[pt] Os polissacarídeos constituintes da biomassa lignocelulósica podem ser beneficiados através de processos industriais. Entretanto, para manipulá-los é necessário que a biomassa seja submetida ao processo de pré-tratamento. Esta é uma das etapas mais caras e relevantes para a disposição e aplicação das frações lignocelulósicas. O presente estudo consiste em uma investigação detalhada do processo de pré-tratamento da biomassa lignocelulósica com H2O2, a qual foi realizada através de tecnologias inteligentes que viabilizaram a otimização deste processo. Ferramentas de inteligência artificial revelam-se vantajosas na solução dos gargalos associados aos avanços tecnológicos. Possibilitam a modelagem matemática de um processo com máxima eficiência, otimizando sua produtividade, transformando dados experimentais em informações úteis e demonstrando as infinitas possibilidades das relações das variáveis envolvidas. As variáveis independentes estudadas foram a temperatura (25 – 45 graus Celsius) e a concentração de peróxido de hidrogênio (1.5 – 7.5 porcento m/v). Técnicas analíticas qualitativas (Raman e FTIR) e quantitativa (Método de Klason) foram aplicadas para produzir um banco de dados referente a extração da lignina com H2O2, o qual foi utilizado no desenvolvimento de modelos neurais aplicando Redes Neurais Artificiais (ANN, do inglês Artificial Neural Networks) e Sistema de Inferência Adaptativa Neuro-Difusa (ANFIS, do inglês Adaptive neuro fuzzy inference system). E modelos polinomiais, os quais tiveram seus parâmetros estimados por Algoritmos Genéticos (GA, do inglês Genetic Algorithms). Os modelos desenvolvidos conseguiram predizer: o Teor de Lignina Extraída (porcento) por Espectroscopia Raman, o Teor de Lignina Oxidada (porcento) por FTIR, o Teor de Lignina Residual (porcento) pelo Método de Klason, e por último, dois modelos para a comparação da resposta analítica qualitativa com a resposta analítica quantitativa. Os modelos polinomiais, que tiveram seus parâmetros estimados por GA foram avaliados estatisticamente através da ANOVA e pelo coeficiente de correlação (R2). E os modelos neurais desenvolvidos foram avaliados pelo coeficiente de correlação (R2), número de parâmetros e índices de erro (SSE, MSE e RMSE). Para cada modelo polinomial e neural proposto, quando coerente, superfícies de resposta e curvas de contorno foram plotadas permitindo a identificação da região operacional mais indicada para a realização do pré-tratamento com H2O2. Dentre as estratégias inteligentes propostas, os modelos desenvolvidos com ANN mostraram-se mais eficientes para as predições relacionadas à extração da lignina. / [en] Industrial processes benefit the polysaccharides constituting the lignocellulosic biomass. However to manipulate them it is necessary that the biomass is submitted to the pre-treatment process. This is one of the most expensive and relevant steps for the arrangement and application of lignocellulosic fractions. The present study consists of a detailed investigation of the pretreatment process of lignocellulosic biomass with H2O2, applying intelligent technologies that enabled the optimization of this process. Artificial intelligence tools prove to be advantageous in solving the bottlenecks associated with technological advances. They enable the mathematical modeling of a process with maximum efficiency, optimizing its productivity, transforming experimental data into useful information and demonstrating the infinite possibilities of the relationships of the variables involved. The independent variables studied were the temperature (25-45 Celsius degrees) and the concentration of hydrogen peroxide (1.5 - 7.5 percent m / v). Qualitative analytical techniques (Raman and FTIR) and quantitative (Klason method) were applied to produce a database for the extraction of lignin with H2O2, which was used in the development of neural models applying Artificial Neural Networks (ANN) and Adaptive Neuro-Fuzzy Inference System (ANFIS). And polynomial models, which had their parameters estimated by Genetic Algorithms (GA). The models developed were able to predict: the Extracted Lignin Content (percent) by Raman Spectroscopy, the Oxidized Lignin Content (percent) by FTIR, the Residual Lignin Content (percent) by the Klason Method, and lastly, two models for the comparison of the qualitative analytical response with the quantitative analytical response. The polynomial models, which had their parameters estimated by GA, were statistically evaluated using ANOVA and correlation coefficient (R2) evaluated the polynomial models developed by GA statistically. And the neural models developed were evaluated by the coefficient of correlation (R2), number of parameters and error indexes (SSE, MSE and RMSE). For each proposed polynomial and neural model, when coherent, response surfaces and contour curves were plotted allowing the identification of the most suitable operational region for the pretreatment with H2O2. Among the proposed intelligent strategies, the models developed with ANN proved to be more efficient for the predictions related to lignin extraction.

