Dissertações

927  

Gabriel José Soares Coura

Rita de Cássia de Oliveira Sebastião

Abordagem Híbrida Baseada em Redes Neurais Artificiais e Regressões não Lineares para a Modelagem da Adsorção de Fosfatos por Ferritas no Tratamento de Efluentes

Hybrid Approach Based On Artificial Neural Networks And Nonlinear Regressions For Modeling Phosphate Adsorption By Ferrites In Wastewater Treatment

Química

Físico-Química, Biofísica e Química Computacional

114

27/01/2026

Auditório II - Aluísio Pimenta

14:00

Profa. Rita de Cássia de Oliveira Sebastião - Orientadora (Dr. (UFMG))
Prof. Everton Luiz de Paula (Dr. (UFVJM))
Prof. Adolfo Henrique de Moraes Silva (Dr. (UFMG))

A adsorção se mostra uma alternativa eficiente no tratamento de efluentes aquosos, sobretudo quando emprega adsorventes com propriedades estruturais e texturais controladas. Nesse contexto, ferritas magnéticas apresentam-se como materiais promissores devido à facilidade de separação após adsorção. Neste trabalho, ferritas à base de magnésio e cálcio, sintetizadas nas proporções molares Mg:Fe 1:1 e Ca:Fe 1:2, foram investigadas como adsorventes de fósforo em meio aquoso, visando avaliar desempenho adsortivo e elucidar mecanismos envolvidos por meio da integração entre modelagem através de redes neurais artificiais (RNA) e regressões não lineares (RNL). Os ensaios adsortivos foram conduzidos utilizando 15-20 mg de adsorvente e 15 mL de solução de fosfato, em concentrações iniciais de 10 a 250 mgL⁻ para ferritas de magnésio e de 25 a 300 mgL⁻ para ferritas de cálcio. A cinética do processo foi descrita por modelo cinético geral de n-ésima ordem, aplicado por método iterativo inverso, permitindo determinação simultânea da ordem de reação e da constante cinética por ajustes não lineares. O desempenho do modelo foi avaliado com base no erro quadrático médio, soma dos erros quadráticos normalizada e erro percentual absoluto médio. Os modelos desenvolvidos apresentaram desempenho preditivo satisfatório, com erros baixos a moderados dependendo da amostra, e evidenciaram diferenças no comportamento adsortivo entre ferritas de magnésio e cálcio ao longo das faixas de concentração avaliadas. A modelagem isotérmica foi realizada utilizando isotermas derivadas da teoria de BET, empregando rede neural artificial do tipo Multilayer Perceptron (MLP) para avaliar a correspondência entre dados experimentais e diferentes modelos isotérmicos, fornecendo o modelo mais representativo e contribuições percentuais individuais. As respostas da rede mostraram boa concordância com as características estruturais e texturais dos materiais, destacando coexistência de mecanismos diversos de adsorção, com predominância dos tipos I, IV e V. Os resultados confirmam a robustez da abordagem híbrida RNA-RNL na otimização de sistemas adsortivos para o tratamento de efluentes aquosos.

Adsorção, Ferritas Magnéticas, Modelagem computacional, Redes neurais artificiais

Adsorption has emerged as an efficient alternative for the treatment of aqueous effluents, particularly when adsorbents with controlled structural and textural properties are employed. In this context, magnetic ferrites stand out as promising materials due to their ease of separation after the adsorption process. In this study, magnesium- and calcium-based ferrites, synthesized at molar ratios of Mg:Fe 1:1 and Ca:Fe 1:2, were investigated as phosphorus adsorbents in aqueous media, aiming to evaluate their adsorption performance and to elucidate the underlying mechanisms through the integration of artificial neural network (ANN) modeling and nonlinear regressions (NLR). Adsorption experiments were conducted using 15-20 mg of adsorbent and 15 mL of phosphate solution, with initial concentrations ranging from 10 to 250 mgL⁻ for magnesium ferrites and from 25 to 300 mgL⁻ for calcium ferrites. The adsorption kinetics were described using a general n-th-order kinetic model, applied through an inverse iterative method, allowing the simultaneous determination of the reaction order and the kinetic constant via nonlinear fitting. Model performance was evaluated based on the root mean square error, normalized sum of squared errors, and mean absolute percentage error. The developed models exhibited satisfactory predictive performance, with low to moderate errors depending on the sample, and revealed distinct adsorption behaviors between magnesium and calcium ferrites across the evaluated concentration ranges. Isotherm modeling was performed using isotherms derived from BET theory, employing a Multilayer Perceptron (MLP) artificial neural network to assess the correspondence between experimental data and different isotherm models, thereby identifying the most representative model and the individual percentage contributions. The network outputs showed good agreement with the structural and textural characteristics of the materials, highlighting the coexistence of multiple adsorption mechanisms, with a predominance of Type I, IV, and V isotherms. The results confirm the robustness of the hybrid ANN-NLR approach for the optimization of adsorption systems applied to the treatment of aqueous effluents.

Adsorption, Artificial neural networks, Computational modeling, Magnetic ferrites