APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NA PREDIÇÃO DA EFICIÊNCIA DE UM PROCESSO DE ADSORÇÃO PARA REMOÇÃO DE COLESTEROL DO LEITE
Abstract
Esse estudo teve como objetivo aplicar a técnica de Redes Neurais Artificiais na modelagem de um processo de remoção do colesterol do leite em coluna de adsorção com fluxo contínuo. As variáveis, altura (cm), tempo (h) e vazão (mL/min) foram definidas como padrão de entrada da rede enquanto a remoção (%) foi definida como padrão de saída. Os dados experimentais foram distribuídos em três bancos, nos quais foram avaliados o desempenho do modelo fixando a arquitetura do tipo retro propagação em quadro camadas e variando-se o algoritmos de treinamento (Levenberg-Marquardt, Gradiente descendent e Resiliente propagation), a função de ativação (Linear, Tangente hiperbólica e Sigmoidal) e os números de neurônios (2 a 30) na primeira camada intermediária. Os resultados mostraram que o melhor desempenho da rede ocorreu para o banco composto de dados experimentais e dados semi-impíricos e arquitetura com algoritmo de treinamento Levenberg-Marquardt, função de ativação tangente hiperbólica com um erro médio quadrático de 0,006. O modelo neural obtido apresentou um coeficiente de correlação de 0,98, uma raiz do erro médio quadrático de 3,71 proporcionando um desvio médio de 1,08% que quando comparado com os 8,00% do erro experimental, indica que a técnica de modelagem baseada nas RNAs bastante é promissora na otimização do processo de remoção do colesterol do leite.