Navegando por Palavras-chave "Ciprofloxacina"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Modelagem do tratamento de efluentes contendo ciprofloxacina via ozonização com aplicação da técnica de redes neurais artificiais
    (Universidade Federal de São Paulo, 2022-10-26) Parise, Barbara de França [UNIFESP]; Moraes, José Ermírio Ferreira de [UNIFESP]; http://lattes.cnpq.br/4692364565124711; http://lattes.cnpq.br/7861931866607916
    Devido à persistência dos fármacos no ambiente aquático e a sua resistência aos tratamentos convencionais aplicados aos efluentes industriais e domésticos, torna­se necessário a busca por novos processos capazes de degradar tais poluentes. Nesse contexto, surgiram os processos oxidativos avançados (POA) que utilizam o radical hidroxila para degradar os poluentes orgânicos, podendo mineralizá­los à água e gás carbônico. Os POA podem ser classificados como químicos ou fotoquímicos e como homogêneos ou heterogêneos, podendo também envolver o uso de outras tecnologias associadas como o uso de micro­ondas (processos sonoquímicos) e de energia elétrica (processos eletroquímicos), por exemplo. Os POA, de forma geral, resultam em um complexo mecanismo de reações químicas, envolvendo a participação de radicais livres. Além disso, em diversos casos, ocorre a aplicação da radiação ultravioleta (UV) e visível (Vis) nos processos. Dessa forma, a modelagem fenomenológica dos POA torna­se bastante complexa. Neste contexto, a aplicação da técnica das redes neurais artificiais (RNA), que são formas de modelagens empíricas, baseadas no mecanismo de aprendizagem do cérebro humano, podem ser uma importante alternativa para modelar estes processos. O presente trabalho teve como objetivo modelar, usando a técnica das RNA, o processo de degradação do antibiótico ciprofloxacina (CIP) por ozonização. O modelo desenvolvido apresentou as seguintes variáveis de entrada: (i) tempo, (ii) pH, (iii) concentração de ozônio na corrente de entrada, (iv) concentração inicial de ciprofloxacina. Como variáveis dependentes (de saída), foram adotadas o teor de carbono orgânico total (COT) e a concentração de ciprofloxacina ([CIP]). Foram desenvolvidos 2 modelos distintos, sempre apresentando uma camada de entrada com 4 variáveis, uma camada oculta e uma camada de saída com uma variável, sendo o número de neurônios da camada oculta devidamente otimizado. Para o modelo 1, definiu­se o COT como a saída da rede e o [CIP] como saída para o modelo 2. A melhor configuração de rede obtida para o modelo 1 apresentou uma camada oculta com 7 neurônios, um coeficiente de determinação (R2 ) igual a 0,9939 e função objetivo igual a 0,0035 para o treinamento. Para o modelo 2, a melhor configuração da rede obtida foi com o uso de 9 neurônios na camada oculta, que apresentou melhores valores de coeficiente de determinação e função objetivo para o conjunto treinamento (R² = 0,9966 e função objetivo = 0,0016), resultando em um bom ajuste entre os dados preditos e experimentais. Além disso, as duas redes neurais obtidas foram também comparadas com modelos empíricos polinomiais. Para tanto, foram realizadas simulações da RNA1 e da RNA2, para a previsão do COT em 30 min e da [CIP] em 2 min de reação, considerando todas as condições experimentais adotadas no presente trabalho. Os resultados dessas simulações foram então confrontados com os dados experimentais, calculando­se os valores de R 2 . O modelo RNA1 apresentou um R 2 de 0,9931, enquanto que o modelo polinomial apresentou um R 2 de 0,9384. No caso do modelo RNA2, o mesmo apresentou um R 2 igual a 0,9977 e o modelo polinomial um R 2 de 0,9871. Dessa forma, verificou­se que os dois modelos, obtidos via redes neurais, apresentaram uma melhor capacidade de predição do que os modelos polinomiais. De forma geral, foi possível concluir que processo de degradação de ciprofloxacina, via ozonização, foi modelada com sucesso pela técnica das redes neurais artificiais, sendo capaz de predizer, de forma satisfatória a remoção de COT e a degradação da CIP, considerando o domínio experimental adotado.