Otimização em tempo real de uma planta de tratamento de efluentes utilizando técnicas de aprendizado de máquina.

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: VILAR, Damiris Valeska Farias. lattes
Orientador(a): ARAÚJO, Antonio Carlos Brandão de. lattes
Banca de defesa: SILVA JUNIOR, Heleno Bispo da., SILVA, Sidinei Kleber da
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Campina Grande
Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM ENGENHARIA QUÍMICA
Departamento: Centro de Ciências e Tecnologia - CCT
País: Brasil
Palavras-chave em Português:
BSM1
Tratamento de efluentes
Metamodelos
Kriging
RTO
Wastewater treatment
Meta models
Área do conhecimento CNPq:
Engenharia Química
Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/32744
Resumo: O tratamento de águas residuais utilizando o processo de lodos ativados é uma técnica de alta eficiência na remoção de compostos orgânicos e produtos nitrogenados, tornando-se amplamente utilizada e viabilizando a reutilização das águas tratadas. A modelagem computacional tem sido uma ferramenta essencial para melhorar o desempenho dos sistemas de tratamento, permitindo o planejamento e análise das estações de tratamento de efluentes. Diversos modelos preditivos, como o ASM para sistemas de lodos ativados e o BSM para o tratamento biológico em reatores de lodo ativado, têm sido desenvolvidos para avaliar estratégias de controle em estações de tratamento. Com o intuito de aprimorar esses processos, o uso de metamodelos tem sido explorado, oferecendo uma representação simplificada e otimizada do modelo original e resultando em economia de tempo e recursos computacionais em várias áreas, incluindo engenharia e ciência. A pesquisa propõe a otimização em tempo real de uma planta de tratamento de efluentes por meio de técnicas de aprendizado de máquina, utilizando o modelo BSM1 e metamodelos kriging. O estudo visou compreender o desempenho dos otimizadores nas simulações de processos de tratamento de águas residuais, avaliando diferentes métricas para identificar tendências e eficiência. Os resultados evidenciaram a confiabilidade do kriging na geração de metamodelos, com todas as combinações apresentando resultados satisfatórios. Os otimizadores "matlab", “filtersd” e "ipopt" mostraram-se eficazes na função objetivo e no atendimento de restrições, enquanto o "nomad" e "nlopt" apresentaram desempenho inferior. A abordagem de otimização RTO demonstrou resultados satisfatórios, possibilitando uma melhor compreensão dos processos envolvidos. A combinação dessas técnicas mostra-se promissora para aprimorar a eficiência operacional das estações de tratamento de águas residuais, com o potencial de contribuir significativamente para uma gestão sustentável dos recursos hídricos e uma redução do impacto ambiental.
id UFCG_fe4752bd592fb484d19bb23988bdde0d
oai_identifier_str oai:dspace.sti.ufcg.edu.br:riufcg/32744
network_acronym_str UFCG
network_name_str Biblioteca Digital de Teses e Dissertações da UFCG
repository_id_str
spelling ARAÚJO, Antonio Carlos Brandão de.ARAÚJO, A. C. B.http://lattes.cnpq.br/7308979392690336SILVA JUNIOR, Heleno Bispo da.SILVA, Sidinei Kleber daVILAR, D. V. F.http://lattes.cnpq.br/2618356226276789VILAR, Damiris Valeska Farias.O tratamento de águas residuais utilizando o processo de lodos ativados é uma técnica de alta eficiência na remoção de compostos orgânicos e produtos nitrogenados, tornando-se amplamente utilizada e viabilizando a reutilização das águas tratadas. A modelagem computacional tem sido uma ferramenta essencial para melhorar o desempenho dos sistemas de tratamento, permitindo o planejamento e análise das estações de tratamento de efluentes. Diversos modelos preditivos, como o ASM para sistemas de lodos ativados e o BSM para o tratamento biológico em reatores de lodo ativado, têm