Estudio de la modelización mediante redes neuronales de los procesos de adsorción-desorción con resinas aplicados a la recuperación de compuestos fenólicos de aguas residuales de la producción de aceite de oliva

Abstract

[ES] En este Trabajo Fin de Máster se lleva a cabo el estudio y modelado mediante redes neuronales artificiales de los procesos de adsorción y desorción cuyo fin es recuperar los compuestos fenólicos de las aguas residuales procedentes de la segunda centrifugación del proceso de producción de aceite de oliva en dos fases. En el proceso de adsorción se consideran varias resinas no iónicas en diferentes concentraciones: 10, 20, 30, 40, 50 y 60 g/L. En el proceso de desorción para recuperar los polifenoles adsorbidos se consideran dos disolventes: etanol y una mezcla de etanol-agua al 50% en volumen. Como se mencionará posteriormente, en el proceso de adsorción con dos variables de entrada, se ha observado un mejor comportamiento de las resinas al trabajar con datos triplicados con respecto a duplicados. Por otro lado, al trabajar con tres variables de entrada, los resultados obtenidos son mejores al trabajar con mayor número de capas ocultas. En cuanto al proceso de desorción, se ha logrado un buen ajuste de los datos experimentales mediante simulaciones con todas las resinas.

[EN] In this Master’s Thesis, the study and modeling of the adsoption and desorption processes is carried out using artificial neural networks to recover phenolic compounds from the wastewater from the second centrifugation of the two-stage olive oil production process. In the adsorption process, several non-ionic resins are considered at different concentrations: 10, 20, 30, 40, 50 and 60 g/L. In the desorption process to recover the adsorbed polyphenols, two solvents are considered: ethanol and an ethanol-water mixture at 50% v/v. As will be mentioned below, in the adsorption process with two input variables, a better performance of the resins has been observed when working with triplicate data compared to duplicate data. On the other hand, when working with three input variables, the results obtained are better when working with a higher number of hidden layers. As for the desorption process, a good fit of the experimental data has been achieved by simulations with all resins.

[CAT] En aquest Treball Fi de Màster es duu a terme l’estudi i modelatge mitjançant xarxes neuronals artificials del processos d’adsorció la fi de la qual és recuperar els compostos fenòlics de les aigües residuals procedents de la segona centrifugació del procés de producción d’oli d’oliva en dues fases. En el procés d’adsorció es consideren diverses resines no iòniques en diferents concentracions; 10, 20, 30, 40, 50 i 60 g/L. En el procés de desorció per a recuperar els polifenols adsorbits es consideren dos dissolvents: etanol i una mescla d’etanol-aigua al 50% en volum. Com s'esmentarà posteriorment, en el procés d'adsorció amb dues variables d'entrada, s'ha observat un millor comportament de les resines en treballar amb dades triplicades respecte a duplicats. D'altra banda, en treballar amb tres variables d'entrada, els resultats obtinguts són millors en treballar amb major nombre de capes ocultes. Quant al procés de desorció, s'ha aconseguit un bon ajust de les dades experimentals mitjançant simulacions amb totes les resines.