Modelado mediante Redes Neuronales Artificiales de sistemas ZVI-H2O aplicados a la remoción de contaminantes en fase acuosa

ELIANA BERARDOZZI; FERNANDO S. GARCÍA EINSCHLAG.

Congreso; IV Congreso Nacional de Ciencia y Tecnología Ambiental; 2019

En este trabajo se presenta el empleo de Redes Neuronales Artificiales (RNA) para modelar el comportamiento de columnas rellenas con hierro cero Valente (ZVI) para la remoción de contaminantes en agua en sistemas continuos. Esta técnica de tratamiento involucra compuestos de hierro en diferentes estados de oxidación y se destaca por presentar una relación eficiencia/costo muy favorable [1].Con el objeto de optimizar la eficiencia de estos sistemas, se realizaron ensayos rápidos empleando columnas reactivas de ZVI de pequeña escala (RSSCT), en los que se evaluó el efecto de variables operativas tales como pH de entrada, el tiempo de residencia hidráulico (TRH), la masa de ZVI y la densidad del relleno sobre diferentes variables de respuesta registradas en el efluente de las columnas ([Fe(II)], [O2] y pH de salida). Dada la complejidad de los procesos fisicoquímicos involucrados [2], asociados a la corrosión de lechos rellenos con ZVI, la aplicación de modelos duros para el análisis de estos sistemas no resulta sencilla. Por este motivo se utilizó la metodología de RNA, que no requiere un modelo fisicoquímico, para el modelado de los datos.Las RNA son algoritmos diseñados para emular la forma en que el cerebro humano procesa la información y aprende. Este procedimiento de modelado es utilizado para describir sistemas dinámicos y se presenta como una técnica prometedora, especialmente para conjuntos de datos que presentan relaciones no lineales [3]. Con los datos registrados se construyeron diferentes RNA y se estudió la capacidad de cada red para predecir las respuestas experimentales obtenidas en diferentes condiciones. La RNA que presentó los mejores resultados se utilizó luego para simular los perfiles obtenidos y construir superficies de respuesta que permitan visualizar el efecto de las distintas variables independientes sobre las distintas variables respuesta. Por último, se realizó un análisis de sensibilidad del modelo obtenido con el objeto de obtener información sobre la importancia relativa de cada variable independiente. Este análisis permitió verificar que el TRH presenta la mayor contribución para todas las arquitecturas neuronales empleadas. El pH de entrada se presenta como la segunda variable en importancia relativa, mientras que para el dominio experimental estudiado tanto la carga de ZVI como la densidad del lecho tienen un impacto muy poco significativo sobre el desempeño de las columnas.Los resultados muestran que esta estrategia de análisis y modelado constituye una metodología rápida y útil para obtener información que permita tomar decisiones específicas orientadas a la optimización del proceso.