PCA/DFT como herramienta de pronóstico para series temporales de absorbancia registradas mediante captores UV-Vis en sistemas de saneamiento urbano

PCA/DFT as forecasting tools for absorbance time series received by UV-visible probes in urban sewer systems

  • Leonardo Plazas Nossa Universidad Distrital Francisco José de Caldas
  • Andrés Torres Pontificia Universidad Javeriana

Resumen (es_ES)

El objetivo de este trabajo es presentar un método de pronóstico para series de tiempo de espectrometría UV-Vis, combinando el análisis de componentes principales PCA (Principal Component Analysis), la transformada discreta de Fourier, DFT (Discrete Fourier Transform) y la transformada inversa de Fourier, IFFT (Inverse Fast Fourier Transform). Se utilizaron las correspondientes series de tiempo de absorbancia para tres diferentes sitios de estudio: (i) Planta de tratamiento de aguas residuales Salitre (PTAR) en Bogotá; (ii) Estación elevadora de Gibraltar en Bogotá; y (iii) Planta de tratamiento de aguas residuales San Fernando (PTAR) en Itagüí (parte sur de Medellín). Cada una de las series de tiempo tiene igual número de muestras (5705). Al reducir la dimensionalidad de las series de tiempo de absorbancia con PCA, se utilizan para cada sitio de estudio 3, 5 y 6 componentes principales, respectivamente; explicando en conjunto más de 97% de la variabilidad. Se utiliza en el procedimiento DFT e IFFT el armónico más importante y se remueven desde uno hasta la mitad de los valores de la longitud total de las series de tiempo. Por consiguiente, los errores de pronóstico para los tres sitios de estudio y para tres rangos de longitudes de onda propuestos (UV, Vis y UV-Vis) están comprendidos entre 0,01% y 34% para 95% de los casos. Sin embargo, para 100% de los casos los errores son inferiores a 37%, independientemente de la longitud de onda y del tiempo de pronóstico.

Resumen (en_US)

The purpose of this work is to introduce a forecasting method for UV-Vis spectrometry time series that combines principal component analysis (PCA), the discrete Fourier transform (DFT) and the inverse fast Fourier transform (IFFT). The corresponding absorbance time series were used for three different study sites: (i) Salitre wastewater treatment plant (WWTP) in Bogotá; (ii) Gibraltar pumping station in Bogotá; and (iii) San Fernando WWTP in Itagüí (in the southern part of Medellín). Each of these time series had an equal number of samples (5705). By reducing the absorbance time series dimensionality with PCA, 3, 5 and 6 principal components were used for each study site respectively; these altogether explain more than 97% of the variability. It was used the most important harmonic given by the DFT and the IFFT procedure, which removed from one to half values of the time series length. Therefore, forecast errors between 0,01% and 34% for 95% of the cases were obtained for the three study sites and the wavelength ranges (UV, Vis and UV-Vis). However, for 100% of the cases errors were lower than 37%, independently of the wavelength and the forecasting time.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Leonardo Plazas Nossa, Universidad Distrital Francisco José de Caldas
Ingeniero electrónico, magíster en Teleinformática, docente de la Universidad Distrital Francisco José de Caldas, Bogotá.
Andrés Torres, Pontificia Universidad Javeriana
Ingeniero civil, especialista en gestión de ingeniería, magíster en Ingeniería Civil, doctor en Ingeniería, docente de la Pontificia Universidad Javeriana, Bogotá.

Referencias

Chen, M.-Y., & Chen, B.-T. (2014). Online fuzzy time series analysis based on entropy discretization anda Fast Fourier Transform. Applied Soft Computing, 156-166.

Di Gravio, G.; Mancini, M.; Patriarca, R., & Costantino, F. (2015). Overall safety performance of Air Traffic Management system: Forecasting and monitoring. Safety Science(72), 351-362.

