[en] ASSESSMENT OF PREDICTIVE MODELS FOR BIOGAS PRODUCTION USING ARTIFICIAL NEURAL NETWORKS

• Ano de defesa: 2024
• Autor(a) principal: MICHEL ANGELO O W DE CARVALHO
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] OTIMIZACAO; [pt] BIODIGESTAO; [pt] RESIDUO ALIMENTAR; [pt] CO-DIGESTAO; [pt] RESIDUO DE FRUTAS E VEGETAIS; [pt] METANO; [en] OPTIMIZATION; [en] BIODIGESTION; [en] FOOD WASTE; [en] CO-DIGESTION; [en] FRUIT AND VEGETABLE WASTE; [en] METHANE
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=66522&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=66522&idi=2; http://doi.org/10.17771/PUCRio.acad.66522

[pt] O biogás é uma energia renovável com grande potencial de produção a partir de resíduos, incluindo resíduos alimentares. Nesse contexto, o presente trabalho apresenta o desenvolvimento de três modelos distintos usando Redes Neurais Artificiais (RNAs), com a capacidade de prever o volume acumulado de biogás, de metano e a concentração de CH4, respectivamente. Foi construído um banco de dados da literatura com variáveis do processo de biodigestão anaeróbia: tipo de biomassa, tipo de reator/alimentação, teor de sólido volátil, pH, taxa de carga orgânica, tempo de retenção hidráulica, temperatura e volume do reator. Para cada conjunto de modelos, foram desenvolvidas e testadas 24 RNAs utilizando a ferramenta computacional MATLAB. As RNAs foram avaliadas pela sua capacidade de estimação através do coeficiente de determinação (R2 ) e também através da soma do erro quadrático (SSE) obtidos. Após as etapas iniciais, as redes neurais foram usadas para criar superfícies de resposta, buscando regiões ideais para produção de biogás e metano. Contudo, um único modelo não atingiu a representatividade desejada, levando à segmentação dos dados por tipo de biomassa. As RNAs desenvolvidas demonstraram eficácia na estimação dos grupos usados para treinamento, teste e validação. A melhor rede alcançou R2 de 0,9969 para biogás, 0,9963 para metano e 0,9386 para a porcentagem de metano, com SSE de 0,1808, 0,1089 e 11,45, respectivamente. A estratégia de combinar variáveis do processo em superfícies de resposta revelou-se útil para identificar pontos ótimos no processo produtivo.