@MASTERSTHESIS{ 2019:702408820,
 	title = {Modelagem do processo de tratamento do lixiviado de um aterro sanitário usando processos oxidativos avançados, via redes neurais artificiais},
 	year = {2019},
 	url = "http://tede.bc.uepb.edu.br/jspui/handle/tede/3907",
 	abstract = "As Redes Neurais Artificiais (RNA’s) é uma abordagem alternativa aos métodos 
 estatísticos tradicionais no mapeamento de um sistema linear como também não linear. São 
 modelos que vêm sendo desenvolvidos nos últimos anos, e tem como metáfora o
 funcionamento do cérebro humano. Estes modelos tomam como base as redes neurais 
 biológicas associadas ao processamento paralelo do cérebro humano, constituído por 
 elementos de processamento interconectados, chamados de neurônios, os quais estão
 dispostos em camadas e são responsáveis pela não-linearidade e pela memória da rede.
 Este trabalho tem como objetivo modelar um sistema de tratamento de lixiviado com os 
 processos oxidativos avançados usando Redes Neurais Artificiais. Os dados que foram 
 utilizados neste trabalho foi proveniente da pesquisa desenvolvida por Martins (2014). 
 Com um sistema experimental que foi instalado e monitorado nas dependências físicas do 
 laboratório da Estação Experimental de Tratamentos Biológicos de Esgotos Sanitário 
 (EXTRABES) da Universidade Estadual da Paraíba- UEPB. No tratamento do lixiviado foi 
 utilizado dois tipos de processos oxidativos avançados o Foto-Fenton e a fotólise de 
 H2O2/UV. Para o sistema Foto-Fenton foi considerado às variáveis concentração de H2SO4, 
 concentração de H2O2, tempo e taxa de radiação Ultravioleta. No sistema H2O2/UV 
 concentração de H2O2, tempo e taxa radiação ultravioleta. Estes parâmetros que foram 
 utilizados para monitorar os processos oxidativos avançados serão usados como sendo as 
 variáveis de entrada na elaboração das redes neurais artificiais. Para o treinamento e 
 validação da rede foi utilizado um código computacional no software Matlab. O melhor 
 algoritmo de minização do erro foi o Levenberg Marquardt com uma configuração de 
 RNA com o gradiente igual a 2,39.10^-5 e erro médio quadrático (MSE) igual a 1.10^-6.
 Utilizou-se no treinamento destas redes uma camada oculta contendo 10 neurônios e 
 funções de ativação sigmóide tangente e purelin. No sistema H2O2/UV o melhor 
 desempenho nas etapas de treinamento e validação foi a RNA com uma camada oculta 
 com 25 neurônios, apresentando um coeficiente de determinação acima de 0,97. No 
 sistema Foto-Fenton com uma arquitetura com duas camadas ocultas contendo em cada
 camada oculta 5 e 25 neurônios, respectivamente, apresentou resultados significantes como 
 coeficientes de determinação de treinamento e validação acima de 0,95.",
 	publisher = {Universidade Estadual da Paraíba},
 	scholl = {Programa de Pós-Graduação em Ciência e  Tecnologia Ambiental - PPGCTA},
 	note = {Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP}
}