Tratamiento de efluentes de aceitunas, un enfoque desde el modelado neuronal

Abstract

Los efluentes de la elaboración de aceitunas representan un problema significativo. El objetivo de este trabajo es evaluar las Redes Neuronales Artificiales como herramientas predictivas de la concentración de polifenoles, en efluentes de aceitunas tratados con procesos de oxidación avanzada. Se estudió el comportamiento de diferentes modelos neuronales backpropagation. Se consideró el efluente de lavado, con concentración 10 % v/v, pre-tratado con carbón activado y sometido a reacción de degradación con ferritas con Co como catalizador, en concentración de 1 g/L. Como entrada de la red se consideró la matriz de datos compuesta por el porcentaje de los azúcares reductores y el pH. Como salida, la concentración de fenoles al final del tratamiento. La capacidad de generalización de la red fue validada con datos análogos obtenidos del tratamiento del efluente de dilución 20 % v/v. La red que mejor desempeño mostró está constituida por una capa oculta con 10 neuronas y una de salida con una 1; la primera con función de transferencia sigmoidea y la segunda lineal. La red creada fue capaz de reproducir la tendencia en cuanto a la relación de datos de entrada con los de salida del efluente. El modelo propuesto puede representar un ensayo preliminar para entender el comportamiento observado en el tratamiento de residuos industriales acuosos. Para incrementar su capacidad de generalización sería necesario continuar el entrenamiento con parámetros adicionales del proceso o el empleo de métodos alternativos de modelado.