Modelo híbrido basado en lógica difusa y splines cúbicos para la dosificación óptima de sulfato de aluminio en la potabilización de agua: Caso de estudio EPS Sedacaj - Planta El Milagro, Cajamarca

• Autor: Rojas Huamán, Ever
• Formato: tesis doctoral
• Fecha de Publicación: 2026
• Institución: Universidad Nacional de Cajamarca
• Repositorio: UNC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unc.edu.pe:20.500.14074/10063
• Enlace del recurso: http://hdl.handle.net/20.500.14074/10063
• Nivel de acceso: acceso abierto
• Materia: tratamiento de agua potable; sulfato de aluminio; dosificación óptima; splines cúbicos; lógica difusa; modelo híbrido; https://purl.org/pe-repo/ocde/ford#1.05.08

La presente investigación tuvo como propósito desarrollar un modelo híbrido basado en lógica difusa y splines cúbicos para optimizar la dosificación de sulfato de aluminio en la potabilización de agua, aplicado a la Planta El Milagro de EPS SEDACAJ – Cajamarca. La metodología se estructuró en cinco fases: identificación de 48 puntos de control validados experimentalmente, desarrollo del componente de interpolación por splines cúbicos, construcción de un sistema de lógica difusa tipo Mamdani con 19 reglas fundamentales, integración híbrida con ponderación adaptativa optimizada, y validación experimental mediante técnicas estadísticas. Los resultados demostraron desempeño destacable del modelo híbrido con coeficiente de determinación R2 = 0, 9985, error cuadrático medio RECM = 0,087 mg L−1 , error porcentual absoluto medio EPAM = 0,42 % y eficiencia de Nash-Sutcliffe ENS = 0,9980, mostrando mejoras del 48 a 68 % respecto a benchmarks internacionales (p < 0, 001) en comparación con el método tradicional. Se concluye que el modelo híbrido desarrollado combina exitosamente la precisión matemática de splines cúbicos (R2 = 0, 99991) con la capacidad de extrapolación de lógica difusa (R2 = 0, 940), logrando 100 % de cumplimiento normativo en los escenarios evaluados y optimización efectiva de la dosificación bajo condiciones de alta variabilidad operativa.