XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: ASSESSMENT OF PREDICTIVE MODELS FOR BIOGAS PRODUCTION USING ARTIFICIAL NEURAL NETWORKS Autor: MICHEL ANGELO O W DE CARVALHO
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
FLORIAN ALAIN YANNICK PRADELLE - ADVISOR
BRUNNO FERREIRA DOS SANTOS - CO-ADVISOR
Nº do Conteudo: 66522
Catalogação: 29/04/2024 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=66522@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=66522@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.66522
Resumo:
Título: ASSESSMENT OF PREDICTIVE MODELS FOR BIOGAS PRODUCTION USING ARTIFICIAL NEURAL NETWORKS Autor: MICHEL ANGELO O W DE CARVALHO
BRUNNO FERREIRA DOS SANTOS - CO-ADVISOR
Nº do Conteudo: 66522
Catalogação: 29/04/2024 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=66522@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=66522@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.66522
Resumo:
Biogas is a renewable energy source with significant production potential
from various waste materials, including food waste. In this context, this study
presents the development of three distinct models using Artificial Neural Networks
(ANNs), capable of predicting the cumulative volume of biogas, methane, and CH4
concentration, respectively. A literature-based database was constructed, including
variables from anaerobic digestion processes: biomass type, reactor/feed type,
volatile solid content, pH, organic loading rate, hydraulic retention time,
temperature, and reactor volume. For each set of models, 24 ANNs were developed
and tested using the MATLAB computational tool. The ANNs estimation
capability was assessed using the coefficient of determination (R2) and the sum of
squared errors (SSE). Following initial stages, neural networks were employed to
create response surfaces, aiming to identify optimal regions for biogas and methane
production. However, a single model failed to achieve the desired
representativeness, leading to data segmentation based on biomass type. The
developed ANNs demonstrated effectiveness in estimating the groups used for
training, testing, and validation. The best network achieved R2 values of 0.9969 for
biogas, 0.9963 for methane, and 0.9386 for methane percentage, with SSE values
of 0.1808, 0.1089, and 11.45, respectively. The strategy of combining process
variables in response surfaces proved valuable in identifying optimal points in the
production process.
Descrição | Arquivo |
COMPLETE |