| DC Field | Value | Language |
|---|
| dc.contributor.advisor | ROBERTO ALEJO ELEUTERIO | - |
| dc.contributor.author | Salvador Domínguez Beltrán | - |
| dc.creator | Salvador Domínguez Beltrán | - |
| dc.date.accessioned | 2026-07-02T15:12:24Z | - |
| dc.date.available | 2026-07-02T15:12:24Z | - |
| dc.date.issued | 2026-06-30 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/13649 | - |
| dc.description | La liberación de aguas residuales industriales que contienen colorantes sintéticos
plantea un problema ambiental importante debido a su toxicidad y persistencia.
Entre las opciones de tratamiento, los materiales naturales, específicamente el
hidrogel de quitosano-alcohol polivinílico (quitosano-PVA), han demostrado una alta
eficacia en la eliminación de colorantes debido a sus abundantes grupos funcionales
y capacidad de adsorción comprobada. Sin embargo, la optimización experimental
de estos sistemas suele ser laboriosa y requiere muchos recursos. Este estudio
introduce un modelo de red neuronal artificial (RNA) para predecir la capacidad de
adsorción (!") y el tiempo necesario para alcanzar el equilibrio durante la
eliminación del colorante tartrazina utilizando perlas de hidrogel de quitosano-PVA
de diferentes tamaños promedio, categorizados como pequeños, medianos y
grandes (2,1, 2,5 y 3,2 mm, respectivamente) a temperaturas de 10, 30 y 50 °C. El
modelo RNA se comparó con modelos cinéticos tradicionales: pseudo-primer orden,
pseudo-segundo orden y Elovich. Los resultados mostraron que la ANN superó a
los modelos convencionales en la predicción de qe y el tiempo de equilibrio,
especialmente para perlas pequeñas a 10 °C, donde !" = 945 mg/g en 40 h con un
#2 de 0.9428. En todas las condiciones, la ANN logró altos coeficientes de
correlación (#2>0.94) y acortó significativamente los tiempos de predicción. Aunque
el modelo de pseudo-segundo orden alcanzó altos valores de #2 (hasta 0.9929),
tardó más de 72 h en alcanzar la predicción de equilibrio. Estos resultados
demuestran que el modelado basado en ANN puede reducir el esfuerzo
experimental hasta en un 50 % en el tiempo de predicción, manteniendo una alta
capacidad predictiva (#2>0,94), lo que ofrece un enfoque sostenible y eficiente para
el diseño de procesos de tratamiento de aguas residuales. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/2 | es_MX |
| dc.subject.other | Modelado Neuronal | es_MX |
| dc.subject.other | Adsorción de colorantes | es_MX |
| dc.subject.other | Amarillo No. 5 | es_MX |
| dc.title | MODELADO NEURONAL ARTIFICIAL PARA EL PROCESO DE ADSORCIÓN POR LOTES DEL COLORANTE AMARILLO NO. 5 EN SOLUCIÓN ACUOSA MEDIANTE EL HIDROGEL DE QUITOSANO-POLI(VINIL ALCOHOL | es_MX |
| dc.type | info:eu-repo/semantics/masterThesis | es_MX |
| dc.contributor.director | JOSÉ LUIS GARCÍA RIVAS | - |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Instituto Tecnológico de Toluca | es_MX |
| Appears in Collections: |
|