sido desenvolvidos para avaliar estratégias de controle em estações de tratamento. Com o intuito de aprimorar esses processos, o uso de metamodelos tem sido explorado, oferecendo uma representação simplificada e otimizada do modelo original e resultando em economia de tempo e recursos computacionais em várias áreas, incluindo engenharia e ciência. A pesquisa propõe a otimização em tempo real de uma planta de tratamento de efluentes por meio de técnicas de aprendizado de máquina, utilizando o modelo BSM1 e metamodelos kriging. O estudo visou compreender o desempenho dos otimizadores nas simulações de processos de tratamento de águas residuais, avaliando diferentes métricas para identificar tendências e eficiência. Os resultados evidenciaram a confiabilidade do kriging na geração de metamodelos, com todas as combinações apresentando resultados satisfatórios. Os otimizadores "matlab", “filtersd” e "ipopt" mostraram-se eficazes na função objetivo e no atendimento de restrições, enquanto o "nomad" e "nlopt" apresentaram desempenho inferior. A abordagem de otimização RTO demonstrou resultados satisfatórios, possibilitando uma melhor compreensão dos processos envolvidos. A combinação dessas técnicas mostra-se promissora para aprimorar a eficiência operacional das estações de tratamento de águas residuais, com o potencial de contribuir significativamente para uma gestão sustentável dos recursos hídricos e uma redução do impacto ambiental.Wastewater treatment using the activated sludge process is a highly efficient technique for the removal of organic compounds and nitrogenous products, becoming widely used and enabling the reuse of treated waters. Computational modeling has been an essential tool to enhance the performance of treatment systems, allowing for the planning and analysis of effluent treatment plants. Several predictive models, such as ASM for activated sludge systems and BSM for biological treatment in activated sludge reactors, have been developed to evaluate control strategies in treatment plants. To improve these processes, the use of metamodels has been explored, offering a simplified and optimized representation of the original model and resulting in time and computational resources savings across various fields, including engineering and science. This research proposes real-time optimization of an effluent treatment plant through machine learning techniques, utilizing the BSM1 model and kriging metamodels. The study aimed to understand the performance of optimizers in simulations of wastewater treatment processes, evaluating different metrics to identify trends and efficiency. The results demonstrated the reliability of kriging in generating metamodels, with all combinations yielding satisfactory outcomes. The optimizers "matlab," "filtersd," and "ipopt" proved effective in the objective function and compliance with constraints, while "nomad" and "nlopt" exhibited lower performance. The RTO optimization approach yielded satisfactory results, enabling a better understanding of the involved processes. The combination of these techniques holds promise to enhance the operational efficiency of wastewater treatment plants, with the potential to significantly contribute to sustainable water resource management and environmental impact reduction.Submitted by Helder Soares Dantas (helder-dantas@hotmail.com) on 2023-11-09T17:57:32Z No. of bitstreams: 1 DAMIRIS VALESKA FARIAS VILAR DISSERTACAO (PPGEQ) 2023.pdf: 1509237 bytes, checksum: d00d9b1b7692b8506442bc659afce114 (MD5)Made available in DSpace on 2023-11-09T17:57:32Z (GMT). No. of bitstreams: 1 DAMIRIS VALESKA FARIAS VILAR DISSERTACAO (PPGEQ) 2023.pdf: 1509237 bytes, checksum: d00d9b1b7692b8506442bc659afce114 (MD5) Previous issue date: 2023-09-28Universidade Federal de Campina GrandePÓS-GRADUAÇÃO EM ENGENHARIA