipo de cama, se sugirieron algunas condiciones de operación para reducir las emisiones de NH3.
Los resultados de correlación entre las emisiones reales y estimadas por la red neuronal (R=0.99), muestran que la herramienta computacional desarrollada es confiable en la predicción de las emisiones y abre una agenda futura para la optimización y diseño de ambientes controlados
mediante aprendizaje de máquinas basadas en redes neuronales (texto tomado de la fuente).
Abstract
In the last years, the poultry industry has experienced significant growth both worldwide
and in Colombia, which together with the requirement of current environmental regulations
leads to the control and reduction of ammonia emissions within the sheds. Ammonia from
manure can affect birds and people, causing health problems and economic losses in this
industry. The amount of ammonia emission depends on environmental conditions and
various design and operating variables present in poultry activities. In this work, for the
prediction of the ammonia emission released into the air within sheds for laying and
fattening birds, feedforward - backpropagation multilayer artificial neural networks were
elaborated, evaluating their performance from the linear correlation coefficient R. used the
selected and trained neural network to analyze the influence of different variables on the
generation of NH3 emissions. The environmental variables were analyzed; temperature,
relative humidity, pH, air flow. The operation variables; Density, manure accumulation
time, protein consumption, breed of birds and design factors such as type of ventilation,
type of house and type of litter, some operating conditions were suggested to reduce NH3
emissions. The correlation results between the real and estimated emissions by the neural
network (R = 0.99), show that the computational tool developed is reliable in the prediction
of emissions and opens a future agenda for the optimization and design of controlled
environments through learning of machines based on neural networks.
Keywords: droppings; ammonia; environmental conditions; poultry industry; artifi
Descripción Física/Lógica/Digital
Ilustraciones, fotografías, tablas