Artificial neural networks for predicting backwashing in screen filters for irrigation

Resumo

A implementação criteriosa do sistema de filtragem é indispensável na manutenção do funcionamento do sistema de irrigação. Objetivou-se realizar a modelagem da pressão para retrolavagem em função da qualidade da água e da carga de pressão de entrada em filtros, via redes neurais artificias. O experimento foi conduzido no Laboratório de Hidráulica e Irrigação da Universidade Federal do Ceará, Fortaleza-CE. Utilizou-se sensor de pH (potencial hidrogeniônico), sensor de turbidez, sensor de sólidos totais dissolvidos (STD) e sensor de temperatura para aferir as características da água. Utilizou-se sensor transdutor de pressão para quantificação da perda de carga e necessidade de limpeza dos filtros. Para predição da necessidade de limpeza dos filtros para irrigação, construiu-se uma estrutura hidráulica com sistema de filtragem do tipo tela com número de malha (mesh) de 120 e limpeza mediante retrolavagem. A necessidade de limpeza estimada pelas redes neurais artificiais do tipo multilayer perceptron feedfoward com arquitetura 2-4-1, apresentaram bom desempenho na modelagem da evolução temporal da carga de pressão no sistema de filtragem de tela (120 mesh). Já o ajuste da carga de pressão a partir das características de qualidade da água pH, turbidez, sólidos totais dissolvidos e temperatura, teve baixo desempenho.