Nonlinear model of COD and OBD/COD at the Caxias Do Sul landfill using Neural Networks
O monitoramento foi realizado a fim de coletar dados representativos dos processos físicos, químicos e biológicos que ocorrem em um aterro sanitário, neste caso o aterro sanitário de Caxias do Sul no Brasil, que são responsáveis pela degradação dos componentes orgânicos dos resíduos sólidos. massa no aterro. As medições indicam o estado de decomposição da massa aterrada e as transformações que ocorrem na mesma. Um modelo não linear é apresentado para analisar a biodegradabilidade da matéria orgânica a fim de demonstrar a atividade microbiana anaeróbia e a atividade biológica em função do tempo. Foi proposta uma rede neural capaz de predizer valores de COD e BOD/DQO. A estrutura de rede otimizada consistiu em um perceptron multicamada 5-3-1, e 5-6-1 com função de transferência logística sigmoidal na camada oculta e ativação linear na camada de saída, treinada com o algoritmo de Levenberg-Marquardt.
Nonlinear model of COD and OBD/COD at the Caxias Do Sul landfill using Neural Networks
-
DOI: 10.22533/at.ed.01022291111
-
Palavras-chave: Aterro sanitário, modelo não linear, rede neural, digestão anaeróbica, índices de biodegradabilidade
-
Keywords: Landfill, Non-linear model, Neural network, anaerobic digestión, biodegradability indexes
-
Abstract:
Monitoring was carried out in order to collect data representing the physical, chemical and biological processes that take place in a landfill, in this case the landfill of Caxias Do Sul in Brazil, which are responsible for the degradation of the organic components of the solid waste mass in the landfill. The measurements indicate the state of decomposition of the landfilled mass and the transformations occurring in it. A non-linear model is presented to analyse the biodegradability of organic matter in order to demonstrate anaerobic microbial activity and biological activity as a function of time. A neural network capable of predicting COD and BOD/DQO values was proposed. The optimised network structure consisted of a 5-3-1 multilayer perceptron, and 5-6-1 with logistic sigmoidal transfer function in the hidden layer and linear activation in the output layer, trained with the Levenberg-Marquardt algorithm.
-
Número de páginas: 18
- MARA ZENI ANDRADE
- Ana Maria Coulon Grisa
- Edson Luiz Francisquetti
- José A. Muñoz Hernandez
