Analogía entre el modelo semifísico de base fenomenología y las redes neuronales utilizando como objeto de estudio el crecimiento de biomasa de Chlorella sorokiniana.

Abstract

El interés hacia el uso de modelos matemáticos como, los semifísicos de base fenomenológica (MSBF) y los de redes neuronales (RNA), con el propósito de predecir y analizar el comportamiento de microrganismos como Chlorella sorokiniana, cada vez aumenta. Esto se debe a que escalar, diseñar y controlar un cultivo de este microorganismo a gran escala representa grandes gastos en tiempo y dinero. Sin embargo, el modelado de estos sistemas en la actualidad utilizando los modelos matemáticos en cuestión es un proceso en mejora, debido a que aún se desconoce qué tan precisos son estimando el crecimiento de biomasa de Chlorella sorokiniana. Por tal motivo, en este estudio se comparó un modelo de base fenomenológica y uno de aprendizaje automatizado en la estimación de biomasa de Chlorella sorokiniana teniendo en cuenta el efecto de la irradiancia y una fuente de carbono orgánica, y tomando como punto de referencia los datos experimentales obtenidos en una investigación de la Universidad Icesi. Como resultado, el MSBF obtuvo un porcentaje de error promedio del 11,82%, mientras que el modelo de RNA logró estimar de manera más precisa el comportamiento de la concentración de biomasa microalgal con un porcentaje de error promedio del 6,01%.