Aplicação de tecnicas estatisticas multivariadas e de redes neurais na modelagem de um sistema de tratamento de efluentes industriais

Autor(es)

Karla Patricia Santos Oliveira Rodríguez Esquerre

• Tipo de documento: Tese de Doutorado
• Imprenta: Campinas, SP.
• Instituição: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Quimica
• Data de defesa: 2003-05-14

Membros da banca

Milton Mori; Liliane Maria Ferrareso Lona; Roberto de Campos Giordano; Roberto Guardani; Carlos Alberto Ubirajara Gontarski

• Orientador: Roy Edward Bruns; Milton Mori

Resumo

Um dos maiores problemas na modelagem e controle de processos de tratamento de efluentes é a construção de modelos confiáveis. Para estes tipos de processos, o desenvolvimento de modelos detalhados baseados em princípios fundamentais e em estudos cinéticos é muito difícil, caro e demanda tempo. A lagoa aerada é um exemplo típico de um processo difícil de ser modelado e controlado. Seu afluente é variável (quali e quantitativamente); a população de microoganismos varia com o tempo (em quantidade e em número de espécies); o conhecimento do processo é escasso e há poucos analisadores on-line. A quantidade de matéria orgânica presente é medida através da demanda química de oxigênio (DQO) e da demanda bioquímica de oxigênio (DBO). Elas são variáveis chaves do processo, indicadoras da qualidade do efluente tratado. Tem-se considerável interesse em ter-se um modelo de entrada-saída para predição da DBO, pois é necessário um tempo de cinco dias para análise em laboratório, e um significante tempo de residência na lagoa. Recentemente, alguns trabalhos relacionados ao uso das técnicas de redes neurais artificiais na modelagem de bioprocessos têm sido publicados. Entretanto, pouca atenção tem sido dada às características dinâmicas destes processos. O objetivo principal deste trabalho é desenvolver um modelo que forneça predições com acurácia da DBO de entrada e saída da lagoa aerada da lnternational Paper of Brazil. Modelos dinâmicos e estacionários foram desenvolvidos utilizando as técnicas de redes neurais artificiais e de regressão linear multivariada. Medidas de qualidade da água, tais como, a DBO, DQO, pH, condutividade, cor e temperatura, adicionalmente às informações do processo de produção (produção de papel e celulose), medidas durante um período aproximado de quatro anos foram usadas no desenvolvimento dos modelos. As vantagens e desvantagens das técnicas de redes neurais e de regressão linear muhiariada, em relação às suas habilidades de modelar um sistema complexo e multivariado, são verificadas e descritas detalhadamente. A redes perceptron de múltiplas camadas forneceram resultados de predição consideravelmente superiores, mesmo quando um número limitado de amostras foi utilizado para a construção dos modelos (AU)

• Processo FAPESP: 99/10257-0 - Aplicação de técnicas multivariadas e de redes neurais artificiais para modelagem de um sistema de tratamento de efluentes industriais
• Beneficiário: Karla Patricia Santos Oliveira Rodriguez Esquerre
• Modalidade de apoio: Bolsas no Brasil - Doutorado