Ulteriori informazioni
para el análisis del proceso de intercambio iónico debido a su simplicidad con respecto a la simulación, predicción y modelización. Este proceso es complejo, no lineal e implica muchos factores que influyen en los mecanismos de captación de iones de la solución preñada, siendo el paso posterior la elución. Para mejorar el rendimiento del proceso de intercambio iónico, es necesario optimizarlo y analizarlo. La mayoría de los modelos basados en el proceso de intercambio iónico son teóricos. La modelización y la simulación son herramientas para alcanzar los objetivos. La mayoría de estos modelos se derivan de descripciones físicas y de una comprensión del proceso de intercambio iónico bajo ciertos supuestos. Sin embargo, como ya se ha mencionado, son matemáticamente complejos, computacionalmente caros e idealmente requieren un conocimiento muy detallado del propio proceso de intercambio iónico. Por lo tanto, es necesario encontrar un medio alternativo para predecir el rendimiento del proceso, lo que ha llevado a los investigadores a interesarse por la aplicación de técnicas de redes neuronales.
Info autore
El Dr. John Kabuba Tshilenge es profesor del Departamento de Ingeniería Química de la Universidad Tecnológica de Vaal. Tiene más de 13 años de experiencia en el mundo académico. Ha publicado más de 30 artículos revisados por pares en revistas, conferencias y capítulos de libros. Sus intereses de investigación se centran principalmente en las amplias áreas del tratamiento de aguas residuales y las redes neuronales.
