Modelado del tratamiento de efluentes olivícolas. una aproximación mediante anfis

Abstract

El manejo de residuos se ha convertido en un tema de significativa importancia, lo que se traduce a un aumento de la complejidad de los tratamientos y la búsqueda de soluciones que aporten mejoras, tomando en cuenta factores como el ambiental. En la elaboración de aceitunas verdes, los frutos se ponen en contacto con una solución de hidróxido de sodio y son posteriormente lavadas, generando grandes volúmenes de efluentes como residuos del proceso. Para la remoción de los polifenoles presentes en el efluente se utilizan procesos de oxidación avanzada (PAOs) que emplean óxidos mixtos provenientes de los hidróxidos dobles laminares, como catalizadores. Por otro lado, ANFIS (Adaptive Neuro-Fuzzy Inference System - Sistema de inferencias difuso basado en redes adaptativas) es la conjunción de las redes neuronales y la lógica difusa; se considera ideal para la interpretación de sistemas no lineales. Se propone el empleo de ANFIS con el objetivo de predecir la concentración de polifenoles contenidos en efluentes de aceitunas tratados con PAOs, a fin de evaluar la carga ambiental asociadas y su impacto en el medio. Para el desarrollo del modelo se consideró el efluente de lavado, con dilución de 50 mL de efluente en 500 mL de solución (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. El proceso de degradación constó de un período de adsorción de 1 hora y luego la foto reacción de 6. Para el desarrollo de la arquitectura ANFIS se consideró la matriz de datos compuesta por el porcentaje de los azúcares reductores y el pH del efluente. Como salida, se consideró la concentración de fenoles (mg/L) al final del tratamiento. La capacidad de generalización de la red fue validada ENARCIV 2020 con datos análogos, obtenidos del tratamiento del efluente de dilución 20 % v/v. El entrenamiento se llevó a cabo mediante sucesivas iteraciones. En la Figura 1 se observa la estructura de la red desarrollada. Ésta posee 6 neuronas de entrada, con función de membresía campana generalizada y 9 de salida. Figura 1. Estructura general de la arquitectura ANFIS Figura 2. Aproximación al validar la red. En verde: salidas del entrenamiento. En azul: de la validación. La red ANFIS creada demostró capacidad para explicar la solo la tendencia en cuanto a la variabilidad en la reducción de la concentración de fenoles, aunque no logró reproducirla para la concentración del efluente con la que se validó. Se propone relacionar variables distintas a las tomadas, a los fines de determinar la existencia de correlación entre ellas. También se prevé el ensayo de otros algoritmos matemáticos, de manera de obtener un modelo con mayor capacidad de representación