Tamanho da fonte: 

Microrganismos decompositores são fundamentais para fermentação da matéria orgânica, tratando efluentes e produzindo compostos de interesse como alternativa energética, tal como o hidrogênio. Redes neurais artificiais (RNAs) constituem ferramentas robustas para a modelagem do processo, portanto o objetivo desse trabalho foi a construção de RNAs para predição de produção de hidrogênio por consórcios de organismos. Avaliou-se três consórcios: Esg (efluente industrial), Lod (lodo de efluentes domésticos) e Vac (resíduos bovinos); com quatro variáveis de entrada (temperatura, pH, % de inóculo e razão C:N do meio), e uma de saída (volume de hidrogênio produzido). As RNAs foram desenvolvidas em ambiente MATLAB, do tipo feedforward, 3 camadas e algoritmo de treinamento backpropagation Levenberg-Marquardt, testando-se número de neurônios e as partições de dados. Para os consórcios individuais, a rede com 20 neurônios na camada oculta e uso de 80% dos dados para treinamento apresentou melhor adequação, com coeficientes de correlação entre dados alvo e saída entre 0,87 e 0,97, enquanto para o conjunto total de dados, o uso de 10 neurônios obteve R=0,88. As RNAs mostraram-se eficientes para descrever o processo, mas fatores como o aumento do banco de dados e inserção de identificação de espécies pode aumentar a confiabilidade.

Tratamento de efluentes. Alternativas energéticas. Modelagem.