Engenharia Química

URI Permanente para esta coleção

https://hdl.handle.net/11600/61198

Navegar

Navegando Engenharia Química por Autor "Araújo, Fauzer Henrique Lopes de [UNIFESP]"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Aplicação da técnica de redes neurais artificias na modelagem de processos oxidativos avançados
    (Universidade Federal de São Paulo, 2022-12-14) Silva, Evelin Karolina Gomes [UNIFESP]; Araújo, Fauzer Henrique Lopes de [UNIFESP]; Moraes, José Ermírio Ferreira de [UNIFESP]; http://lattes.cnpq.br/4692364565124711
    Uma grande quantidade de produtos farmacêuticos é consumida pela sociedade devido a sua eficiência no tratamento e prevenção de doenças. Porém, uma parcela dos fármacos consumidos não é metabolizada pelos seres vivos, sendo excretada nas redes de esgoto e no meio ambiente. Além disso, no caso particular dos antibióticos, como a amoxicilina, a sua presença no meio ambiente pode promover o desenvolvimento de bactérias multirresistentes. Nesse contexto, observa-se a necessidade do estudo de novos processos adequados para a degradação dessas substâncias, como é o caso dos processos oxidativos avançados (POA). Dentre os POA, pode-se destacar o processo foto-Fenton, que envolve o uso de sais ferrosos e do peróxido de hidrogênio na presença de uma fonte de radiação ultravioleta-visível (UV-Vis), promovendo a geração de radicais livres, especialmente os radicais hidroxila, que são os responsáveis pela degradação dos poluentes alvo. Dessa forma, a modelagem fenomenológica dos POA pode ser bastante complexa, pois requer as informações das cinéticas das várias reações químicas envolvidas e, além disso, o conhecimento do modelo do campo de radiação aplicado. Nesse contexto, o uso de técnicas empíricas, como as redes neurais artificiais (RNA) se apresenta como uma interessante alternativa. As RNA são capazes de buscar um padrão entre dados de saída e de entrada. Este trabalho procurou otimizar uma RNA capaz de modelar o processo foto-Fenton aplicado ao processo de degradação da amoxicilina, utilizando-se a extensão Deep Learning Toolbox disponível no software Matlab. A modelagem ocorreu a partir da otimização dos parâmetros da rede, como: a escolha entre os algoritmos de treinamento Regularização Bayesiana e Levenberg-Marquardt e o número de neurônios na camada oculta. A RNA otimizada possui 4 neurônios na camada oculta e foi criada utilizando o algoritmo Regularização Bayesiana com o auxílio de modelos empíricos polinomiais para a geração de um maior número de dados. A rede apresentou um bom grau de generalização e sem problemas de sobreajuste, com R² igual a 0,99836. Com o uso do modelo, verificou-se que o sistema apresentou maior sensibilidade à [Fe2+] em comparação à taxa molar de alimentação de peróxido de hidrogênio para o domínio experimental adotado.