APLICAÇÃO DE MODELOS DE INTELIGÊNCIA ARTIFICIAL NA PREDIÇÃO DA SOLUBILIDADE DE H2S EM DIFERENTES TEMPERATURAS E PRESSÕES: IMPLICAÇÕES PARA SIMULAÇÃO DE SISTEMAS DE PURIFICAÇÃO DE BIOGÁS

A solubilidade do sulfeto de hidrogênio (H₂S) em água é um parâmetro essencial para o dimensionamento de sistemas de purificação de biogás por lavagem com água. Este trabalho avaliou o uso de algoritmos de inteligência artificial (IA) para prever a solubilidade do H₂S em função da temperatura e da pressão, utilizando uma base de 804 dados experimentais extraídos da literatura. Foram comparados cinco modelos de regressão: Random Forest, Decision Tree, Regressão Linear, SVR e LightGBM. O modelo Random Forest apresentou o melhor desempenho, com erro quadrático médio (MSE) de 0,0231, seguido do Decision Tree (MSE = 0,0236) e do LightGBM (MSE = 0,0498). A regressão linear apresentou o pior desempenho (MSE = 0,7976), evidenciando a inadequação de modelos lineares simples para representar a relação entre solubilidade, temperatura e pressão. Os gráficos de dispersão mostraram forte aderência entre valores preditos e experimentais para os modelos baseados em árvores de decisão, indicando sua robustez e precisão. A abordagem adotada permite a predição confiável da solubilidade do H₂S em condições variadas, com potencial de aplicação em simuladores comerciais e etapas preliminares de projeto, contribuindo ao aprimoramento de processos de purificação de biogás.