ECUACIONES DE DISEÑO PARA LAGUNAS FACULTATIVAS

Violeta E. Escalante Estrada y Hugo César Noriega García

Instituto Mexicano de Tecnología del Agua, Paseo Cuauhnáhuac No. 8532, Col. Progreso Jiutepec, Mor.
México.
Tel. 91-73-19-43-66 Fax 91-73-19-43-81

RESUMEN

Con los resultados obtenidos en una laguna de estabilización se desarrollaron ecuaciones de diseño
confiables, para la remoción de carga orgánica y coliformes fecales. Estas ecuaciones fueron obtenidas, a
través de técnicas de regresión múltiple, empleando parámetros ambientales relevantes, características del
agua residual, tiempo de retención hidráulico, y otros factores de importancia. Se consideraron inicialmente 11
variables independientes, descartándose dos de ellas por problemas de multicolinearidad.

Los modelos generados para el diseño de remoción de carga orgánica en lagunas facultativas, mostraron que
las variables importantes fueron: DBO soluble, tiempo de retención hidráulico, temperatura ambiente, oxígeno
disuelto, pH, y color. Todos los coeficientes presentan niveles de confianza superiores al 98 %, sin embargo,
se puede establecer que los tres primeros factores son los que ejercen una mayor influencia sobre la eficiencia
de remoción de carga orgánica.

En los modelos enfocados a remoción de coliformes fecales las variables que influyeron fueron el tiempo de
retención hidráulico, carga de coliformes, oxígeno disuelto, conductividad eléctrica y color. De acuerdo con los
modelos se puede establecer que los dos primeros factores citados tienen un mayor peso en la eficiencia de
remoción bacteriana.

Palabras clave: carga orgánica, coliformes fecales, laguna de estabilización, regresión múltiple.
INTRODUCCIÓN

En México, el empleo de los sistemas lagunares se ha incrementado considerablemente en los últimos años.
Prueba de esto es que de las 665 plantas de tratamiento de aguas residuales municipales que existían para
1995, el 49% correspondían a plantas de tratamiento por lagunas de estabilización (Pacheco y Contreras,
1996). La mayoría de los modelos utilizados en el diseño de estos sistemas se han basado en
recomendaciones provenientes del extranjero, los cuales no han sido totalmente adecuados para usarse en el
país. Por lo que es importante generar nuestra propia información.

Este trabajo tiene como objetivo dar a conocer modelos alternativos enfocados a la remoción de materia
orgánica y bacteriana, siendo estos últimos, dos de los principales criterios utilizados para contrarrestar los
problemas ecológicos y de salud pública, ocasionados por las aguas residuales de tipo doméstico.

Para el desarrollo de los modelos se utilizaron los datos de una laguna facultativa ubicada en la Planta de
tratamiento da aguas residuales del Instituto Mexicano de Tecnología del Agua (localizada a una altitud de
1400 m.s.n.m, longitud 99° 09' 25", latitud norte 18° 46' 16"), que trata agua residual de tipo doméstica. La
planta inició su operación en 1989, para el presente estudio se utilizaron los datos generados en 1994 y 1995.
Las dimenciones de la laguna son: 34.5 m de largo, 14 m de ancho y 1.5 m de profundidad.

METODOLOGÍA

Los datos utilizados fueron: pH, temperatura del agua(T) y ambiente(Tm), caudal(Q), color(C), turbiedad(Tu),
oxígeno disuelto(OD), conductividad eléctrica(CND), sólidos disueltos totales(SDT), Demanda Bioquímica de
Oxígeno total(So) y soluble(DBOs), coliformes fecales. Los parámetros físicoquímicos y microbiológicos se
analizaron en el laboratorio de calidad del agua del Instituto de acuerdo a los métodos de análisis establecidos
en el Standard Methods For the Examination of Water and Wastewater y las Normas Oficiales Mexicanas
respectivas. Los parámetros de campo se midieron al momento de colectar las muestras. Cabe mencionar
que los datos anteriores se tomaron de los informes finales de la Planta de Tratamiento del IMTA (Escalante
et. al., 1994; Escalante, et. al.,1995).

Para la construcción de los modelos se realizó un análisis de regresión múltiple utilizando un paquete
estadístico de computo. Se seleccionaron como variables de respuesta a la remoción de carga orgánica y
coliformes fecales. Se utilizaron como variables predictivas para la remoción de carga orgánica: el pH, T, Tm,
C, Tu, OD, CND, SDT, Tiempo de residencia hidráulica(t), DBOt(So), Carga superficial aplicada(Csa), DBOs,
Carga de DBOs(DBOsapli). Y para la remoción de coliformes fecales: pH, T, Tm, C, Tu, OD, CND, SDT,
Tiempo de residencia hidráulica(t), Coliformes fecales(No), Carga de coliformes fecales aplicada(Na).

