Made available in DSpace on 2017-06-01T18:20:32Z (GMT). No. of bitstreams: 0
Previous issue date: 2009-08-24 / Artificial neural networks were used to model biosurfactant production process by Candida lipolytica UCP 0988, using diesel oil as carbon source. The modeling was carried out using data of 24 full factorial design composed by 20 runs, including four replicates at the center point - having the concentrations of sea water, urea, ammonium sulfate and potassium phosphate monobasic as independent variables and as response variable the surface tension of biosurfactant production media filtrates with 168 hours. Several models were developed using different databases, topologies, transfer functions and training algorithms. A model with topology 4-4-1 - having concentrations of sea water, urea, ammonium sulfate and potassium phosphate monobasic input variables and surface tension as output variable - trained with the backpropagation algorithm based on Levenbeg-Marquadt was selected as the best performance in the estimation of surface tension. The root mean square error and correlation coefficient for the validation set of this model were 0.25433 and 0.97433, respectively. These results confirm the generalization ability and efficiency of artificial neural networks as tools for development of biosurfactant production media / Redes neurais artificiais foram usadas para modelar processo de produção de biossurfactantes por Candida lipolytica UCP 0988, usando óleo diesel como fonte de carbono. A modelagem foi realizada a partir de dados de planejamento fatorial completo 24 - constituído por 20 ensaios, incluindo 4 repetições no ponto central - tendo como variáveis independentes as concentrações de água do mar, uréia, sulfato de amônio e fosfato monobásico de potássio e como variável resposta a tensão superficial dos filtrados dos meios de produção de biosurfactantes com 168 horas. Diversos modelos foram desenvolvidos usando diferentes bancos de dados, topologias, funções de transferências e algoritmos de treinamento. Um modelo com topologia 4-4-1 - tendo as concentrações de água do mar, uréia, sulfato de amônio e fosfato monobásico de potássio como variáveis de entrada e a tensão superficial como variável de saída - treinado com o algoritmo de retropropagação baseado em Levenbeg-Marquadt foi selecionado como o que apresentou melhor desempenho na estimação da tensão superficial. A raiz do erro quadrático médio e o coeficiente de correlação para o conjunto de validação deste modelo foram 0,25433 e 0,97433, respectivamente. Resultados que ratificam a capacidade de generalização e a eficiência das redes neurais artificiais como ferramenta de apoio ao desenvolvimento de meios para produção de biossurfactantes
Identifer | oai:union.ndltd.org:IBICT/oai:tede2.unicap.br:tede/611 |
Date | 24 August 2009 |
Creators | Garcia, Fernando Antonio Marçal |
Contributors | Albuquerque, Clarissa Daisy da Costa, Harrop, Mabel Hanna Vance, Bernardino Júnior, Francisco Madeiro |
Publisher | Universidade Católica de Pernambuco, Mestrado em Desenvolvimento de Processos Ambientais, UNICAP, BR, Desenvolvimento de Processos Ambientais |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Biblioteca Digital de Teses e Dissertações da UNICAP, instname:Universidade Católica de Pernambuco, instacron:UNICAP |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0016 seconds