Desenvolvimento de modelos mecanístico e neural para o processo de lodos ativados de tratamento de esgotos sanitários

Detalhes bibliográficos
Autor(a) principal: Hanisch, Werner Siegfried
Data de Publicação: 1999
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/18/18138/tde-10062024-144851/
Resumo: Esta pesquisa confronta a modelagem mecanística de um sistema de tratamento de esgotos de lodos ativados, utilizando o equacionamento cinético do Modelo Número 1 da IAWQ e a modelagem empírica das Redes Neurais Artificiais. Este tipo de técnicademodelagem empírica se confronta com a modelagem mecanística tradicional, pois o conhecimento da microbiologia e cinética bacteriana e suas inter-relações não é necessário, embora desejável. Isto é de especial relevância na modelagem dosfenômenos naturais de tratamento de esgotos, em que os modelos mecanísticos encontrados são muito complexos e não descrevem com exatidão os fenômenos envolvidos. Os resultados da simulação do modelo mecanístico foram empregados como base dedados para o desenvolvimento do modelo de Redes Neurais. As saídas desse modelo foram as variáveis que podem ser manipuladas na operação do sistema. Foram elas as vazões de descarte e recirculação de lodo e vazão de ar. Os resultados obtidoscomprovaram que esta abordagem é realmente efetiva para a modelagem de processos de tratamento de esgotos. A rede MLP (multi-layer perceptron) com nove entradas, treze neurônios na camada escondida e três na camada de saída apresentou os menoreserros relativos médios de validação: (9,33(1,60)% para a vazão de descarte de lodo, (6,87(0,77)% para a vazão de recirculação de lodo e (2,32(0,32)% para a vazão de ar
id USP_0bcb346be4bd4b7537bdcd5f04661ea5
oai_identifier_str oai:teses.usp.br:tde-10062024-144851
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Desenvolvimento de modelos mecanístico e neural para o processo de lodos ativados de tratamento de esgotos sanitáriosDevelopment of mechanistic and neural models for the activated sludge process treating domestic sewageactivated-sludge processIAWQ model number lmodelo número l da IAWQneural networksprocesso de lodos ativadosredes neuraiswastewater treatmentEsta pesquisa confronta a modelagem mecanística de um sistema de tratamento de esgotos de lodos ativados, utilizando o equacionamento cinético do Modelo Número 1 da IAWQ e a modelagem empírica das Redes Neurais Artificiais. Este tipo de técnicademodelagem empírica se confronta com a modelagem mecanística tradicional, pois o conhecimento da microbiologia e cinética bacteriana e suas inter-relações não é necessário, embora desejável. Isto é de especial relevância na modelagem dosfenômenos naturais de tratamento de esgotos, em que os modelos mecanísticos encontrados são muito complexos e não descrevem com exatidão os fenômenos envolvidos. Os resultados da simulação do modelo mecanístico foram empregados como base dedados para o desenvolvimento do modelo de Redes Neurais. As saídas desse modelo foram as variáveis que podem ser manipuladas na operação do sistema. Foram elas as vazões de descarte e recirculação de lodo e vazão de ar. Os resultados obtidoscomprovaram que esta abordagem é realmente efetiva para a modelagem de processos de tratamento de esgotos. A rede MLP (multi-layer perceptron) com nove entradas, treze neurônios na camada escondida e três na camada de saída apresentou os menoreserros relativos médios de validação: (9,33(1,60)% para a vazão de descarte de lodo, (6,87(0,77)% para a vazão de recirculação de lodo e (2,32(0,32)% para a vazão de arIn this thesis the author compares a mechanistic model of an activated sludge system for the treatment of sewage with an empirical model formulated using Artificial Neural Network techniques. The mechanistic model was derived using the kineticequations from IAWQ number 1 model. Conceptually the approach used in these two models are totally different. While for the mechanistic one the knowledge of microbiology and the microorganisms kinetics and their interrelations with each otherarenecessary for the empirical model this knowledge is not needed, although helpful. This difference is of special applicability for modeling of natural phenomena that occurs in sewage treatment systems. In this case the mechanistic models tendtobe too complex and cannot describe with accuracy the various phenomena that occurs concurrently. Results from the mechanistic model were used as a data base for the neural network development. The neural network outputs were chosen among theparameters that can be adjusted while operating