MÁQUINA DE APRENDIZAJE PARA OPTIMIZACIÓN VÍA SIMULACIÓN DE ACIDULACIÓN DE RESIDUOS ORGÁNICOS HÚMEDOS

(MACHINE LEARNING FOR OPTIMIZATION VIA SIMULATION OF WET ORGANIC WASTE ACIDULATION)

Resumen

Esta investigación experimental exploratoria estocástica y determinística de machine learning en el ajuste de un modelo de red neuronal artificial con ajuste por el método de Gauss Newton para optimización predictiva multifactor-multiobjetivo vía simulación de un acidulante (mezcla de ácidos orgánicos carboxílicos) de residuos orgánicos no persistentes con alta humedad (ROnoP-AH) de consumo animal, residuos estandarizado al 2 % de sal(NaCl) consumo animal estándar y 2 % de melaza de caña de azúcar; el acidulante como tecnología de control de variables indicadoras de cambios fisicoquímica para laestabilización biológica de los ROnoP-AH. El diseño de muestreo estadístico fue unGaussiano IMSE optimal (GIMSEOp). Para las restricciones de variabilidad de las respuestas de calidad en la optimización vía simulación se utilizaron funciones de reglas difusas multimétrica: minimizar la acidez iónica (pH: índice de moles H+/litro) y la acidez titulable total (ATT: ml NaOH 1N), target el potencial redox (POR: mV) entre +0 y +200 mV y maximizar la capacidad buffer (CB: ml NaOH 1N±1∆pH); bajo la hipótesis fisiológica de que un POR negativo cercano a cero (alejado de -450 mV) inhibe el metabolismo respiratorio de microorganismos (MRM) anaerobios y un POR cercanos a 0 mV (alejados de +850 mV) inhibe el MRM aerobios. La mezcla optima operativa de ácidos obtenida fue: 3,46 g de Citrato de Na (~35,67%), 0,62 g de Benzoato de Na (~6,39%), 3 ml de Acido Fórmico (~30,93%) y 2,62 ml de Ácido Acético (~27,01%), con una deseabilidad de calidad del acidulante de ATT: 290,1, CB: 147,6 POR: 22,9 y pH: 2,15. Validándose la mezcla óptima acidulante en ROnoP-AH, con excelentes resultados, lográndoseestabilizarlos biológicamente y almacenarlos al ambiente sin refrigeración ni biocidas, por periodos de más de 3 meses. Palabras clave: Diseño experimental, Redox, Modelo, Optimización.