Modelagem de Redes Neurais Artificiais para predição da produção de H2 por consórcios de microrganismos

O presente trabalho teve o objetivo de desenvolver um algoritmo no ambiente MATLAB afim de obter uma Rede Neural Artificial (RNA) que modelasse a produção de H2 pelo consórcio de microrganismos ESG. Foram testadas 12 configurações diferentes de RNA, variando a função de transferência, algoritmo de aprendizado e número de neurônios na camada oculta. Considerando o menor erro quadrático médio, a configuração escolhida foi a que usa a função de transferência logarítmica sigmoide, algoritmo de backpropagation de Levenberg Marquardt e 38 neurônios em uma única camada oculta. A configuração foi então repetida em 1.000.000 RNAs e dentre estas, a RNA com o melhor índice de correlação com dados experimentais foi escolhida. Dessa forma, o presente trabalho obteve sucesso na validação dos dois códigos desenvolvidos. Assim, foi possível encontrar uma RNA que modela com precisão o volume de H2 produzido nas mais diversas condições de temperatura, pH, inóculo e razão carbono nitrogênio (C/N) pelo consórcio ESG.