Modelagem e simulação de um tratamento de efluentes organicos atraves de redes neurais

A motivação inicial do presente trabalho constituiu-se na realização da modelagem do processo de tratamento de efluentes orgânicos da Rhodia Paulínia visando a predição da concentração de nitrogênio no seio do reator biológico e assim fornecendo dados ao operador para controlar a dosagem de hidróxido de amônio, evitando-se o excesso de nitrogênio enviado para a bacia fluvial. Como os fenômenos que ocorrem no reator biológico são de difícil modelagem fenomenológica e, uma vez que existe uma extensa base de dados com todas as informações das variáveis de entrada e saída, a modelagem via redes neurais artificiais foi a escolhida. Através de uma análise qualitativa realizada por especialistas do processo, onze variáveis foram definidas como de entrada e uma variável (concentração de nitrogênio no seio do reator) como saída, formando uma arquitetura da rede neural de 11 neurônios na camada de entrada, 27 na camada oculta e 1 na camada de saída. Utilizando o modelo neural treinado para simular a estação de tratamento de efluentes, detectou-se a realização de um procedimento operacional- adição de anti-espumante ao reator biológico - que trazia sérios problemas de estabilização para a estação, com aumentos bruscos da concentração de nitrogênio. Como conseqüência deste procedimento sem registro, constatou-se que muito dos dados da planilha utilizada para treinamento da rede neural não representavam o processo normal do tratamento de efluentes e por isto os resultados das simulações realizadas discordavam das medições analíticas. Como principal resultado do presente trabalho, relata-se a eliminação da adição de anti-espumante ao reator, permitindo uma melhor estabilização da estação de tratamento. Para que um modelo neural mais adequado seja desenvolvido, novos dados deverão ser coletados e a rede treinada novamente sem a interferência de procedimentos não registradosThe present work is concerned on modeling the organic wastewater treatment process at Rhodia Paulinia Plant in order to predict the nitrogen concentration of the biological reactor bulk and also to provide human operators with suitable information to control the ammonium hydroxide dosage, avoiding the excess of nitrogen flowed out to the river. The biological reactor first principIes are very difficult to describe. Besides, a huge process database is available, so that the artificial neural network modeling was choosen. Through the qualitative analysis carried out by experts, 11 variables were defined as input and 1 ( nitrogen concentration of the biological reactor bulk) was defined as output, yielding a neural network architecture with 11 neurons in the input layer, 27 neurons in the hidden layer and 1 in the output layer. By using the trained neural model to simulate the wastewater treatment, it was detected the occurence of an unsuitable non-reported operational procedure - anti-foaming addition to the biological reactor. Serious stabilization problems occured, with abrupt nitrogen concentration increasing. As a consequence of this non-reported procedure, the simulation results did not match to the analytical measurements. The main result ofthe present work is the interruption of the anti-foaming addition and the wastewater treatment stabilization. In order to develop a suitable neural model, new process data must be collected and the neural network must be retrained without any interference of non-reported procedure