Modelado y optimización mediante redes neuronales de la adsorción de Cr(VI) utilizando perlas de quitosano modificadas con biomasa y biocarbón

Abstract

La contaminación del agua por cromo hexavalente [Cr(VI)] representa un problema ambiental debido a su toxicidad, persistencia y efectos adversos sobre la salud y los ecosistemas. La adsorción mediante materiales de origen biológico constituye una alternativa para su remoción; sin embargo, el comportamiento multivariable y no lineal de estos sistemas dificulta la identificación de las condiciones y composiciones que favorecen el proceso. En este trabajo se evaluó el uso de redes neuronales artificiales para modelar y optimizar la adsorción de Cr(VI) mediante perlas adsorbentes con matriz de quitosano (CTS), incorporando biomasa de sargazo (BM) y biocarbón (BC). A partir de datos experimentales obtenidos en sistemas por lotes, se desarrolló una red neuronal tipo Feedforward Neural Network (FNN), considerando variables relacionadas con la composición de las perlas y las condiciones experimentales del proceso. El modelo presentó una alta capacidad predictiva, alcanzando un coeficiente de determinación (R²) de 0.99. Posteriormente, se realizaron análisis de sensibilidad para evaluar la influencia de la composición de las perlas y de la activación ácida sobre la concentración residual de Cr(VI). Finalmente, el modelo neuronal se utilizó como herramienta de optimización computacional para identificar regiones de composición con mayor potencial de remoción. Los resultados muestran que la integración de materiales adsorbentes basados en quitosano con herramientas de inteligencia artificial permite describir el comportamiento no lineal del sistema y explorar composiciones potencialmente favorables, reduciendo el número de combinaciones que sería necesario evaluar experimentalmente. Este enfoque demuestra el potencial de las redes neuronales como herramienta complementaria para el diseño y optimización de materiales destinados al tratamiento de agua.

Keywords: Adsorción; Cr(VI); redes neuronales artificiales