Análisis de sensibilidad de los parámetros del modelo Pro-Alga para la simulación del crecimiento de Chlorella vulgaris
Resumo
El análisis de sensibilidad de un modelo matemático permite determinar cómo la incertidumbre de las salidas del modelo puede ser asignada a sus variables de entrada. En este trabajo se utiliza el método de Morris o de efectos elementales para realizar el análisis de sensibilidad global al modelo PRO-ALGA, para simulación del crecimiento de la microalga Chlorella vulgaris. Se siguieron los pasos siguientes: especificación de objetivos, selección de los factores a analizar, selección de las funciones de densidad de probabilidad para cada factor, generación de la muestra de entrada y evaluación del modelo. Los resultados permitieron identificar que los parámetros de entrada velocidad máxima de crecimiento de las microalgas (μa), constante de saturación media para el pH (KpH), constante de saturación media para la concentración de algas (KCA), coeficiente de transferencia de masa para el oxígeno a 25oC durante el día (KLAD) y coeficiente de transferencia de masa para el oxígeno a 25oC durante la noche (KLAN) son los que mayor influencia tienen sobre los parámetros de salida del modelo. El modelo es muy sensible a las variaciones de KCA; los parámetros de entrada μa, KLAD y KLAN tienen efectos no lineales o de interacción sobre los parámetros de salida del modelo. Los parámetros de entrada KpH y KCA no tienen efectos significativos sobre las variables de salida.
Referências
2. SALTELLI, A., et al. Variance based sensitivity analysis of model output. Design and estimator for the total sensitivity index. Computer Physics Communications. 2010, 181 (2), 259-270. ISSN: 0010-4655.
3. MAKOWSKI, D., et al. Global sensitivity analysis for calculating the contribution of genetic parameters to the variance of crop model prediction. Reliability Engineering & System Safety. 2006, 91 (10), 1142-1147. ISSN: 0951-8320.
4. ALFARO, O. , et al. Producción de biofertilizantes a partir de la biomasa de microalgas. En: Proyecto Interno. Comunicación personal. Santiago de Cuba: Centro de Investigaciones de Energía Solar, 2019.
5. SOLIMENO, A.; PARKER, L.; LUNDQUIST, T. ; GARCÍA, J. Integral microalgae-bacteria model (BIO_ALGAE): Application to wastewater high rate algal ponds. Science of The Total Environment. 2017, 601-602, 646-657. ISSN: 0048-9697.
6. CAMPOLONGO, F.; SALTELLI, A. ; CARIBONI, J. From screening to quantitative sensitivity analysis. A unified approach. Computer Physics Communications. 2011, 182 (4), 978-988. ISSN: 0010-4655.
7. MORRIS, M. D. Factorial Sampling Plans for Preliminary Computational Experiments. Technometrics. 1991, 33 (2), 161-174. ISSN: 0040-1706.
8. SIN, G. ; GERNAEY, K. V. "Improving the Morris method for sensitivity analysis by scaling the elementary effects." En: JEŻOWSKI, J. ; THULLIE, J. eds. Computer Aided Chemical Engineering. Elsevier, 2009, vol. 26, p. 925-930. ISBN 1570-7946.
Este trabalho está licenciado sob a Licença Creative Commons Atribuição-NãoComercia
![]()

















Universidad de Oriente