A UFS preocupa-se com a sua privacidade

A UFS poderá coletar informações básicas sobre a(s) visita(s) realizada(s) para aprimorar a experiência de navegação dos visitantes deste site, segundo o que estabelece a Política de Privacidade de Dados Pessoais. Ao utilizar este site, você concorda com a coleta e tratamento de seus dados pessoais por meio de formulários e cookies.

Ciente
Notícias

Banca de QUALIFICAÇÃO: YASMIN OLIVEIRA CARVALHO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: YASMIN OLIVEIRA CARVALHO
DATA: 29/05/2019
HORA: 14:00
LOCAL: programa dePpós-graduação em Engenharia Química
TÍTULO: Aplicação de Redes Neurais Artificiais no Tratamento Terciário de Efluente Sanitário com Microalga Chlorella vulgaris
PALAVRAS-CHAVES: Tratamento terciário, microalga, Chlorella vulgaris, Rede Neural, efluente sanitário.
PÁGINAS: 16
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Química
SUBÁREA: Processos Industriais de Engenharia Química
ESPECIALIDADE: Processos Bioquímicos
RESUMO:

O tratamento terciário proporcionado pelas microalgas se apresenta como um processo rentável e promissor, aliando a remoção dos principais nutrientes causadores da eutrofização à produção de biomassa valiosa. Devido à característica não linear apresentada pelos processos biotecnológicos, a utilização de Redes Neurais Artificiais surge como uma opção viável para a predição das principais variáveis de processos de tratamento de efluentes. Para levantamento dos 42 pontos da rede foram utilizados dados obtidos a partir de um planejamento experimental. A Rede Neural foi projetada com função de transferência tangente hiperbólica, o algoritmo Levenberg-Marquardt foi utilizado para o treinamento da rede, 5 neurônios de entrada (luminosidade, pH, concentrações de íon amônio, fosfato e biomassa iniciais) e 5 neurônios de saída (pH, concentrações de íon amônio, fosfato, DQO e biomassa finais) foram fixados. A arquitetura da rede com 2 camadas ocultas, [5÷,15÷,10÷,5], foi escolhida pois apresentou menor erro quadrático médio de teste (0.00171) dentre as que apresentaram erro quadrático médio de treinamento igual ou menor que 10-4. O treinamento da rede apresentou fortes correlações entre os valores experimentais e preditos pela rede, com R² maior que 0,95. A configuração alcançada permite o uso desta Rede Neural em aplicações reais, como no sistema de controle em Estações de Tratamento de Efluentes.


MEMBROS DA BANCA:
Presidente - 2581604 - CRISTINA FERRAZ SILVA
Interno - 1715065 - ROGERIO LUZ PAGANO
Externo ao Programa - 1542165 - JOSE JAILTON MARQUES
Externo ao Programa - 2400083 - RODOLPHO RODRIGUES FONSECA

Notícia cadastrada em: 17/05/2019 10:00
SIGAA | Superintendência de Tecnologia da Informação/UFS - - | Copyright © 2009-2022 - UFRN - ema2.ema2 v3.5.16 -r18160-36a7f68df5