Função Gompertz aplicada a modelagem de produção do biogás em biodigestor tipo batelada

Detalhes bibliográficos
Ano de defesa: 2001
Autor(a) principal: Queiroz, Simone de Castro [UNESP]
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://hdl.handle.net/11449/90699
Resumo: O presente trabalho tem por objetivo a modelagem estatística da produção de biogás, utilizando-se de modelos de regressão não-linear, a partir do estudo da biodigestão anaeróbia de três tipos de camas de frangos de corte (napier, mistura de napier+maravalha e maravalha), obtidos após um ciclo de criação e após reutilização em um segundo ciclo. Para cada ciclo, foram obtidos dados relativos às produções médias de biogás, apresentados sob forma de totais semanais, em m3 e em valores acumulados para cada substrato. Foi feita a modelagem estatística, a partir dos tratamento definidos, utilizando-se do modelo Gompertz de regressão não-linear, segundo duas linhas metodológicas distintas. Inicialmente, foram considerados modelos de regressão não-linear somente com um componente determinístico e, posteriormente, com dois componentes (mistura). Foram estudadas as propriedades amostrais dos estimadores através de simulações sob a ótica distribucional. A aproximação de uma Gompertz do modelo estatístico proposto para o volume de biogás para os três tipos de camas de frangos mostrou-se adequada em todas situações experimentais, permitindo estimar os parâmetros envolvidos no modelo, utilizando-se técnicas não-paramétricas. O modelo com mistura de duas Gompertz proporcionou bom ajuste aos dados, mas com dificuldades de convergência no processo de estimação dos parâmetros, no qual ocorreu a heterocedasticidade dos erros, isto é, a parte aleatória do modelo não teve variância constante.