an activated sludge plant: sludge recycle flow rate, sludge wasting and air flow rate. The neural network model results confirmed previous works which indicated the effectiveness of this approachto model sewage treatment processes. The MLP (multi-layer perceptron) network with nine inputs, thirteen neurons in the hidden layer and three neurons in the output layer presented the lowest average relative errors of validation: (9.33±1.60)% for sludge recycle flow rate; (6.87±0.77)% for sludge wasting and (2.32±0.32)% for the air flow rateBiblioteca Digitais de Teses e Dissertações da USPCarvalho, André Carlos Ponce de Leon Ferreira dePires, Eduardo CletoHanisch, Werner Siegfried1999-12-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/18/18138/tde-10062024-144851/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-06-10T20:03:02Zoai:teses.usp.br:tde-10062024-144851Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-06-10T20:03:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Desenvolvimento de modelos mecanístico e neural para o processo de lodos ativados de tratamento de esgotos sanitários
Development of mechanistic and neural models for the activated sludge process treating domestic sewage
title Desenvolvimento de modelos mecanístico e neural para o processo de lodos ativados de tratamento de esgotos sanitários
spellingShingle Desenvolvimento de modelos mecanístico e neural para o processo de lodos ativados de tratamento de esgotos sanitários
Hanisch, Werner Siegfried
activated-sludge process
IAWQ model number l
modelo número l da IAWQ
neural networks
processo de lodos ativados
redes neurais
wastewater treatment
title_short Desenvolvimento de modelos mecanístico e neural para o processo de lodos ativados de tratamento de esgotos sanitários
title_full Desenvolvimento de modelos mecanístico e neural para o processo de lodos ativados de tratamento de esgotos sanitários
title_fullStr Desenvolvimento de modelos mecanístico e neural para o processo de lodos ativados de tratamento de esgotos sanitários
title_full_unstemmed Desenvolvimento de modelos mecanístico e neural para o processo de lodos ativados de tratamento de esgotos sanitários
title_sort Desenvolvimento de modelos mecanístico e neural para o processo de lodos ativados de tratamento de esgotos sanitários
author Hanisch, Werner Siegfried
author_facet Hanisch, Werner Siegfried
author_role author
dc.contributor.none.fl_str_mv Carvalho, André Carlos Ponce de Leon Ferreira de
Pires, Eduardo Cleto
dc.contributor.author.fl_str_mv Hanisch, Werner Siegfried
dc.subject.por.fl_str_mv activated-sludge process
IAWQ model number l
modelo número l da IAWQ
neural networks
processo de lodos ativados
redes neurais
wastewater treatment
topic activated-sludge process
IAWQ model number l
modelo número l da IAWQ
neural networks
processo de lodos ativados
redes neurais
wastewater treatment
description Esta pesquisa confronta a modelagem mecanística de um sistema de tratamento de esgotos de lodos ativados, utilizando o equacionamento cinético do Modelo Número 1 da IAWQ e a modelagem empírica das Redes Neurais Artificiais. Este tipo de técnicademodelagem empírica se confronta com a modelagem mecanística tradicional, pois o conhecimento da microbiologia e cinética bacteriana e suas inter-relações não é necessário, embora desejável. Isto é de especial relevância na modelagem dosfenômenos naturais de tratamento de esgotos, em que os modelos mecanísticos encontrados são muito complexos e não descrevem com exatidão os fenômenos envolvidos. Os resultados da simulação do modelo mecanístico foram empregados como base dedados para o desenvolvimento do modelo de Redes Neurais. As saídas desse modelo foram as variáveis que podem ser manipuladas na operação do sistema. Foram elas as vazões de descarte e recirculação de lodo e vazão de ar. Os resultados obtidoscomprovaram que esta abordagem é realmente efetiva para a modelagem de processos de tratamento de esgotos. A rede MLP (multi-layer perceptron) com nove entradas, treze neurônios na camada escondida e três na camada de saída apresentou os menoreserros relativos médios de validação: (9,33(1,60)% para a vazão de descarte de lodo, (6,87(0,77)% para a vazão de recirculação de lodo e (2,32(0,32)% para a vazão de ar
publishDate 1999
dc.date.none.fl_str_mv 1999-12-01
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/18/18138/tde-10062024-144851/
url https://www.teses.usp.br/teses/disponiveis/18/18138/tde-10062024-144851/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815256913894440960

Registros relacionados