Redes neurais artificiais como ferramenta de apoio ao desenvolvimento de meios de produção de biossurfactantes

Detalhes bibliográficos
Ano de defesa: 2009
Autor(a) principal: Garcia, Fernando Antonio Marçal lattes
Orientador(a): Albuquerque, Clarissa Daisy da Costa lattes
Banca de defesa: Harrop, Mabel Hanna Vance lattes, Bernardino Júnior, Francisco Madeiro lattes
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Católica de Pernambuco
Programa de Pós-Graduação: Mestrado em Desenvolvimento de Processos Ambientais
Departamento: Desenvolvimento de Processos Ambientais
País: BR
Palavras-chave em Português:
redes neurais (computação)
biossurfactantes
dissertações
Palavras-chave em Inglês:
neural networks (computer science)
biosurfactants
dissertations
Área do conhecimento CNPq:
CNPQ::CIENCIAS BIOLOGICAS::BIOLOGIA GERAL
Link de acesso: http://tede2.unicap.br:8080/handle/tede/611
Resumo: 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
id UCAP_ee5a92b8087a3892079fa0e9a7e63b89
oai_identifier_str oai:tede2.unicap.br:tede/611
network_acronym_str UCAP
network_name_str Biblioteca Digital de Teses e Dissertações da UNICAP
repository_id_str
spelling Albuquerque, Clarissa Daisy da CostaCPF:23414227487http://lattes.cnpq.br/1337583822386227Harrop, Mabel Hanna VanceCPF:00000000414http://lattes.cnpq.br/9719170192765255Bernardino Júnior, Francisco MadeiroCPF:43047165300http://lattes.cnpq.br/1934903225521860CPF:42607833434http://lattes.cnpq.br/9151958327577537Garcia, Fernando Antonio Marçal2017-06-01T18:20:32Z2012-04-172009-08-24http://tede2.unicap.br:8080/handle/tede/611Artificial 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 mediaRedes 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 biossurfactantesMade available in DSpace on 2017-06-01T18:20:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-08-24porUniversidade Católica de PernambucoMestrado em Desenvolvimento de Processos AmbientaisUNICAPBRDesenvolvimento de Processos Ambientaisredes neurais (computação)biossurfactantesdissertaçõesneural networks (computer science)biosurfactantsdissertationsCNPQ::CIENCIAS BIOLOGICAS::BIOLOGIA GERALRedes neurais artificiais como ferramenta de apoio ao desenvolvimento de meios de produção de biossurfactantesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UNICAPinstname:Universidade Católica de Pernambuco (UNICAP)instacron:UNICAPtede/6112018-09-24 15:29:25.447oai:tede2.unicap.br:tede/611Biblioteca Digital de Teses e Dissertaçõeshttp://tede2.unicap.br:8080/http://tede2.unicap.br:8080/oai/requestbiblioteca@unicap.br||biblioteca@unicap.bropendoar:46462018-09-24T18:29:25Biblioteca Digital de Teses e Dissertações da UNICAP - Universidade Católica de Pernambuco (UNICAP)false
dc.title.por.fl_str_mv Redes neurais artificiais como ferramenta de apoio ao desenvolvimento de meios de produção de biossurfactantes
title Redes neurais artificiais como ferramenta de apoio ao desenvolvimento de meios de produção de biossurfactantes
spellingShingle Redes neurais artificiais como ferramenta de apoio ao desenvolvimento de meios de produção de biossurfactantes
Garcia, Fernando Antonio Marçal
redes neurais (computação)
biossurfactantes
dissertações
neural networks (computer science)
biosurfactants
dissertations
CNPQ::CIENCIAS BIOLOGICAS::BIOLOGIA GERAL
title_short Redes neurais artificiais como ferramenta de apoio ao desenvolvimento de meios de produção de biossurfactantes
title_full Redes neurais artificiais como ferramenta de apoio ao desenvolvimento de meios de produção de biossurfactantes
title_fullStr Redes neurais artificiais como ferramenta de apoio ao desenvolvimento de meios de produção de biossurfactantes
title_full_unstemmed Redes neurais artificiais como ferramenta de apoio ao desenvolvimento de meios de produção de biossurfactantes
title_sort Redes neurais artificiais como ferramenta de apoio ao desenvolvimento de meios de produção de biossurfactantes
author Garcia, Fernando Antonio Marçal
author_facet Garcia, Fernando Antonio Marçal
author_role author
dc.contributor.advisor1.fl_str_mv Albuquerque, Clarissa Daisy da Costa
dc.contributor.advisor1ID.fl_str_mv CPF:23414227487
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/1337583822386227
dc.contributor.referee1.fl_str_mv Harrop, Mabel Hanna Vance
dc.contributor.referee1ID.fl_str_mv CPF:00000000414
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/9719170192765255
dc.contributor.referee2.fl_str_mv Bernardino Júnior, Francisco Madeiro
dc.contributor.referee2ID.fl_str_mv CPF:43047165300
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/1934903225521860
dc.contributor.authorID.fl_str_mv CPF:42607833434
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/9151958327577537
dc.contributor.author.fl_str_mv Garcia, Fernando Antonio Marçal
contributor_str_mv Albuquerque, Clarissa Daisy da Costa
Harrop, Mabel Hanna Vance
Bernardino Júnior, Francisco Madeiro
dc.subject.por.fl_str_mv redes neurais (computação)
biossurfactantes
dissertações
topic redes neurais (computação)
biossurfactantes
dissertações
neural networks (computer science)
biosurfactants
dissertations
CNPQ::CIENCIAS BIOLOGICAS::BIOLOGIA GERAL
dc.subject.eng.fl_str_mv neural networks (computer science)
biosurfactants
dissertations
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS BIOLOGICAS::BIOLOGIA GERAL
description 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
publishDate 2009
dc.date.issued.fl_str_mv 2009-08-24
dc.date.available.fl_str_mv 2012-04-17
dc.date.accessioned.fl_str_mv 2017-06-01T18:20:32Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://tede2.unicap.br:8080/handle/tede/611
url http://tede2.unicap.br:8080/handle/tede/611
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Católica de Pernambuco
dc.publisher.program.fl_str_mv Mestrado em Desenvolvimento de Processos Ambientais
dc.publisher.initials.fl_str_mv UNICAP
dc.publisher.country.fl_str_mv BR
dc.publisher.department.fl_str_mv Desenvolvimento de Processos Ambientais
publisher.none.fl_str_mv Universidade Católica de Pernambuco
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UNICAP
instname:Universidade Católica de Pernambuco (UNICAP)
instacron:UNICAP
instname_str Universidade Católica de Pernambuco (UNICAP)
instacron_str UNICAP
institution UNICAP
reponame_str Biblioteca Digital de Teses e Dissertações da UNICAP
collection Biblioteca Digital de Teses e Dissertações da UNICAP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UNICAP - Universidade Católica de Pernambuco (UNICAP)
repository.mail.fl_str_mv biblioteca@unicap.br||biblioteca@unicap.br
_version_ 1846355096174067712

Registros relacionados