Se emplearon los datos con eficiencias superiores al 60% para desarrollar los modelos de carga orgánica.
Para el caso de coliformes fecales se consideraron eficiencias por encima del 90%. Posteriormente, se
establecieron las combinaciones posibles entre las variables respuesta y las variables predictivas del modelo.
Una vez que se tuvieron bien definidas las combinaciones, se procedió a desarrollar los modelos. Para este
propósito se utilizó un procedimiento conocido como selección hacia atrás. Este procedimiento inicia la
regresión usando todas las variables propuestas, remueva el predictor menos significante en el primer paso y
continua removiendo variables insignificantes hasta alcanzar un nivel óptimo (Draper y Smith, 1981).

Para efectuar una selección adecuada de los modelos se tomó en cuenta, el conocimiento que se tiene sobre
el tema y los siguientes criterios estadísticos: El modelo debe satisfacer el análisis de residuos. Si no lo
satisface se pueden transformar variables (Draper y Smith, 1981), eliminar valores atípicos o seleccionar
nuevo subgrupo de predictores. El modelo debe ser estadísticamente significante con un α = 0.01 (nivel de
confianza de 99%).
La constante de regresión estimada debe ser significante tomando un α =0.01. Cuando no se cumple esta
condición se sugiere practicar una nueva regresión sin la constante. Este procedimiento contribuye a mejorar
la correlación del modelo.

El modelo de regresión debe explicar más del 90% de la variación total (r2 > 0.90) y los coeficientes de
regresión estimados deben ser estadísticamente significantes tomando un α= 0.10. En la figura 1 se resumen
los pasos a seguir para desarrollar modelos confiables.

F IG U R A 1 M E T O D O L O G ÍA P A R A D E S A R R O L L A R M O D E L O S E N F O C A D O S A L A
R E M O C IÓ N D E C A R G A O R G Á N IC A Y B A C T E R I A N A E N L A G U N A S D E
E S T A B IL IZ A C IÓ N

C o le c c i ó n d e r e s u l t a d o s ETAPA 1

V a riable respuesta V a riables predictivas

D B O rem C F rem
P ruebas de
A n á lisis prelim inar
M u lticolinearidad
C á lculo y selección de
eficiencias
ETAPA 2

DBO rem . DBO rem . DBO rem . DBO rem . CF rem . CF rem .
pH, T; Tm pH, T; Tm pH, T; Tm pH, T; Tm pH, T; Tm pH, T; Tm
C, CND, t C, CND, t C, CND, t C, CND, t C, CND, t C, CND, t
O D , So O D , Csa OD, DBOs O D ,D B O s a p l i OD, No OD, Na

O b tención de m odelos que incluyen los predictores que m ás influyen ETAPA 3

C riterios estadísticos
r2, r a z ó n “ F ”
O p c ió n 2 : A n á lisis de residuos
S e le c c i o n a r C o n o c i m ie n t o d e l t e m a
nueva ETAPA 4
v a riable
¿ Modelo satisface las
No Si
condiciones ?

Opción 1: ¿ E l m odelo se puede

Transform ar variables Si optim izar ?
y / o
elim i n a r v a l o r e s a t í p i c o s
O p tim i z a r No

M O D E L O F IN A L
E T A P A 1 .- A N A L IS IS Y C A L C U L O S P R E L IM IN A R E S .
E T A P A 2 ..-P L A N T E A M IE N T O D E A L T E R N A T IV A S D E
R E G R E S IO N .
E T A P A 3 .-T E C N IC A D E R E G R E S IO N M U L T I P L E .
E T A P A 4 .-C R IT E R IO S D E S E L E C C IO N

