Modelado de la eliminación de cafeína y paracetamol de aguas residuales sintéticas mediante membranas de...

Área de la Ciencia:

• Ciencias del medio ambiente
• Ingeniería Química
• Inteligencia computacional

Sus antecedentes:

• Las aguas residuales farmacéuticas plantean desafíos ambientales.
• La nanofiltración (NF) es una tecnología clave para eliminar los contaminantes farmacéuticos.
• La optimización de los procesos de NF requiere modelos predictivos precisos.

Objetivo del estudio:

• Comparar el rendimiento predictivo de las redes neuronales artificiales (ANN) y los modelos de metodología de superficie de respuesta (RSM).
• Para pronosticar las eficiencias de rechazo de la cafeína y el paracetamol utilizando las membranas AFC 40 y AFC 80 NF.
• Identificar la técnica de inteligencia computacional más eficaz para optimizar la eliminación farmacéutica en los procesos de NF.

Principales métodos:

• Investigación experimental del rendimiento del NF bajo variación de la presión transmembrana, la concentración de alimentación y el caudal.
• Desarrollo y aplicación de modelos ANN y RSM para predecir el rechazo de contaminantes.
• Evaluación de las capacidades predictivas del modelo utilizando métricas estadísticas (R2, RMSE, MPSED, HYBRID, AAD).

Principales resultados:

• Los modelos ANN y RSM mostraron una alta precisión predictiva para el rechazo farmacéutico.
• Los modelos ANN obtuvieron constantemente valores de R2 más altos y métricas de error más bajas en comparación con RSM.
• ANN demostró un rendimiento superior en la predicción del rechazo de cafeína y paracetamol a través de las membranas AFC 40 y AFC 80.

Conclusiones:

• Las redes neuronales artificiales (ANN) ofrecen un enfoque de modelado robusto y superior para optimizar los procesos de membrana NF en el tratamiento de aguas residuales farmacéuticas.
• Los resultados apoyan el uso de los ANN para mejorar la eficiencia y reducir los costes operativos de los sistemas de eliminación farmacéutica.
• Los modelos predictivos precisos son cruciales para el avance de las tecnologías sostenibles de tratamiento de aguas residuales.