Publication detail

Modelling Caffeine and Paracetamol Removal from Synthetic Wastewater Using Nanofiltration Membranes: A Comparative Study of Artificial Neural Networks and Response Surface Methodology

Authors: Ezeogu Nkechi | Mikulášek Petr | Onu Chijioke Elijah | Anike Obinna | Cuhorka Jiří

Year: 2025

Type of publication: článek v odborném periodiku

Name of source: MEMBRANES

Publisher name: MDPI

Place: BASEL

Page from-to: nestránkováno

Titles:

Language	Name	Abstract	Keywords
cze	Modelování Odstraňování Kofeinu a Paracetamolu ze Syntetických Odpadních Vod Pomocí Nanofiltračních Membrán: Srovnávací Studie Umělých Neuronových Sítí a Metodologie Plochy Odezvy	Tato studie srovnává schopnosti modelů Metodologie Plochy Odezvy (RSM) a Umělých Neuronových Sítí (ANN) při předpovídání účinnosti retence (rejekce) kofeinu a paracetamolu pomocí nanofiltračních (NF) membrán AFC 40 a AFC 80. Experimenty byly prováděny za různých provozních podmínek, transmembránový tlak, koncentrace v nástřiku a průtok nástřiku. Predikční výkon obou modelů byl vyhodnocen pomocí statistických metrik. Zatímco se oba přístupy úzce shodovaly s experimentálními výsledky, model ANN trvale vykazoval nižší hodnoty chyb a vyšší hodnoty R^2, což naznačuje lepší predikční výkon. Tyto výsledky podporují použití ANN jako robustního modelovacího nástroje pro optimalizaci procesů NF pro odstraňování farmaceutických látek.	kofein; paracetamol; umělé neuronové sítě; metodologie plochy odezvy; nanofiltrace
eng	Modelling Caffeine and Paracetamol Removal from Synthetic Wastewater Using Nanofiltration Membranes: A Comparative Study of Artificial Neural Networks and Response Surface Methodology	The integration of computational intelligence techniques into pharmaceutical wastewater treatment offers promising opportunities to improve process efficiency and minimize operational costs. This study compares the predictive capabilities of Response Surface Methodology (RSM) and Artificial Neural Network (ANN) models in forecasting the rejection efficiencies of caffeine and paracetamol using AFC 40 and AFC 80 nanofiltration (NF) membranes. Experiments were conducted under varying operating conditions, including transmembrane pressure, feed concentration, and flow rate. The predictive performance of both models was evaluated using statistical metrics. While both approaches closely matched the experimental results, the ANN model consistently yielded lower error values and higher R^2 values, indicating superior predictive performance. These findings support the application of ANNs as a robust modelling tool in optimizing NF membrane processes for pharmaceutical removal.	caffeine; paracetamol; artificial neural networks; response surface methodology; nanofiltration

Search

Login for students

Login for employees

Publication detail

Departments

Other Parts

Map

Services

Popular Links