RESULTADOS

En las tablas 1 y 2 se presentan los datos de parámetros fisicoquímicos y microbiológicos obtenidos durante
1994 y 1995 , los cuales fueron utilizados para la generación de las ecuaciones.
 TABLA 1 RESULTADOS DE PARÁMETROS OBTENIDOS DURANTE 1994
Fecha OD pH Tm T CND SDT C Tu Q t* DBOs DBOseflu
mg/l °C °C mS/cm mg/l Pt Co FTU l/s días mg/l
1-feb 4.68 8.00 20.38 21.00 0.610 0.299 388.75 73.75 0.97 8.66 67.24 21.27
8-feb 3.23 6.99 20.85 21.43 0.662 0.343 418.75 77.00 1.57 5.35 34.96 30.97
22-feb 2.38 6.91 22.83 22.00 0.620 0.317 305.00 57.50 1.07 7.85 64.93 29.97
8-mar 2.25 6.87 23.50 23.05 0.660 0.326 270.25 60.00 1.40 6.00 77.92 24.70
22-mar 1.35 7.21 24.88 23.63 0.508 0.247 245.25 55.75 1.40 6.00 43.29 19.50
5-abr 0.75 6.91 23.45 22.65 0.607 0.303 334.50 61.50 1.52 5.53 77.92 36.63
19-abr 1.45 6.96 24.63 23.30 0.670 0.332 368.25 69.25 1.71 4.91 63.94 31.63
17-may 1.63 7.44 22.65 24.78 0.643 0.320 363.50 61.00 1.25 6.72 66.89 43.28
25-may 0.83 7.75 24.75 22.58 0.757 0.378 285.00 57.33 1.03 8.16 54.94 15.98
8-jun 1.50 7.50 22.95 22.80 0.557 0.275 325.00 63.00 1.92 4.38 42.46 27.97
21-jun 2.85 6.97 24.50 22.70 0.640 0.321 367.50 70.00 1.80 4.67 37.46 18.00
28-jun 1.63 7.41 21.88 23.00 0.631 0.315 729.50 132.75 1.21 6.94 64.45 16.78
12-jul 1.40 6.81 24.04 24.21 0.543 0.269 237.92 42.58 1.42 5.92 48.34 30.21
2-ago 0.50 7.36 21.04 22.76 0.684 0.349 277.08 56.17 1.14 7.37 65.46 10.07
16-ago 0.40 7.38 23.50 23.96 0.651 0.325 393.60 72.80 1.42 5.92 14.32 12.89
6-sep 0.29 7.16 22.38 23.28 0.730 0.363 612.75 112.88 0.99 8.49 94.26 5.80
20-sep 0.16 7.08 22.38 23.21 0.674 0.335 544.00 94.63 1.01 8.32 79.76 3.87
5-oct 1.00 7.47 21.44 23.14 0.697 0.346 700.00 132.75 1.38 6.09 100.97 32.22
18-oct 0.36 7.59 22.19 23.19 0.658 0.328 503.13 91.13 0.83 10.12 108.28 35.04
22-nov 0.67 7.12 20.75 21.53 0.660 0.326 471.50 96.00 1.61 5.22 56.07 31.42
6-dic 0.40 7.13 22.44 21.98 0.669 0.333 588.38 114.38 1.38 6.09 62.44 22.66
13-dic 0.87 6.65 21.90 21.16 0.648 0.330 851.75 156.50 1.15 7.31 83.92 22.66

TABLA 2 RESULTADOS DE PARÁMETROS OBTENIDOS DURANTE 1995

Fecha OD pH Tm T CND SDT C Tu Q t No Ne
mg/l °C °C mS/cm mg/l Pt Co FTU l/s días NMP/100 ml

