Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/267599
Type: TESE
Title: Aplicação de rede neural artificial como auxiliar na predição do desempenho de um landfarming
Author: Bufo, Moacir José, 1938-
Advisor: Lona, Liliane Maria Ferrareso, 1966-
Abstract: Resumo: Esta pesquisa está dirigida para adicionar ao que até o momento existe de desenvolvimento sobre a tecnologia de biorremediação chamada landfarming que se destina ao tratamento no solo de resíduos sólidos orgânicos biodegradáveis, devido a grande diversificação de bactéria capaz de destruir esses resíduos. A tecnologia landfarming foi desenvolvida pelas refinarias de petróleo dos Estados Unidos. A Petrobrás introduziu essa tecnologia no Brasil e hoje é o principal usuário. Essa tecnologia apresenta o grande atrativo que é o seu baixo custo operacional. O objetivo primeiro do estudo é específico e compreende a aplicação da técnica de rede neural artificial sobre um landfarming, visando a predição e auditoria do processo de destruição de resíduos. Os estudos foram realizados sobre o landfarming piloto construído pela empresa Hercules do Brasil Ltda., localizada na cidade de Paulínia SP, para o resíduo de goma resina do Pinus Elliottii (Slash Pine). A quantidade de resíduo utilizada foi de 3000 toneladas durante um período de 427 dias. O landfarming compreende uma área ativa de 3528 m2, com altura do meio reagente de 30 em. e dividido em oito setores para a coleta de amostra. Com os resultados do teor de resíduo, expresso em percentagem de solúveis em acetona, em função do tempo, foi aplicado a técnica de rede neural artificial tipo back-propagation, o que resultou: num método de predição e auditoria do processo, na elaboração da equação da taxa de destruição de resíduo e na estimativa da qualidade da mistura argila-resíduo. Associando estes resultados com uma estequiometria da reação bioquímica foram estabelecidos o Potencial de biorremoção do resíduo e a Capacidade de biorremoção do landfarming, visando determinar o aerobismo do meio reagente. Foi usado o Controle Estatístico de Processo para analisar a consistências destes dados

Abstract: This research increases the knowledge about the technology called land farming, which is applied to treat solid residues in the soil, in which there is a great variety of microorganisms able to do the destruction of biodegradable materials. Petroleum refineries in the United States developed this technology. Petrobrás introduced this technology in Brazil and is its principal user. This technology is very attractive due to its low operating cost The first specific purpose of this research is to apply the neural network on land farming to determine the performance and audit studies. A land farming pilot plant was constructed by Hercules do Brazil Ltda., located in Paulínia SP, for treatment of rosin residue derived from Pinus Elliottii (Slash Pine). The residues quantity used was 30001. during 427 days. The land farming was building with 3528 m2 of active area and 30 cm height of reactive medium. This area was divided into 8 parts to soil sample. The neural network back-propagation was used with the residues analyses, in percentage of acetone dissolvable, versus time, to obtain: a method for prediction and audit of this process, to construction a rate equation of residues destruction and to estimate the quality mixing of land farming soil. This results was associate with a biochemical stoichiometry to estimate a bioremoval potential factor of residue and a bioremoval capacity factor for the land farming, to determine de aerobic condition of reactive medium The Statistical Process Control was used to analyze the consistency of the experimental data
Subject: Solos - Manejo
Redes neurais (Computação)
Cinética química
Resíduos industriais
Language: Português
Editor: [s.n.]
Date Issue: 2000
Appears in Collections:FEQ - Dissertação e Tese

Files in This Item:
File SizeFormat 
Bufo_MoacirJose_M.pdf3.01 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.