Application of Artificial Intelligence in Evaluating the Crossflow Microfiltration Process for Treating Effluent Generated in a Sewage Treatment System

Resumo

Este estudo explora a aplicação de redes neurais artificiais (RNAs) para otimizar o processo de microfiltração tangencial no tratamento de águas residuais. Este método de filtração por membrana é eficiente na remoção de partículas em suspensão, turbidez e microrganismos, mas enfrenta desafios como o entupimento da membrana, que reduz a eficiência e aumenta os custos operacionais. A pesquisa visa desenvolver um modelo baseado em inteligência artificial capaz de otimizar as condições de filtração e melhorar o desempenho geral do sistema. Os dados experimentais utilizados incluem variáveis ​​como tempo, volume, vazão e temperatura para prever o fluxo do permeado. O modelo de RNA foi treinado no software MATLAB usando o método Levenberg-Marquardt, com os dados distribuídos entre treinamento, validação e teste. As análises foram realizadas usando histogramas de erro, gráficos de regressão linear, erros percentuais e métricas de erro quadrático médio (MSE). Dois modelos foram desenvolvidos: um para licor misto e outro para água, demonstrando alta precisão em ambos os casos. Os resultados indicaram que os modelos foram capazes de prever padrões de dados com coeficientes de determinação (R²) iguais a 1, indicando uma relação linear perfeita entre os valores reais e previstos. O gráfico MSE mostrou uma redução consistente ao longo dos períodos, evidenciando a eficiência do treinamento. Além disso, os baixos erros médios relativos (0,064 para licor e 0,0031 para água) reforçam a eficácia do modelo. A pesquisa validou o uso de RNAs na otimização de processos de tratamento de efluentes, promovendo a eficiência operacional e a sustentabilidade.