QUÍMICAUFCGBrasilCentro de Ciências e Tecnologia - CCTEngenharia QuímicaBSM1Tratamento de efluentesMetamodelosKrigingRTOWastewater treatmentMeta modelsOtimização em tempo real de uma planta de tratamento de efluentes utilizando técnicas de aprendizado de máquina.Real-time optimization of an wastewater treatment plant using machine learning techniques.2023-09-282023-11-09T17:57:32Z2023-11-092023-11-09T17:57:32Zhttps://dspace.sti.ufcg.edu.br/handle/riufcg/32744VILAR, Damiris Valeska Farias. Otimização em tempo real de uma planta de tratamento de efluentes utilizando técnicas de aprendizado de máquina. 2023. 101 f. Dissertação (Mestardo em Engenharia Química) – Programa de Pós-Graduação em Engenharia Química, Centro de Ciências e Tecnologia, Universidade Federal de Campina Grande, Paraíba, Brasil, 2023.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCGTEXTDAMIRIS VALESKA FARIAS VILAR DISSERTACAO (PPGEQ) 2023.pdf.txtDAMIRIS VALESKA FARIAS VILAR DISSERTACAO (PPGEQ) 2023.pdf.txttext/plain189939https://dspace.sti.ufcg.edu.br/bitstream/riufcg/32744/3/DAMIRIS+VALESKA+FARIAS+VILAR+DISSERTACAO+%28PPGEQ%29+2023.pdf.txtf61a4e9efedc6a701d58b2f729bb8259MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://dspace.sti.ufcg.edu.br/bitstream/riufcg/32744/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALDAMIRIS VALESKA FARIAS VILAR DISSERTACAO (PPGEQ) 2023.pdfDAMIRIS VALESKA FARIAS VILAR DISSERTACAO (PPGEQ) 2023.pdfapplication/pdf1509237https://dspace.sti.ufcg.edu.br/bitstream/riufcg/32744/1/DAMIRIS+VALESKA+FARIAS+VILAR+DISSERTACAO+%28PPGEQ%29+2023.pdfd00d9b1b7692b8506442bc659afce114MD51riufcg/327442025-11-18 03:27:25.54oai:dspace.sti.ufcg.edu.br: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Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512025-11-18T06:27:25Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false
dc.title.pt_BR.fl_str_mv Otimização em tempo real de uma planta de tratamento de efluentes utilizando técnicas de aprendizado de máquina.
dc.title.alternative.pt_BR.fl_str_mv Real-time optimization of an wastewater treatment plant using machine learning techniques.
title Otimização em tempo real de uma planta de tratamento de efluentes utilizando técnicas de aprendizado de máquina.
spellingShingle Otimização em tempo real de uma planta de tratamento de efluentes utilizando técnicas de aprendizado de máquina.
VILAR, Damiris Valeska Farias.
Engenharia Química
BSM1
Tratamento de efluentes
Metamodelos
Kriging
RTO
Wastewater treatment
Meta models
title_short Otimização em tempo real de uma planta de tratamento de efluentes utilizando técnicas de aprendizado de máquina.
title_full Otimização em tempo real de uma planta de tratamento de efluentes utilizando técnicas de aprendizado de máquina.
title_fullStr Otimização em tempo real de uma planta de tratamento de efluentes utilizando técnicas de aprendizado de máquina.
title_full_unstemmed Otimização em tempo real de uma planta de tratamento de efluentes utilizando técnicas de aprendizado de máquina.
title_sort Otimização em tempo real de uma planta de tratamento de efluentes utilizando técnicas de aprendizado de máquina.
author VILAR, Damiris Valeska Farias.
author_facet VILAR, Damiris Valeska Farias.
author_role author
dc.contributor.advisor1.fl_str_mv ARAÚJO, Antonio Carlos Brandão de.
dc.contributor.advisor1ID.fl_str_mv ARAÚJO, A. C. B.
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/7308979392690336
dc.contributor.referee1.fl_str_mv SILVA JUNIOR, Heleno Bispo da.
dc.contributor.referee2.fl_str_mv SILVA, Sidinei Kleber da
dc.contributor.authorID.fl_str_mv VILAR, D. V. F.
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/2618356226276789
dc.contributor.author.fl_str_mv VILAR, Damiris Valeska Farias.
contributor_str_mv ARAÚJO, Antonio Carlos Brandão de.
SILVA JUNIOR, Heleno Bispo da.
