Aplicação de redes neuronais artificiais na gestão da produção de biogás resultante de processos de digestão anaeróbia

A investigação realizada integra-se num estudo no âmbito das redes neuronais artificiais (RNA), previamente iniciado em diferentes ETAR do Grupo Águas de Portugal. O trabalho executado centrou-se em dois casos de estudo diferentes, um localizado na ETAR do Seixal e outro situado na ETAR de Sesimbra. O principal alvo da investigação efetuada na ETAR do Seixal foi gerar RNA com capacidade de prever valores de condutividade existentes no caudal total afluente à ETAR, de modo a adicionar este parâmetro a um conjunto de variáveis pré-existente e estudar a sua influência no processo de digestão anaeróbia. Na ETAR de Sesimbra o foco do estudo foi a criação de um conjunto de variáveis afeto ao mesmo processo de tratamento e com base no potencial de aprendizagem das RNA, estimar valores de biogás gerado. Concluída a investigação em cada ETAR, criou-se um modelo comum aos dois casos de estudo com o objetivo de prever valores de biogás gerado. As RNA foram produzidas com recurso a um programa de computador denominado NeuralTools®. As séries de dados das diferentes variáveis constituíam a base de informação das RNA e a sua construção e preparação foi um aspeto fundamental no trabalho realizado. A análise estatística foi o principal suporte do tratamento de dados efetuado em ambos os casos de estudo. Foram produzidas bastantes RNA e em diferentes condições, de forma a gerar os melhores resultados possíveis. Na investigação concretizada na ETAR do Seixal não se produziram bons resultados, por insuficiência do conhecimento da relação entre o funcionamento do processo de digestão anaeróbia e os valores de condutividade registados. Na ETAR de Sesimbra, a melhor RNA foi produzida com base nas séries de dados que evidenciaram um maior coeficiente de correlação com a série de dados de caudal de biogás. Os resultados gerados na ETAR de Sesimbra foram satisfatórios, tal como também foram os resultados dos testes realizados com o modelo global. O principal obstáculo na produção de melhores resultados advém da elevada variabilidade de valores existente nas séries de dados relacionadas com o funcionamento do processo de digestão anaeróbia.