7-mar 0.54 7.70 21.66 21.21 0.676 0.338 545.43 102.00 0.92 9.13 1.1E+08 1.1E+06
21-mar 0.68 7.61 26.75 22.81 0.465 0.227 305.00 47.25 0.78 10.77 1.1E+08 1.7E+07
18-abr 0.35 7.46 25.50 23.61 0.558 0.269 457.63 96.13 1.20 7.00 5.0E+07 1.7E+6
2-may 0.45 7.54 26.06 23.70 0.484 0.234 372.88 72.50 1.19 7.06 2.3E+6 2.0E+5
16-may 0.37 7.45 27.13 26.07 0.529 0.268 469.67 94.67 1.01 8.32 1.3E+7 4.0E+5
27-jun 1.60 7.56 24.43 25.38 0.653 0.325 425.50 69.00 1.24 6.78 1.10E+07 1.9E+5
8-ago 1.92 7.00 19.79 21.93 0.399 0.200 314.75 52.38 1.15 7.31 7.0E+5 2.0E+2
15-ago 2.23 7.00 22.81 23.68 0.445 0.223 199.00 38.13 1.69 4.97 3.0E+6 9.0E+5
22-ago 0.48 7.00 22.64 24.39 0.570 0.283 340.00 75.71 1.90 4.42 1.6E+6 5.0E+5
29-ago 0.72 7.00 22.33 23.89 0.537 0.263 434.50 78.63 0.99 8.49 1.3E+8 9.0E+4
5-sep 0.93 7.20 20.63 22.86 0.417 0.209 322.25 58.13 1.09 7.71 7.0E+7 3.3E+5
12-sep 1.04 7.12 24.24 23.49 0.411 0.198 243.88 52.75 0.98 8.57 7.5E+7 3.0E+5
19-sep 0.72 7.27 22.61 24.14 0.504 0.252 411.00 73.63 1.38 6.09 4.9E+7 1.1E+05
26-sep 0.83 7.24 22.06 22.84 0.481 0.245 352.88 65.13 0.96 8.75 1.6E+7 3.0E+5
3-oct 1.01 7.60 22.25 21.65 0.426 0.212 344.25 61.88 1.17 7.18 1.3E+7 5.0E+5
10-oct 0.64 7.69 19.44 20.86 0.498 0.246 455.38 85.75 1.19 7.06 3.0E+7 7.0E+5
17-oct 0.39 7.50 22.29 20.54 0.450 0.225 441.25 81.25 0.94 8.94 1.7E+7 5.0E+4
24-oct 0.40 7.05 22.11 22.41 0.434 0.217 406.13 73.25 1.07 7.85 2.4E+7 8.0E+4
31-oct 0.19 7.28 23.23 22.10 0.395 0.194 366.25 68.00 1.22 6.89 3.0E+8 1.1E+05
7-nov 0.30 7.66 24.09 21.89 0.459 0.231 437.75 79.50 1.30 6.46 9.0E+7 7.0E+5
14-nov 0.44 7.72 21.18 19.94 0.422 0.211 374.13 67.88 1.13 7.44 3.0E+7 1.7E+5
21-nov 0.73 7.70 19.13 20.04 0.404 0.202 325.00 69.63 1.17 7.18 5.0E+6 1.1E+05
28-nov 0.31 7.15 18.56 18.06 0.527 0.263 413.50 70.63 1.56 5.39 1.3E+6 2.3E+5
6-dic 1.04 7.10 21.13 19.28 0.350 0.173 270.50 43.13 1.37 6.13 5.0E+6 2.8E+5
12-dic 0.97 7.03 21.50 19.48 0.406 0.201 254.60 59.00 1.46 5.76 1.3E+7 3.0E+6
Se realizó el Análisis preliminar de variables predictivas, se encontró que debido al alto grado de relación
entre color y turbiedad se consideró solo uno de estos predictores en análisis posteriores, de la misma manera
se procedió para el caso de CND y SDT. Las ecuaciones obtenidas se muestran en la Tabla 3, dichas
ecuaciones presentaron coeficientes de correlación bastante aceptables y niveles de confianza superiores al
99%. Éstas fueron verificadas con datos de 1995, encontrándose muy poca variación entre los valores reales
y los valores predichos.

TABLA 3 ECUACIONES DE REGRESIÓN PARA LOS PARÁMETROS DE

COLOR Y CONDUCTIVIDAD ELÉCTRICA

ECUACIÓN ESTADÍSTICA NÚMERO DE DATOS

2
COLOR = 5.32 * TURBIEDAD r = 0.997 24
p= 0
2
CND = 2 * SDT r = 0.999 24
p=0

MODELOS PARA LA REMOCIÓN DE CARGA ORGÁNICA

Se generaron ocho modelos inicialmente, cinco fueron descartados por no cumplir con el análisis de residuos.
Los tres restantes fueron optimizados efectuando una regresión múltiple sin la constante. Los modelos
transformados se indicaron con los números 1, 2 y 3, respectivamente(ver tabla 4). Al comparar los modelos 1
y 3 se encontró que estaban involucradas esencialmente las mismas variables predictivas, la única diferencia
fue que en el modelo 3, la DBO soluble se expresó en Kg/día. Estos modelos pueden ser utilizados para
predecir la calidad del efluente en la laguna en estudio. El modelo 2 puede ser usado para llevar a cabo el
dimensionamiento de una laguna de estabilización, debido a que incorpora al tiempo de retención hidráulico.

Los tres modelos obtenidos cumplieron el análisis de residuos y tuvieron coeficientes de correlación muy
aceptables. Los resultados finales mostraron que en los modelos enfocados a remoción de carga orgánica es
importante tener en cuenta al color, pH, oxígeno disuelto, tiempo de retención hidráulico, temperatura
ambiente y DBO soluble. Siendo los tres últimos los que tuvieron mayor influencia. Los coeficientes de estos
parámetros presentaron un nivel de confianza por arriba del 98 % (p < 0.02).

