Estimativa de parâmetros e seleção de modelos através da aplicação de técnicas Bayesianas ao processo de adsorção de cafeína : cinética, isoterma e curva de ruptura

• Autor(a) principal: Oliveira, Júlia Toffoli de
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/234957
• topic: Adsorção; Fármacos; Cafeína; Carvão ativado; Pharmaceuticals; Adsorption; Parameter estimation; Markov Chain Monte Carlo; Bayesian statistics

O presente trabalho estudou a aplicação da estatística Bayesiana, pelo Método de Monte Carlo via Cadeia de Markov (MCMC) por meio do algoritmo de Metropolis-Hastings (MH), na estimativa dos parâmetros dos fenômenos de adsorção (cinética, isoterma e curva de ruptura) de fármacos, em dados obtidos a partir da literatura, e experimentalmente da adsorção de cafeína (CAF) em carvão ativado granular (CAG). O sólido adsorvente utilizado foi caracterizado por diferentes técnicas (BET, BJH, DRX, FTIR e pHPCZ) e avaliou-se a influência do pH (2-10), da concentração de sólido (5-20 g/L) e do tempo de contato (5-300 min) na remoção de cafeína. Estudos de cinética e de isotermas de adsorção em cinco temperaturas diferentes (15, 25, 30, 40 e 50ºC) foram realizados. Para a modelagem dos fenômenos de adsorção gerou-se um código computacional no software Matlab®, deixando e não deixando livre a capacidade máxima de adsorção para a estimação, parâmetro presente nos três fenômenos estudados. Para a cinética de adsorção, foram aplicados os modelos de pseudoprimeira e pseudo-segunda ordem e Elovich. Para o equilíbrio de adsorção, foram avaliadas as isotermas de Langmuir, Freundlich, Redlich-Peterson e Sips. Ainda, para os estudos de curvas de ruptura foram considerados os modelos de Thomas, Yoon-Nelson, Yan, Clark, Gompertz e Log-Gompertz. Ademais, para a seleção dos modelos foram consideradas cinco métricas estatísticas, sendo elas, o coeficiente de determinação (R2), coeficiente de determinação ajustado (R2ajstd), critério de Akaike (AIC), Akaike corrigido (AICC) e o critério de informação Bayesiana (BIC). Como resultados, as melhores condições de adsorção encontradas para remoção de cafeína foram: pH=6,0, CCAG=10 g/L e t=160 min. Nessas condições, índices de remoção acima de 96% foram obtidos a 25ºC e uma concentração residual do poluente de 0,381 mg/L. No que se refere à cinética, resultou no modelo de pseudo-primeira ordem, para a temperatura de 50ºC, e, para as demais, foi o modelo de Elovich. Em relação às isotermas, não estimando a capacidade máxima, o modelo que teve o melhor ajuste foi o de Redlich-Peterson para todas as temperaturas. Por fim, a partir da análise realizada dos dados extraídos da literatura pode-se concluir que na maioria dos casos houve uma sub ou superestimação do parâmetro da capacidade máxima de adsorção, o que pode afetar diretamente na seleção do modelo. Além disso, observou-se que o uso de apenas uma métrica estatística, geralmente o R2, muitas vezes não é o suficiente para selecionar o modelo que mais está de acordo com o fenômeno de adsorção envolvido no processo. Os resultados do presente estudo possibilitaram afirmar que os processos de adsorção são alternativas viáveis para a remoção de poluentes emergentes como a cafeína e que o método MCMC pelo algoritmo de MH é uma ferramenta confiável para a resolução dos problemas de adsorção. A aplicação dessas técnicas permite que os parâmetros experimentais possuam maior segurança na sua determinação com fins de aplicação industrial.