Redes neurais artificiais e modelos de regressão na predição de propriedades reológicas de méis brasileiro

• Ano de defesa: 2016
• Autor(a) principal: Silva, Vanelle Maria da
• Orientador(a): Resende, Jaime Vilela
• Banca de defesa: Ramos, Alcinéia de Lemos Souza, Takahashi, Fábio, Rocha, Roney Alves da, Lacerda, Wilian Soares
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Lavras
• Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência dos Alimentos
• Departamento: Departamento de Ciência dos Alimentos
• País: brasil
• Palavras-chave em Português: Apicultura - Modelos matemáticos; Mel - Propriedades físico-químicas; Mel - Propriedades reológicas; Mel - Viscosidade; Redes neurais (Neurobiologia); Regressão não linear; Bee culture - Mathematical models; Honey - Physical and chemical properties; Honey - Rheological properties; Honey - Viscosity; Neural networks (Neurobiology); Non-linear regression
• Área do conhecimento CNPq: Química, Física, Físico-Química e Bioquímica dos Alim. e das Mat.-Primas Alimentares
• Link de acesso: https://repositorio.ufla.br/handle/1/11567

As propriedades reológicas de méis têm uma importância prática para apicultores e indústrias. As relações entre propriedades físico-químicas e reológicas são sistemas não lineares complexos. Deste modo, redes neurais artificiais (RNAs) e modelos de regressão linear e não linear foram utilizados para a predição de propriedades reológicas de 40 méis brasileiros de diferentes origens florais, a partir de medidas de fácil obtenção. Uma caracterização reológica dos méis foi realizada por meio de testes de cisalhamento no estado estacionário para a determinação da viscosidade (η) em diferentes temperaturas (10 °C a 60 °C) e testes de cisalhamento oscilatório de pequenas amplitudes (COPA) para determinação dos parâmetros módulo elástico (G’), módulo viscoso (G’’) e viscosidade complexa (η*) em varreduras de temperatura (0 °C; 75 °C; 0 °C) e varreduras de frequência (0,1 Hz a 10 Hz) em diferentes temperaturas (10 °C a 60 °C). Todos os méis apresentaram comportamento como líquido nas temperaturas e no espectro mecânico avaliados. O modelo de Arrhenius foi o mais adequado na estimativa da η de todos os méis e da η* de alguns deles, sendo o modelo Williams-Landel-Ferry (WLF) o mais apropriado na predição da η* dos méis laranjeira, multifloral-sudeste e multifloral-sul. Modelos simplificados foram propostos na determinação da η e η* a partir do efeito combinado da temperatura e concentração, com coeficiente de determinação (R²) igual a 0,9540 e 0,9334, e erro (root mean square error -RMSE) igual a 8,00 e 10,44, para η e η*, respectivamente. Na estimativa da viscosidade (η) em medidas de cisalhamento no estado estacionário, uma RNA (modelo 1) com arquitetura 2-12-1 neurônios em suas camadas apresentou um bom desempenho na fase de teste, com RMSE e coeficiente de correlação (r) iguais a 0,0430 e 0,9681 respectivamente. Na predição dos parâmetros G’, G’’ e η* na varredura de temperatura durante aquecimento e resfriamento, RNAs com arquitetura 2-9-3 (modelo 2) e 2-3-3 (modelo 3), apresentaram RMSE iguais a 0,0261 e 0,0387, na fase de teste, respectivamente. Para todos os parâmetros determinados, modelos não lineares exponenciais apresentaram resultados equivalentes aos modelos 1, 2 e 3. Uma RNA com arquitetura 3-9-3 (modelo 4) apresentou RMSE e r, para G’ iguais a 0,0158 e 0,7301, para G’’ iguais a 0,0176 e 0,9581 e para η* iguais a 0,0407 e 0,9647, respectivamente, na fase de teste, para os dados de varredura de frequência. Estes resultados foram superiores aos obtidos por meio de modelos lineares múltiplos de segunda ordem. A obtenção de todos os modelos representa uma importante aplicação para o processamento de méis e de produtos à base de mel, visto que tais propriedades são essenciais nos cálculos de engenharia e no controle de qualidade dos produtos.