Made available in DSpace on 2017-07-10T18:08:10Z (GMT). No. of bitstreams: 1 Eliseu A Zanella Junior.pdf: 762348 bytes, checksum: 96525daf5cc5df21f8559d564eedfb4d (MD5) Previous issue date: 2009-02-13 / In the majority of the applications of the process of ionic exchange in the chemical industry some ionic species are gifts that compete between itself for the active small sieges of the ionic exchanger. Therefore, the project of these systems requires an analysis of the coefficients of selectivity of ions gifts in the solution that determines the influence of the separation process. The data of balance of processes of ionic exchange generally are discrebed for the Law of the Action of the Masses, therefore in this boarding the no-idealists of the phases are consideret watery and solid. The calculation of Balance in systems of ionic exchange in multicomponent systems requires the resolution of a system of not linear equations, and depending on the number of involved species one high computational time cam be required. An alternative to the conventional modelin is the job of Artificial the Neural Nets. Inside of this context, the objective of the present work was to evaluate the application of Artificial the Neural Nets in the modeling of the binary and ternary data of balance in systems of ionic exchange, and also to evaluate the viability to apply Artificial the Neural Nets in the prediction of the data of balance of the ternary systems from information of the binary systems. To evaluate the efficiency of Artificial the Neural Nets in the description of the data of balance of systems of ionic exchange, the gotten results had been compared with the values calculated for the application of the Law of the Action of the Masses. Two experimental data sets of ionic exchange had been used. The first set was constituted of the binary and ternary systems of ions sulphate, chloride and nitrate and as exchanging ion the resin AMBERLITE ANGER 400, with total concentration of 0,2N 298K and had been gotten by SMITH and WOODBURN (1978). As the joint one was constituted of the binary and ternary data of ions of lead, has covered and ionic sodium and as exchanging the clinoptilolita, with 0,005 concentration eq/L and temperature of 303K, gotten for FERNANDEZ (2004). The data of entrance of the net had been the composition of íons in solution and of exit they had been the composition of the resin. The training of diverse structures of RNAs was effected. Different architectures had been tested varying the nunber of neurons of the laver of entrance and the occult layer. The nunber of neurons of the entrance layer varied of 2 up to 20 and the occult layer of 1 up to 2, searching always a structure with the lesser value of the objective function. The methods Powell and Simplex had been used to determine the weights of the net. The Law of the Action of the Masses revealed efficient in the description of the following binary systems: SO4-2-NO3-, SO4-2-Cl- e NO3 --Cl-Pb2+-Na+, Cu2+-Na+, however, the results for the system Na+-Pb2+ had not been satisfactory. In the modeling of the binary data Artificial the Neural Nets if had shown efficient in all the investigated cases. In the prediction of the ternary system the Law of the Action of the Masses only revealed efficient for systems SO42--NO3-, SO42-CI- e NO3--CI-. In the prediction of the data of ternary balance for the two evaluatede systems, using Artificial the neural Nets from the binary data generated by the Law of the Action of the Masses, one did not reveal efficient. In the ternary system (SO4²-, NO3-,CI-) the trained Artificial Neural Nets with the binary data set and the inclusion of ternary experimental data of balance (three and seven data) had obtained to represent with precision the behavior of the system. In the ternary system (Pb+². Cu+², Na+), hte nets trained from the binary data set and with the inclusion of all the experimental data of the ternary system, the gotten results had been satisfactory, because they had presented errors near by 2% to 6%. Artificial the Neural Nets had not presented predictive capacity to describe the balance in the process of ionic exchange. However, the nets present an advantage in relation the Law of the Action of the Masses, to allow that the compositions of balance of the resin are calculated explicit. / Na maioria das aplicações do processo de troca iônica na indústria química estão presentes várias espécies iônicas que competem entre si pelos sítios ativos do trocador iônico. Portanto, o projeto destes sistemas requer uma análise dos coeficientes de seletividade dos íons presentes na solução que determina a influência do processo de separação. Os dados de equilíbrio de processos de troca iônica geralmente são descritos pela Lei da Ação das Massas, pois nesta abordagem são considerados as não-idealidades das fases aquosa e sólida. O cálculo de Equilíbrio em sistemas de troca iônica em sistemas multicomponentes requer a resolução de um sistema de equações não lineares, e dependendo do número de espécies envolvidas pode-se requerer um elevado tempo computacional. Uma alternativa à modelagem convencional é o emprego das Redes Neurais Artificiais. Dentro deste contexto, o objetivo do presente trabalho foi avaliar a aplicação das Redes Neurais Artificiais na modelagem dos dados binários e ternários de equilíbrio em sistemas de troca iônica, e também avaliar a viabilidade de aplicar as Redes Neurais Artificiais na predição dos dados de equilíbrio dos sistemas ternários a partir de informações dos sistemas binários. Para avaliar a eficiência das Redes Neurais Artificiais na descrição dos dados de equilíbrio de sistemas de troca iônica, os resultados obtidos foram comparados com os valores calculados pela aplicação da Lei da Ação das Massas. Foram utilizados dois conjuntos de dados experimentais de troca iônica. O primeiro conjunto era constituído pelos sistemas binários e ternários dos íons sulfato, cloreto e nitrato e como trocador iônico a resina AMBERLITE IRA 400, com concentração total de 0,2N a 298K e foram obtidos por SMITH e WOODBURN (1978). O segundo conjunto era constituído dos dados binários e ternários dos íons de chumbo, cobre e sódio e como trocador iônico a clinoptilolita, com concentração 0,005 eq/L e temperatura de 303K, obtidos por FERNANDEZ (2004). Os dados de entrada da rede foram a composição dos íons em solução e de saída foram a composição da resina. Efetuou-se o treinamento de diversas estruturas de RNAs. Foram testadas diferentes arquiteturas variando o número de neurônios da camada de entrada e da camada oculta. O número de neurônios da camada de entrada variou de 2 até 20 e da camada oculta de 1 até 2, buscando sempre uma estrutura com o menor valor da função objetivo. Os métodos Powell e Simplex foram utilizados para determinar os pesos da rede. A Lei da Ação das Massas mostrou-se eficiente na descrição dos seguintes sistemas binários: SO42--NO3-, SO42--Cl- e NO3--Cl- Pb2+-Na+, Cu2+-Na+, entretanto, os resultados para o sistema Na+-Pb2+ não foram satisfatórios. Na modelagem dos dados binários as Redes Neurais Artificiais se mostraram eficientes em todos os casos investigados. Na predição do sistema ternário a Lei da Ação das Massas mostrou-se eficiente somente para os sistemas SO42--NO3-, SO42--Cl- e NO3--Cl-. Na predição dos dados de equilíbrio ternário para os dois sistemas avaliados, empregando as Redes neurais Artificiais a partir dos dados binários gerados pela Lei da Ação das Massas, não se mostrou eficiente. No sistema ternário (SO42-,NO3-,Cl-) as Redes Neurais Artificiais treinadas com o conjunto de dados binários e com a inclusão de dados experimentais ternários de equilíbrio (três e sete dados) conseguiram representar com precisão o comportamento do sistema. No sistema ternário (Pb+2,Cu+2,Na+), as redes treinadas a partir do conjunto de dados binários e com a inclusão de todos os dados experimentais do sistema ternário, os resultados obtidos foram satisfatórios, pois apresentaram erros na faixa de 2% a 6%. As Redes Neurais Artificiais não apresentaram capacidade preditiva de descrever o equilíbrio no processo de troca iônica. Entretanto, as redes apresenta uma vantagem em relação a Lei da Ação das Massas, permitir que sejam calculados explicitamente as composições de equilíbrio da resina.