MODELOS PARA LA REMOCIÓN DE COLIFORMES FECALES

Para la remoción de coliformes fecales se obtuvieron cuatro modelos, en los cuales fue necesario efectuar
transformaciones logarítmicas en la variable respuesta y en la variable correspondiente a coliformes fecales
del influente, la razón fue que los valores de las variables predictivas serían insignificantes comparadas con
los datos de coliformes fecales si no se hiciera dicha transformación, esto ocasionaría que en el modelo final
de regresión no se visualizara el efecto real de todos los predictores. La transformación, además, contribuyó a
cumplir con el análisis de residuos.

De los cuatro modelos propuestos, se descartaron inicialmente dos de ellos por no cumplir con el análisis de
residuos. Posteriormente, al comparar los dos modelos restantes (ver tabla 5), se encontró que el modelo 2,
presentaba mejores niveles de confianza para la mayor parte de los parámetros de regresión (p<0.05), por lo
cual, fue seleccionado como el modelo más factible para la remoción de coliformes fecales, además no se
tuvo problemas en satisfacer el análisis de residuos y presentó un coeficiente de correlación bastante
aceptable.
Este modelo fue verificado usando los datos obtenidos en esta laguna facultativa durante el período de 1994.
El grado de correspondencia entre los valores reales y los valores estimados por los modelos fueron bastante
satisfactorios, ya que se obtuvo el mismo orden de magnitud para la concentración de coliformes fecales
(Figura 2). Los resultados obtenidos ratifican la confiabilidad del modelo de regresión dentro de los rangos de
operación registrados en la laguna de estabilización.

No obstante que todos los factores mencionados presentaron niveles de confianza superiores al 95 %, se
puede establecer que los que ejercieron una mayor influencia sobre las eficiencias de remoción bacteriana
fueron el tiempo de retención hidráulico y los coliformes fecales expresados en NMP/día. Es posible utilizar el
modelo para el dimensionamiento de la laguna de estabilización.

TABLA 4 MODELOS PROPUESTOS PARA LA REMOCIÓN DE CARGA ORGÁNICA

¿ El
No MODELO ESTADÍSTICA DEL modelo OBSERVACIONES
MODELO cumple el
análisis de
residuos ?
1 DBOrem = -b1C+b2OD-b3pH+b4Tm+b5DBOs

COEFICIENTES PROBABILIDAD DE
DE REGRESIÓN SIGNIFICANCIA Error = 3.917 La DBOrem se
r2 = 0.998 SI expresó en mg/l.
b1 = 0.018 p = 0.043 p = 0.000
b2 = 3.212 p = 0.027
b3 =11.878 p = 0.002
b4 = 3.860 p = 0.001
b5 = 0.907 p = 0.000
2 DBOrem = -b1C+b2OD-b3pH+b4t+b5Tm+b6DBOsapli

COEFICIENTES PROBABILIDAD DE
DE REGRESIÓN SIGNIFICANCIA Error = 3.011
r2 = 0.999 La DBOrem se
b1 = 0.021 p = 0.013 p = 0.000 SI expresó en mg/l.
b2 = 1.892 p = 0.088
b3 =14.793 p = 0.003
b4 = 8.324 p = 0.001
b5 = 2.446 p = 0.012
b6 = 8.473 p = 0.000
3 DBOrem = -b1C+b2OD-b3pH+b4Tm+b5DBOsapli

COEFICIENTES PROBABILIDAD DE
DE REGRESIÓN SIGNIFICANCIA Error = 0.309 La DBOrem se
r2 = 0.999 SI expresó en Kg/día
b1 =0.002 p = 0.005 p = 0.000
b2 =0.301 p = 0.011
b3 =1.114 p = 0.001
b4 = 0.341 p = 0.001
b5 =1.042 p = 0.000
 TABLA 5 MODELOS PROPUESTOS PARA LA REMOCIÓN BACTERIANA

