Abstract:
In this study, a neuro-fuzzy estimator was developed for the estimation of biomass concentration of the microalgae Synechococcus nidulans from initial batch concentrations, aiming to predict daily productivity. Nine replica experiments were performed. The growth was monitored daily through the culture medium optic density and kept constant up to the end of the exponential phase. The network training followed a full 3³ factorial design, in which the factors were the number of days in the entry vector (3,5 and 7 days), number of clusters (10, 30 and 50 clusters) and internal weight softening parameter (Sigma) (0.30, 0.45 and 0.60). These factors were confronted with the sum of the quadratic error in the validations. The validations had 24 (A) and 18 (B) days of culture growth. The validations demonstrated that in long-term experiments
(Validation A) the use of a few clusters and high Sigma is necessary. However, in short-term experiments (Validation B), Sigma did not influence the result. The optimum point occurred within 3 days in the entry vector, 10 clusters and 0.60 Sigma and the mean determination coefficient was 0.95. The neuro-fuzzy estimator proved a credible alternative to predict the microalgae growth.
Neste trabalho, foi construído um estimador neuro-fuzzy da concentração de biomassa da microalga Synechococcus nidulans a partir de concentrações iniciais da batelada, visando possibilitar a predição da produtividade. Nove experimentos em réplica foram realizados. O crescimento foi acompanhado diariamente pela transmitância do meio e mantido até o final da fase exponencial de crescimento. O treinamento das redes ocorreu segundo delineamento experimental 33, os fatores foram o número de dias no vetor de entrada (3, 5 e 7 dias), o número de clusters (10, 30 e 50 clusters) e o valor de abrandamento do filtro interno (Sigma) (0,30, 0,45 e 0,60). A variável resposta foi o somatório do erro quadrático das validações. Estas possuíam 24 (A) e 18 (B) dias de crescimento. As validações demonstraram que, em experimentos de longo período (Validação A), é necessário usar poucos clusters e Sigmas altos. Já, em curtos períodos (Validação B), o Sigma não gera alterações. O ponto ótimo ocorreu com 3 dias na entrada, com 10 clusters e Sigma de 0,60, cujo coeficiente de determinação médio foi 0,95. O estimador neuro-fuzzy mostrou-se uma alternativa robusta para predição do crescimento desta microalga.