Gruber, G.; Bertrand-Krajewski, J.-L.; De Beneditis, J.; Hochedlinger, M., & Lettl, W. (2006). Practical aspects, experiences and strategies by using UVVIS sensors for long-term sewer monitoring. Water Practice & Technology, 1-8.

He, Z.; Zhao, X.; Zhang, S.; Ogawa, T., & Haseyama, M. (2014). Random combination for information extraction in compressed sensing and sparse representation-based pattern recognition. Neurocomputing(145), 160-173.

Langergraber, G.; Fleischmann, N.; Hofstaedter, F., & Weingartner, A. (2004). Monitoring of a paper mill wastewater treatment plant using UV/VIS spectroscopy. IWA Water Science and Technology, 49(1), 9-14.

Leonardi, N., & Van De Ville, D. (2015). On spurious and real fluctuations of dynamic functional connectivity. (104), 430-436.

Liu, Z. (2015). Comparison of precipitation estimates between Version 7 3-hourly TRMM Multi-Satellite Precipitation Analysis (TMPA) near-real-time and research products. Atmospheric Research(153), 119-133.

O’Donncha, F.; Hartnett, M.; Nash, S.; Ren, L., & Ragnoli, E. (2015). Characterizing observed circulation patterns within a bay using HF radar and numerical model simulations. Journal of Marine Systems(142), 96-110.

Peña, D. (2002). Análisis de Datos Multivariantes. Madrid: McGraw-Hill/Interamericana.

Plazas-Nossa, L., & Torres, A. (2013). Fourier analysis as a Forecasting tool for absorbance time series received by UV-Vis probes installed on urban sewer systems. 8th International Conference on Planning & technologies for sustainable urban water management Novatech-2013 (pp. 1-8). Lyon: 8th International Conference on Planning & technologies for sustainable urban water management Novatech-2013.

Proakis, J., & Manolakis, D. (2006). Digital signal processing principles, algorithms, and applications (4th ed.) New Jersey, New Jersey, USA: Pearson Prentice Hall.

Rieger, L.; Langergraber, G.; Thomann, M.; Fleischmann, N., & Siegrist, H. (2004). Spectral in-situ analysis of NO2, NO3, COD, DOC and TSS in the effluent of a WWTP. AutMoNet – 2nd IWA Conference on Automation in Water Quality Monitoring (pp. 29-36). Vienna: IWA Conference on Automation in Water Quality Monitoring.

Salgado, R.; Pinheiro, H. M.; Ferreira, F.; Saldanha, J., & Louren, N. (2013). In situ UV-Vis spectroscopy to estimate COD and TSS in wastewater drainage systems. Urban Water Journal, 1-12.

Shlens, J. (2009, 12 10). A Tutorial on Principal Component Analysis. A Tutorial on Principal Component Analysis. La Jolla, California, USA: Salk Insitute for Biological Studies.

Thomas, O., & Burgess, C. (2007). UV-Visible Spectrophotometry of Water and Wastewater (1st ed.) Amsterdam: Elsevier B.V.

Torres, A.; Lepot, M., & Bertrand-Krajewski, J.-L. (2013). Local calibration for a UV/Vis spectrometer: PLS vs. SVM. A case study in a WWTP. 7th International Conference on Sewer Processes & Networks (pp. 1-8). Sheffield: 7th International Conference on Sewer Processes & Networks.

Van den Broeke, J. (2007). Online and In-situ UVVis Spectroscopy Real time multi parameter measurements with a single instrument. AWE International, 55-59.

Xiong, P.-p.; Dang, Y.-g.; Yao, T.-x., & Wang, Z.-x. (2014). Optimal modeling and forecasting of the energy consumption and. Energy(77), 623-634.

Cómo citar
Plazas Nossa, L., & Torres, A. (2015). PCA/DFT como herramienta de pronóstico para series temporales de absorbancia registradas mediante captores UV-Vis en sistemas de saneamiento urbano. Tecnura, 19(44), 47-58. https://doi.org/10.14483/udistrital.jour.tecnura.2015.2.a03
Publicado: 2015-04-01
Sección
Investigación