Cinética de la biosorción de mezclas de Ni2 + -Cr3 + utilizando redes neuronales artificiales

Resumen

La preocupación por el tratamiento de las aguas residuales producidas por la industria es real. La adsorción es uno de los procesos más utilizados, especialmente en las etapas de refino, en las que las concentraciones de los componentes son bajas y los procesos convencionales no son eficientes. Sin embargo, encontrar la mejor condición para esta tarea no es sencillo, ya que implica la definición de un modelo cinético complejo y varias variables independientes. Este campo aún está poco explorado debido a la dificultad para desarrollar tales modelos. Por tanto, las redes neuronales artificiales pueden ser una alternativa viable. En este trabajo, para superar las dificultades encontradas en la formulación de modelos fenomenológicos, el principal objetivo fue obtener un modelo neuronal para describir la cinética de adsorción de la mezcla Ni2 + -Cr3 + por el alga Sargassum filipendula. Se realizó un estudio sistemático para determinar el número de capas y neuronas ocultas, de manera que fueran suficientes para describir el fenómeno en cuestión. Las concentraciones de iones en los tiempos t y t-1 fueron las variables de entrada. La salida de ARN fue la concentración en el tiempo t + 1. Se utilizaron los métodos Levenberg-Marquardt, Levenberg-Marquardt con regularización bayesiana, retropropagación resiliente y Powell. El ARN que presentó el resultado más satisfactorio tiene la estructura 4-10-10-2. Se obtuvo mediante el método de Levenberg-Marquardt con regularización bayesiana y funciones de activación tangente hiperbólica para las capas intermedia y de salida. La función objetivo encontrada fue 6.1.10-10, lo que demuestra el gran potencial de generalización de las redes neuronales artificiales y su potencial aplicación en el campo del modelado cinético.