Marco RSM-ANN-GA para el modelado predictivo y la optimización de la degradación del tinte de eosina sonocatalítico...

Área de la Ciencia:

• Química del medio ambiente Química del medio ambiente
• Ciencia de los materiales Ciencia de los materiales.
• Ingeniería Química Ingeniería Química.

Sus antecedentes:

• Los tintes sintéticos como el amarillo de eosina presentan riesgos ambientales significativos debido a su baja biodegradabilidad y alta toxicidad acuática.
• El tratamiento de aguas residuales industriales a menudo tiene dificultades para eliminar eficientemente los contaminantes orgánicos persistentes.

Objetivo del estudio:

• Para investigar la degradación sonocatalítica del amarillo de eosina utilizando un catalizador ZnO@SiO2.
• Optimizar el proceso de tratamiento de aguas residuales mediante la evaluación de parámetros clave y el desarrollo de un modelo predictivo.
• Para comparar el rendimiento de las redes neuronales artificiales (ANN) y la metodología de superficie de respuesta (RSM) para la optimización de procesos.

Principales métodos:

• Sonocatálisis utilizando un catalizador compuesto de ZnO@SiO2 bajo diferentes frecuencias ultrasónicas, pH, dosis del catalizador y concentraciones iniciales de colorante.
• Desarrollo y evaluación de un marco de modelado híbrido que combina ANN y RSM, con los hiperparámetros de ANN sintonizados a través de la optimización bayesiana.
• Evaluación del rendimiento del modelo utilizando métricas estadísticas (MAE, RMSE, R2), intervalos de confianza e intervalos de predicción.

Principales resultados:

• El sonocatalizador ZnO@SiO2 eliminó efectivamente el tinte amarillo de eosina y redujo la demanda química de oxígeno (COD).
• Un modelo ANN de 10 capas demostró una precisión predictiva superior y capacidades de generalización en comparación con RSM.
• Se descubrió que la adición de electrolitos influye en la cinética de la reacción, lo que afecta la eficiencia de la eliminación del tinte.

Conclusiones:

• El enfoque integrado de la sonocatálisis y la inteligencia computacional ofrece un marco sólido para optimizar el tratamiento de aguas residuales de colorantes.
• El modelo ANN desarrollado proporciona una herramienta confiable para predecir y controlar el proceso de degradación sonocatalítico.
• Esta investigación contribuye con una metodología reproducible para abordar los complejos desafíos de contaminación por colorantes en los efluentes industriales.