| dc.creator | Álvarez, Dolores María Eugenia | |
| dc.creator | Modesti, Mario Roberto | |
| dc.creator | Gerbaldo, María Verónica | |
| dc.creator | Mendieta, Silvia Nazaret | |
| dc.creator | Crivello, Mónica Elsie | |
| dc.date | 2022-05-03T20:34:15Z | |
| dc.date | 2022-05-03T20:34:15Z | |
| dc.date | 2021 | |
| dc.date.accessioned | 2023-08-31T14:34:43Z | |
| dc.date.available | 2023-08-31T14:34:43Z | |
| dc.identifier | http://hdl.handle.net/20.500.12272/6207 | |
| dc.identifier | - | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8548034 | |
| dc.description | Los contaminantes emergentes son sustancias químicas que comúnmente que no se encuentran monitoreadas pero pueden causar efectos adversos ecológicos y para la salud humana, tal es el caso del diclofenaco sódico. Éste puede ser degradado mediante un proceso heterogéneo de Photo-Fenton, utilizando CoFe2O4 como catalizador, H2O2 como oxidante y radiación germicida UV. El objetivo del trabajo es comprobar la capacidad de generalización de modelos matemáticos basados en redes neuronales artificiales que caractericen la relación entre la degradación del diclofenaco y el consumo de H2O2, con los porcentajes de Carbono Orgánico Total logrados en la mineralización del fármaco. La red neuronal bakpropagation que mejor desempeño mostró está constituida con una capa oculta con función de transferencia sigmoidea, conteniendo 10 neuronas y una de salida con lineal. Se determinó que el modelo posee capacidad de aproximar la tendencia en cuanto a la combinación de datos de entrada (Absorbancia y concentración de H2O2) y salida del mismo (% de TOC), cuando se valida con el catalizador reusado por primera y segunda vez. El desarrollo de estos modelos es de interés por la consecuente disminución de tiempos y costos en ensayos experimentales; representa un estudio preliminar de la evolución en el tratamiento de contaminantes emergentes. | |
| dc.description | Fil: Álvarez, Dolores María Eugenia. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina. | |
| dc.description | Fil: Gerbaldo, María Verónica. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina. | |
| dc.description | Fil: Mendieta, Silvia Nazaret. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina. | |
| dc.description | Fil: Crivello, Mónica Elsie. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina. | |
| dc.description | Fil: Modesti, Mario Roberto. Laboratorio de Sensores e Instrumentación. LabSen. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina. | |
| dc.format | plain | |
| dc.language | spa | |
| dc.rights | openAccess | |
| dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | |
| dc.rights | Crivello, Mónica Elsie | |
| dc.rights | X Atribución (Attribution): En cualquier explotación de la obra autorizada por la licencia será necesario reconocer la autoría (obligatoria en todos los casos).
X No comercial (Non Commercial): La explotación de la obra queda limitada a usos no comerciales.
X Sin obras derivadas (No Derivate Works): La autorización para explotar la obra no incluye la posibilidad de crear una obra derivada (traducciones, adaptaciones, etc.).
X Compartir igual (Share Alike): La explotación autorizada incluye la creación de obras derivadas siempre que se mantenga la misma licencia al ser divulgadas. | |
| dc.rights | 2021 | |
| dc.subject | Contaminantes Emergentes | |
| dc.subject | Redes Neuronales Artificiales | |
| dc.subject | Ferritas | |
| dc.subject | Modelos Matemáticos | |
| dc.title | Modelos basados en redes neuronales artificiales para la degradación de contaminantes emergentes: desarrollo y validación | |
| dc.type | info:eu-repo/semantics/conferenceObject | |
| dc.type | publisherVersion | |