¿ El
No MODELO ESTADÍSTICA modelo OBSERVACIONES
DEL MODELO cumple el
análisis
de
residuos ?
1 Log10(CFrem) = -cte-b1CND+b2C+b3OD+b4t+b5Log10(No)
COEFICIENTES PROBABILIDAD DE
DE REGRESIÓN SIGNIFICANCIA
Error 0.007 Los CFrem se
cte = 0.146 p = 0.000 r2 0.999 SI expresaron
b1 = 0.125 p = 0.050 p 0.000 como NMP/100
b2 = 0.0001 p = 0.080 ml.
b3 = 0.023 p = 0.001
b4 = 0.003 p = 0.085
b5 = 1.014 p = 0.000
2 Log10(CFrem) = -cte-b1CND+b2C+b3OD+b4t+b5Log10(Na)

COEFICIENTES PROBABILIDAD DE
DE REGRESIÓN SIGNIFICANCIA
Error 0.006 Los CFrem se
cte = 6.639 p = 0.000 r2 0.999 SI expresaron
b1 = 0.131 p = 0.008 p 0.000 como NMP/100
b2 = 0.0001 p = 0.018 ml.
b3 = 0.023 p = 0.003
b4 = 0.062 p = 0.000
b5 = 1.013 p = 0.000

FIGURA 2 VERIFICACIÓN DEL MODELO PARA COLIFORMES FECALES

8,40
8,20
8,00
7,80
Real
Log (CFrem)

7,60
7,40 Estimado
7,20
7,00
6,80
6,60
6,40
6,20
17-may-94
25-may-94

08-nov-94

22-nov-94
02-ago-94
16-ago-94
08-mar-94

22-mar-94

05-abr-94
19-abr-94

06-sep-94
20-sep-94
21-jun-94

28-jun-94
12-jul-94

19-jul-94

05-oct-94
18-oct-94
01-feb-94

08-feb-94

FECHA DE MONITOREO
CONCLUSIONES

Se generaron tres ecuaciones de diseño para la remoción de carga orgánica y dos para coliformes fecales.
Los coeficientes de correlación encontrados fueron superiores a 0.98. Los modelos obtenidos fueron
verificados con datos del sistema lagunar encontrándose muy poca divergencia entre los valores estimados y
reales. La metodología propuesta resultó ser una herramienta valiosa para construir modelos confiables,
consistentes y estadísticamente significantes. En los modelos obtenidos, la remoción de carga orgánica
estuvo relacionada con los siguientes parámetros: DBO soluble, temperatura ambiente, tiempo de retención
hidráulico, oxígeno disuelto, pH y color. De los factores mencionados, los que ejercieron una mayor influencia
sobre la eficiencia de remoción fueron los tres primeros.

En los modelos enfocados a remoción de coliformes fecales las variables que influyeron fueron el tiempo de
retención hidráulico, carga de coliformes, oxígeno disuelto, conductividad eléctrica y color. De acuerdo con los
modelos se puede establecer que los dos primeros factores citados tienen un mayor peso en las eficiencias de
remoción bacteriana.

Al analizar las variables predictivas de los modelos de regresión, se encontró que el color y la conductividad
eléctrica del agua residual pueden ser estimados con bastante precisión, partiendo de los datos de turbiedad y
sólidos disueltos totales, respectivamente.

RECOMENDACIONES

Cuando los modelos sean aplicados fuera de las condiciones límites registrados en esta laguna, los resultados
deben ser considerados con cierta reserva.

Se requiere mayor información de evaluaciones realizadas en otros sistemas lagunares operando bajo
diferentes condiciones y climas, para poder establecer si los modelos obtenidos pueden ser generalizados. En
futuras investigaciones puede ser interesante contemplar en los modelos, el efecto de otros parámetros tales
como: radiación solar, precipitación.

REFERENCIAS

Draper R. y Smith H. (1981) Applied Regression Analysis Segunda edición, Wiley series in probability and
mathematical statistics, New York.

Escalante V. et. al. (1994) Operación de la planta de tratamiento del IMTA y evaluación de su comportamiento.
Coordinación de tecnología de tratamiento y calidad del agua. Subcoordinación de tratamiento de aguas
residuales, México.

Escalante V. et. al. (1995) Operación y mantenimiento de la planta de tratamiento del IMTA Coordinación de
tecnología de tratamiento y calidad del agua. Subcoordinación de tratamiento de aguas residuales, México.

.
Metcalf and Eddy (1991) Wastewater engineering Treatment, Disposal and Reuse. Tercera edición, Mc Graw-
Hill, Inc New York

Pacheco H., y Contreras R. (1996) Situación del tratamiento de las aguas residuales en México Diseño y
operación de lagunas de estabilización para tratamiento de aguas residuales industriales y municipales. Curso
taller Internacional Avanzado IMTA/OPS, México.