Navegando por Palavras-chave "Wastewaster treatment"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Perfil cinético da adsorção da mistura Ni2+-Cr3+ via redes neurais artificiais: avaliação de diferentes algoritmos de otimização
    (Universidade Federal de São Paulo, 2021-02-19) Choji, Thamyres Tetsue [UNIFESP]; Martins, Tiago Dias [UNIFESP]; http://lattes.cnpq.br/4325081860304693; http://lattes.cnpq.br/4192790267584136
    A preocupação mundial com o tratamento de resíduos produzidos pela indústria é uma realidade. A adsorção é um dos processos mais utilizados especialmente em etapas de refino, em que as concentrações dos componentes em questão são baixas e processos convencionais não são eficientes. A definição de um modelo cinético binário é complexa e envolve diversas variáveis independentes. Sendo assim as Redes Neurais Artificiais podem ser uma alternativa viável, já que não exigem grande conhecimento matemático acerca do fenômeno em questão e possuem a versatilidade necessária para se adaptar a diferentes situações. Neste projeto, o objetivo foi obter e comparar modelos neurais que descrevam o perfil cinético de adsorção da mistura Ni2+-Cr3+ pela alga marinha Sargassum filipendula no intuito de suprir as dificuldades encontradas na formulação dos modelos fenomenológicos. Um estudo sistemático foi realizado para se determinar os números de camadas ocultas e de neurônios, tal que sejam suficientes para descrever o fenômeno em questão. Para isso, foram comparados o desempenho de diversos algoritmos de otimização em busca da melhor configuração. Os resultados mostraram que o método de otimização Levenberg-Marquardt com Regularização bayesiana (trainbr) com funções de transferências tangente hiperbólica para estrutura 4-10-10-2 foi que melhor se adaptou aos dados de adsorção binária para os metais em questão, apresentando função objetivo mais satisfatória (6,1.10-10) dentre os modelos testados. Além disso, foi capaz de simular o perfil cinético de adsorção utilizando na entrada da rede apenas os dois primeiros pontos da curva e utilizando os pontos gerados na retroalimentação. Portanto, demonstrou o poder de generalização das RNAs em um problema de adsorção binária.