Análisis comparativo de ANFIS, RNA y BBD para la mejora de la predicción de la adsorción de naranja de metilo en el tratamiento de aguas

Convertir los residuos de fruta en agua limpia

Imagínese si las cáscaras de los plátanos que consume a diario pudieran ayudar a limpiar ríos contaminados. Este estudio explora precisamente esa idea. Los investigadores convirtieron cáscaras de plátano descartadas en una forma especial de carbón, conocida como carbón activado, y lo usaron para extraer un colorante naranja persistente del agua. A continuación compararon varias herramientas informáticas avanzadas para ver cuál podía predecir y ajustar mejor el rendimiento de este proceso de depuración, con el objetivo de hacer el tratamiento de agua más barato, ecológico y eficiente.

El problema de los colorantes persistentes en el agua

En todo el mundo, las fábricas textiles y otras industrias liberan colorantes intensos en las vías fluviales. Uno de ellos, la naranja de metilo, es un representante común de una familia mayor de colorantes “azo” de larga persistencia. Incluso a niveles bajos, estos colorantes pueden bloquear la luz en ríos y lagos, perjudicar la vida acuática y suponer riesgos para la salud humana, provocando irritación en la piel y los ojos o estrés en órganos internos. Muchos métodos de tratamiento existentes —como la filtración por membrana, la precipitación química o la oxidación avanzada— consumen mucha energía y dinero, generan residuos adicionales o requieren materiales costosos. Por eso los científicos recurren a la adsorción, un proceso en el que los contaminantes se adhieren a la superficie de un sólido, como una opción simple y eficaz.

Las cáscaras de plátano como material de bajo coste para limpieza

Las cáscaras de plátano son un residuo agrícola abundante, especialmente en regiones como Uganda, donde el plátano es un alimento básico. En lugar de tirarlas o emplearlas solo como alimento animal, este estudio transforma las cáscaras en carbón activado mediante calentamiento y tratamiento ácido. El material resultante es altamente poroso, con una gran superficie interna y numerosos “puntos de agarre” químicos que pueden atrapar moléculas de colorante. Usando varias técnicas de laboratorio —microscopía para observar la textura superficial, espectroscopía para identificar grupos químicos y adsorción de gas para medir la estructura de poros— los autores muestran que el material preparado presenta superficies rugosas tipo esponja, canales minúsculos y grupos químicos útiles como hidroxilos y carboxilos, que favorecen una fuerte captación del colorante.

Encontrar las mejores condiciones para la eliminación del colorante

Para evaluar la capacidad del carbón a base de plátano para eliminar la naranja de metilo, el equipo varió tres condiciones clave: el tiempo de contacto entre el agua y el carbón, la temperatura y el pH (qué tan ácido o básico era el agua). En lugar de probar a ciegas todas las combinaciones posibles, emplearon un esquema estadístico llamado diseño de Box–Behnken para planificar solo 17 experimentos dirigidos. A partir de estos, identificaron condiciones casi ideales: agua ligeramente caliente (alrededor de 42 °C), pH cercano a la neutralidad (aprox. 7) y un tiempo de contacto de aproximadamente media hora. En estas condiciones, el carbón pudo adsorber más de 140 miligramos de colorante por gramo de material, una capacidad que compite favorablemente con muchos otros adsorbentes de bajo coste reportados en la literatura.

Modelos inteligentes que aprenden el comportamiento del sistema

Dado que el tratamiento de aguas residuales en condiciones reales es complejo y a menudo no lineal, los autores probaron tres enfoques de modelado diferentes para predecir cuánto colorante se eliminaría bajo diversas condiciones. El primero, la metodología de superficie de respuesta, ajusta una superficie matemática curva a los datos. El segundo, una red neuronal artificial, imita cómo “neuronas” conectadas en un ordenador pueden aprender patrones a partir de ejemplos. El tercero, un sistema de inferencia neuro‑difuso adaptativo, combina redes neuronales con lógica difusa, una forma de manejar cambios graduales en lugar de reglas sencillas de sí o no. Los tres modelos se ajustaron estrechamente a los datos experimentales, pero el enfoque híbrido neuro‑difuso ofreció las predicciones más precisas y los errores más bajos, especialmente al captar interacciones sutiles entre pH, tiempo y temperatura.

Cómo se adhiere el colorante y cuánto dura

Para comprender el proceso a un nivel más profundo, los investigadores analizaron la cinética de captación del colorante y su distribución sobre la superficie del carbón. Encontraron que el proceso siguió un patrón denominado pseudo‑segundo orden, lo que apunta a un enlace de tipo químico fuerte entre las moléculas del colorante y la superficie del carbón, en lugar de una mera atracción física débil. Otro conjunto de pruebas, los estudios de isotermas, mostró que el colorante forma múltiples capas sobre una superficie heterogénea, lo que concuerda con la estructura de poros muy variada observada en las imágenes de microscopía. Ensayos prácticos con muestras de agua reales —agua de grifo, aguas residuales, agua industrial y agua destilada— mostraron eficiencias de eliminación superiores al 90% en todos los casos, aunque las corrientes complejas con muchas sustancias en competencia rindieron algo peor. El carbón puede reutilizarse varias veces con solo una disminución gradual del rendimiento, lo que sugiere una buena pero no ilimitada reutilización.

Por qué este trabajo importa en la vida cotidiana

En términos sencillos, este estudio muestra que algo tan cotidiano como las cáscaras de plátano puede convertirse en un material de alto rendimiento para ayudar a limpiar aguas teñidas, y que los modelos avanzados de “aprendizaje” pueden guiar de forma fiable cómo operar el proceso para obtener los mejores resultados. El carbón a base de plátano puede retener grandes cantidades de un colorante persistente en condiciones realistas, y el modelo neuro‑difuso adaptativo resulta especialmente potente para predecir y optimizar ese rendimiento. En conjunto, estos avances nos acercan a tecnologías de purificación de agua asequibles y sostenibles que aprovechan residuos agrícolas locales mientras protegen ríos, lagos y la salud humana.

Cita: Bbumba, S., Karume, I. Comparative analysis of ANFIS, ANN, and BBD for enhanced prediction of methyl orange adsorption in water treatment. Sci Rep 16, 12822 (2026). https://doi.org/10.1038/s41598-026-43445-4

Palabras clave: carbón activado de cáscara de plátano, eliminación de naranja de metilo, tratamiento de aguas residuales, modelado de adsorción, sistemas neuro difusos