Modelagem neural e análise estatística do processo de degradação de chorume por foto-Fenton solar

• Autor(a) principal: Cavalcanti,Alessandro Sampaio
• Data de Publicação: 2015
• Outros Autores: Izário Filho,Hélcio José, Guimarães,Oswaldo Luiz Cobra, Siqueira,Adriano Francisco
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Revista Ambiente & Água
• Texto Completo: http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1980-993X2015000100089
• topic: aterro sanitário; análise econômica; processo oxidativo avançado

O chorume em estudo é oriundo da cidade de Cachoeira Paulista-SP, apresentando baixa biodegradabilidade, devendo ser pré-tratado por um processo oxidativo. O objetivo desse trabalho foi obter um modelo neural em conjunto com análises estatísticas que representassem a degradação do chorume in natura pelo processo foto-Fenton solar, em função da redução da demanda química de oxigênio (DQO). Redes neurais apresentam-se como uma alternativa para a modelagem de processos não-lineares como os processos oxidativos avançados, que envolvem um grande número de variáveis de controle e complexas reações envolvidas. O processo fotocatalítico foi otimizado por um planejamento fatorial fracionado (24-1) em duplicata e triplicata no ponto central, sendo as variáveis de entrada em três níveis: pH, radiação solar e concentrações de H2O2 e Fe2+. O sistema de tratamento em escala de bancada utilizou um reator batelada, com volume constante (3 L) de chorume, vazão 13 L min-1 e 2-h de reação. A otimização do processo mostrou que o efeito individual de cada variável de entrada deve operar em seu maior nível, sendo que a variável Fe2+ teve significância na forma combinada. A redução percentual de DQO do melhor experimento foi de 88,7 %, sendo esta avaliada em um custo de R$ 126,67 m-3 de chorume. O processo de degradação foi modelado via redes neurais feedforward backpropagation, com coeficientes de correlação linear para os conjuntos de treinamento, validação e teste acima de 0,9, indicando alta predição e generalização do modelo neural proposto.