SILVA, Sidinei Kleber da
dc.subject.cnpq.fl_str_mv Engenharia Química
topic Engenharia Química
BSM1
Tratamento de efluentes
Metamodelos
Kriging
RTO
Wastewater treatment
Meta models
dc.subject.por.fl_str_mv BSM1
Tratamento de efluentes
Metamodelos
Kriging
RTO
Wastewater treatment
Meta models
description O tratamento de águas residuais utilizando o processo de lodos ativados é uma técnica de alta eficiência na remoção de compostos orgânicos e produtos nitrogenados, tornando-se amplamente utilizada e viabilizando a reutilização das águas tratadas. A modelagem computacional tem sido uma ferramenta essencial para melhorar o desempenho dos sistemas de tratamento, permitindo o planejamento e análise das estações de tratamento de efluentes. Diversos modelos preditivos, como o ASM para sistemas de lodos ativados e o BSM para o tratamento biológico em reatores de lodo ativado, têm sido desenvolvidos para avaliar estratégias de controle em estações de tratamento. Com o intuito de aprimorar esses processos, o uso de metamodelos tem sido explorado, oferecendo uma representação simplificada e otimizada do modelo original e resultando em economia de tempo e recursos computacionais em várias áreas, incluindo engenharia e ciência. A pesquisa propõe a otimização em tempo real de uma planta de tratamento de efluentes por meio de técnicas de aprendizado de máquina, utilizando o modelo BSM1 e metamodelos kriging. O estudo visou compreender o desempenho dos otimizadores nas simulações de processos de tratamento de águas residuais, avaliando diferentes métricas para identificar tendências e eficiência. Os resultados evidenciaram a confiabilidade do kriging na geração de metamodelos, com todas as combinações apresentando resultados satisfatórios. Os otimizadores "matlab", “filtersd” e "ipopt" mostraram-se eficazes na função objetivo e no atendimento de restrições, enquanto o "nomad" e "nlopt" apresentaram desempenho inferior. A abordagem de otimização RTO demonstrou resultados satisfatórios, possibilitando uma melhor compreensão dos processos envolvidos. A combinação dessas técnicas mostra-se promissora para aprimorar a eficiência operacional das estações de tratamento de águas residuais, com o potencial de contribuir significativamente para uma gestão sustentável dos recursos hídricos e uma redução do impacto ambiental.
publishDate 2023
dc.date.issued.fl_str_mv 2023-09-28
dc.date.accessioned.fl_str_mv 2023-11-09T17:57:32Z
dc.date.available.fl_str_mv 2023-11-09
2023-11-09T17:57:32Z
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 https://dspace.sti.ufcg.edu.br/handle/riufcg/32744
dc.identifier.citation.fl_str_mv VILAR, Damiris Valeska Farias. Otimização em tempo real de uma planta de tratamento de efluentes utilizando técnicas de aprendizado de máquina. 2023. 101 f. Dissertação (Mestardo em Engenharia Química) – Programa de Pós-Graduação em Engenharia Química, Centro de Ciências e Tecnologia, Universidade Federal de Campina Grande, Paraíba, Brasil, 2023.
url https://dspace.sti.ufcg.edu.br/handle/riufcg/32744
identifier_str_mv VILAR, Damiris Valeska Farias. Otimização em tempo real de uma planta de tratamento de efluentes utilizando técnicas de aprendizado de máquina. 2023. 101 f. Dissertação (Mestardo em Engenharia Química) – Programa de Pós-Graduação em Engenharia Química, Centro de Ciências e Tecnologia, Universidade Federal de Campina Grande, Paraíba, Brasil, 2023.
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 Federal de Campina Grande
dc.publisher.program.fl_str_mv PÓS-GRADUAÇÃO EM ENGENHARIA QUÍMICA
dc.publisher.initials.fl_str_mv UFCG
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Centro de Ciências e Tecnologia - CCT
publisher.none.fl_str_mv Universidade Federal de Campina Grande
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFCG
instname:Universidade Federal de Campina Grande (UFCG)
instacron:UFCG
instname_str Universidade Federal de Campina Grande (UFCG)
instacron_str UFCG
institution UFCG
reponame_str Biblioteca Digital de Teses e Dissertações da UFCG
collection Biblioteca Digital de Teses e Dissertações da UFCG
bitstream.url.fl_str_mv https://dspace.sti.ufcg.edu.br/bitstream/riufcg/32744/3/DAMIRIS+VALESKA+FARIAS+VILAR+DISSERTACAO+%28PPGEQ%29+2023.pdf.txt
https://dspace.sti.ufcg.edu.br/bitstream/riufcg/32744/2/license.txt
https://dspace.sti.ufcg.edu.br/bitstream/riufcg/32744/1/DAMIRIS+VALESKA+FARIAS+VILAR+DISSERTACAO+%28PPGEQ%29+2023.pdf
bitstream.checksum.fl_str_mv f61a4e9efedc6a701d58b2f729bb8259
8a4605be74aa9ea9d79846c1fba20a33
d00d9b1b7692b8506442bc659afce114
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)
repository.mail.fl_str_mv bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br
_version_ 1863363542123544576

Registros relacionados