Estudo comparativo da regressão linear múltipla e redes neurais artificiais na modelagem do processo de adsorção

• Autor(a) principal: Amorim, Marcos Renato Basilio
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UEPB
• Texto Completo: http://tede.bc.uepb.edu.br/jspui/handle/tede/4320
• topic: Corantes Têxteis; Resíduos Industriais; Adsorção; Regressão linear múltipla; Redes neurais artificiais; ENGENHARIA SANITARIA::TRATAMENTO DE AGUAS DE ABASTECIMENTO E RESIDUARIAS

O setor têxtil é um ramo de atividade que vem se destacando ao longo dos anos no Brasil. Todavia, discute-se muito sobre o consumo desses produtos, mas pouco se fala sobre os resíduos gerados ao longo de toda a produção. Resíduos estes que muitas vezes são descartados de forma inadequada e causam sérios prejuízos ao meio ambiente, em especial aos corpos hídricos. Dentre esses resíduos é possível citar os efluentes descartados pelas indústrias têxteis. O processo de adsorção pode ser utilizado como uma alternativa para o tratamento de efluente do setor. A proposta desse trabalho é a aplicabilidade da modelagem matemática por meio de duas metodologias: a Análise de Regressão que fez uso da Regressão Linear Múltipla e as Redes Neurais Artificiais em dados experimentais de adsorção de corantes têxteis, como forma de identificar um modelo que se ajuste aos dados e verifique a eficiência da adsorção. O treinamento do modelo foi realizado com o objetivo de ajustar o melhor modelo. Sete variáveis foram utilizadas na aplicação da RLM e da RNA, sendo cinco variáveis de controle: massa, concentração, pH, rotação e tempo; e duas de respostas: unidade de massa adsorvente e eficiência de remoção. A melhor resposta da RLM para a variável unidade de massa de adsorvente foi observada no tratamento ácido para treino com 40% e teste com 30% de validação. Para o treino o R_a^2 apresentou uma média de aproximadamente 84% de variação para explicação do modelo, no teste foi obtido um valor médio de aproximadamente 84% para o R_a^2. A variável eficiência de remoção apresentou para a melhor resposta no tratamento alcalino com 30% de validação onde foi obtido um R_a^2 de aproximadamente 58% para teste, enquanto para treino com 30% de validação foi obtido um valor de R_a^2 de 56,26%. Para a RNA com uma camada foram obtidos os seguintes resultados: para a variável unidade de massa de adsorvente o tratamento in-naturra apresentou um R_a^2 de 99,67% enquanto para a eficiência de remoção no tratamento ácido foi obtido um R_a^2 de 99,85% ambos com 40% de validação dos dados. A RNA com duas camadas apresentou um R_a^2 (Y1) de 99,73% para o tratamento in-natura com 30% de validação, enquanto o R_a^2 (Y2) foi de 99,93% para o tratamento ácido com 40% de validação. A RNA com uma e duas camadas permite obter melhores valores para a variação do ajuste do modelo quando comparada com a RLM.