[pt] Os efluentes industriais dos processos de mineração e metalurgia extrativa, podem conter variáveis teores de As, Se, Sb e Bi tornando-se uma fonte potencial de poluição. O presente trabalho teve como objetivo estudar a remoção de As, Se, Sb e Bi presentes na mesma solução aquosa, por precipitação química empregando íons de agentes precipitantes, em condições oxidantes e reduzidas. Para isso, foram empregadas soluções sintéticas mistas dos analitos. As variáveis avaliadas foram: tipo de agente precipitante (Fe(III), Fe(II), Al(III) e Ca(II)), pH, relação molar agente precipitante/analito, concentração inicial de As, Se, Sb e Bi e a pré-oxidação destes elementos com H2O2. Para soluções contendo concentração inicial de 200 mg/L dos analitos sem pré-oxidação, foi possível atingir 99,95 por cento de eficiência de remoção e concentrações residuais de 0,11 mg/L, 0,10 mg/L, 0,08 mg/L, 0,01 mg/L para As, Se, Sb e Bi, respectivamente, por precipitação com Fe(III), a pH 5 em 30 minutos de reação e relação molar Fe(III)/As, Se, Sb e Bi = 7. Esses valores obtidos enquadram-se dentro do permitido pela resolução CONAMA 430/2011 para descarte de efluentes de As e Se. Sendo que o pH ótimo para precipitar As, Se, Sb e Bi depende do estado de oxidação de seus oxiânions, enquanto o agente precipitante Fe(III) foi bem superior ao Fe(II), Al(III) e Ca(II) para remover As, Se, Sb e Bi sem ou com pré-oxidação. A pré-oxidação desses elementos com H2O2 influenciou na remoção de As e Se, uma vez que o As foi bem melhor removido com pré-oxidação e Se sem pré-oxidação. Já o Sb e Bi não foram influenciados pela pré-oxidação. A relação molar ótima de Fe(III)/As, Se, Sb e Bi foi de 5 e 7 Finalmente as micrografias obtidas por MEV mostram uma estrutura compacta aglomerada de tamanho irregular, variando de protuberância de várias dezenas de mícrons e, a análise semiquantitativa mostrou que estão constituídos principalmente pelos elementos As, Se, Sb, Bi, Fe, O, Cl e Na, estando Fe e O em maior quantidade. / [en] The industrial effluents from mining and extractive metallurgy processes may contain varying amounts of As, Se, Sb and Bi becoming a potential source of pollution. The object of the present work was to investigate the removal of As, Se, Sb and Bi present in the same aqueous solution, by chemical precipitation using cations of precipitating agents, under oxidizing and reduced conditions. For this, mixed synthetic solutions. The variables evaluated were: precipitating agent type (Fe (III), Fe (II), Al (III) and Ca (II)), pH, precipitating /analytes molar ratio, initial concentration of As, Se, Sb and Bi And the preoxidation of these elements with H2O2. For solutions containing the initial concentration of 200 mg / L of the analytes without pre-oxidation, it was possible to achieve 99.95 percent removal efficiency and residual concentrations of 0.11 mg / L, 0.10 mg / L, 0.08 mg / L, 0.01 mg / L for As, Se, Sb and Bi, respectively, by Fe (III) precipitation, at pH 5 in 30 minutes of reaction and Fe (III) / As, Se, Sb and Bi = 7. These values are within the limits allowed by CONAMA Resolution 430/2011 for the disposal of As and Se effluents. The optimum pH to precipitate As, Se, Sb and Bi depends on the oxidation state of its oxyanions, while the Fe (III) precipitating agent was well above Fe (II), Al (III) and Ca (II) to remove As, Se, Sb and Bi. Pre-oxidation of these elements with H2O2 influenced the removal of As and Se, however Sb and Bi were not influenced by pre-oxidation. The optimal molar ratio of Fe (III) / As, Se, Sb and Bi was 5 and 7 to precipitate these elements. Finally, the micrographs obtained by MEV show a compact agglomerated structure, and the semiquantitative analysis showed that they are constituted mainly by elements As, Se, Sb, Bi, Fe, O, Cl and Na , With Fe and O being in greater quantity.