Estudo do perfil do biodiesel B-100 comercializado na região de Londrina : aplicação de redes neurais do tipo mapa auto organizavel

Detalhes bibliográficos
Autor(a) principal: Campos Filho, Vilson Machado de
Data de Publicação: 2024
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UEL
Texto Completo: https://repositorio.uel.br/handle/123456789/12869
Resumo: Resumo: O presente estudo consistiu na análise e classificação de noventa e sete amostras de biodiesel B1 comercializado na região de Londrina, Paraná a fim de verificar seu comportamento no que diz respeito à qualidade deste biocombustível A priori as noventa e sete amostras foram agrupadas de acordo com o ano de análise Para cada ano foram atribuídas letras tituladas de A à D, estas compreendidas entre 21 e 213 Dos parâmetros de conformidade previamente analisados, encontram-se os preconizados pela Agência Nacional de Petróleo, Gás Natural e Biocombustíveis (ANP), por meio da resolução nº 7 de 28 (RANP 7/28) Os parâmetros de conformidade analisados foram a massa específica, ponto de fulgor, índice de peróxido e índice de acidez As amostras foram distribuídas de acordo com o total de amostras analisadas para cada ano, A (33), B (25), C (24) e D (15) e, os valores observados foram apresentados a Rede Neural Artificial do tipo Mapa Auto Organizável, bidimensional retangular, com a finalidade de obter uma classificação de acordo com as propriedades físico – químicas de cada amostra em função do ano de produção da amostra A Rede Neural Artificial do tipo Mapa Auto Organizável foi treinada em dias diferentes e as amostras divididas aleatoriamente em dois grupos, treinamento e teste Posteriormente, foram realizados os ajustes de ciclos de treinamento e dos números aleatórios de geração de dados, resultando na obtenção de mapas topológicos, ou mapas de Kohonen, possibilitando a visualização das relações de vizinhança entre os neurônios da rede, bem como, da análise de parâmetros estatísticos entre as variáveis apresentadas, a taxa de aprendizagem e estabilidade da Rede Neural Artificial utilizada Foi constatado que para esta situação, a Rede Neural Artificial do tipo Mapa Auto Organizável diferenciou as amostras em relação ao ano e aos parâmetros de conformidade, preconizados pela ANP, possibilitando também, a constatação de que dentre os parâmetros de conformidade analisados, os de maior significância, portanto, bons para a distinção e classificação dessas amostras, foram a massa específica e o ponto de fulgor As redes SOM mostraram-se de suma relevância para a classificação no que diz respeito ao perfil do biodiesel comercializado na região de Londrina, Paraná
id UEL_7ac9552cce0dd22a52b3f2596be63c60
oai_identifier_str oai:repositorio.uel.br:123456789/12869
network_acronym_str UEL
network_name_str Repositório Institucional da UEL
repository_id_str
spelling Estudo do perfil do biodiesel B-100 comercializado na região de Londrina : aplicação de redes neurais do tipo mapa auto organizavelBiodieselBiodieselAnáliseBiocombustíveisBiodieselBiodiesel fuelsBiodiesel fuelsBiomass energyBiodiesel fuels - Pattern recognitionBiodiesel fuels (Sample)AnalysisSelf-organizing mapsResumo: O presente estudo consistiu na análise e classificação de noventa e sete amostras de biodiesel B1 comercializado na região de Londrina, Paraná a fim de verificar seu comportamento no que diz respeito à qualidade deste biocombustível A priori as noventa e sete amostras foram agrupadas de acordo com o ano de análise Para cada ano foram atribuídas letras tituladas de A à D, estas compreendidas entre 21 e 213 Dos parâmetros de conformidade previamente analisados, encontram-se os preconizados pela Agência Nacional de Petróleo, Gás Natural e Biocombustíveis (ANP), por meio da resolução nº 7 de 28 (RANP 7/28) Os parâmetros de conformidade analisados foram a massa específica, ponto de fulgor, índice de peróxido e índice de acidez As amostras foram distribuídas de acordo com o total de amostras analisadas para cada ano, A (33), B (25), C (24) e D (15) e, os valores observados foram apresentados a Rede Neural Artificial do tipo Mapa Auto Organizável, bidimensional retangular, com a finalidade de obter uma classificação de acordo com as propriedades físico – químicas de cada amostra em função do ano de produção da amostra A Rede Neural Artificial do tipo Mapa Auto Organizável foi treinada em dias diferentes e as amostras divididas aleatoriamente em dois grupos, treinamento e teste Posteriormente, foram realizados os ajustes de ciclos de treinamento e dos números aleatórios de geração de dados, resultando na obtenção de mapas topológicos, ou mapas de Kohonen, possibilitando a visualização das relações de vizinhança entre os neurônios da rede, bem como, da análise de parâmetros estatísticos entre as variáveis apresentadas, a taxa de aprendizagem e estabilidade da Rede Neural Artificial utilizada Foi constatado que para esta situação, a Rede Neural Artificial do tipo Mapa Auto Organizável diferenciou as amostras em relação ao ano e aos parâmetros de conformidade, preconizados pela ANP, possibilitando também, a constatação de que dentre os parâmetros de conformidade analisados, os de maior significância, portanto, bons para a distinção e classificação dessas amostras, foram a massa específica e o ponto de fulgor As redes SOM mostraram-se de suma relevância para a classificação no que diz respeito ao perfil do biodiesel comercializado na região de Londrina, ParanáDissertação (Mestrado em Bioenergia) - Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em BioenergiaAbstract: This study consisted in the analysis and classification of ninety-seven samples of biodiesel B1 marketed in the region of Londrina, Paraná in order to verify its behavior as regarding the quality of this biofuel Initially the ninety-seven samples were grouped according to the year of analysis For each year were titrated attributed the letters A to D, these between 21 and 213 About the previously analyzed compliance parameters, there are those recommended by the Biofuel, Natural Gas and Petroleum National Agency (ANP), through resolution No 7, 28 (RANP 7/28) The analyzed compliance parameters were the density, flash point and peroxide index and acid value Samples were distributed according to the total number of samples analyzed for each year, A (33), B (25), C (24) and D (15), and the observed values were presented to Artificial Neural Network Self Organizing Map, two-dimensional rectangular, in order to obtain a classification according to the physical-chemical properties of each sample as a function of sample production year Artificial Neural Network Self Organizing Map was trained on different days and the samples were randomly divided into two groups, training and testing Later, the training cycles settings and random number generation data were performed, resulting in obtaining topological maps, or maps of Kohonen, enabling visualization of neighborly relations between the neurons of the network, as well as the analysis of statistical parameters between the variables presented, the rate of learning and stability of Artificial Neural Network used It was found that for this, the Artificial Neural Network Self Organizing Map differentiated the samples through the year and the compliance parameters , recommended by the ANP, allowing also the realization that the most significant compliance parameters analized, therefore good for the distinction and classification of samples, were the density and the flash point The SOM network proved to be of paramount importance for the classification of patterns with respect to biodiesel marketed in the region of the Londrina, ParanáBorsato, Dionísio [Orientador]Yamashita, FábioDi Mauro, EduardoCampos Filho, Vilson Machado de2024-05-01T14:03:22Z2024-05-01T14:03:22Z2015.0020.02.2015info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://repositorio.uel.br/handle/123456789/12869porMestradoBioenergiaCentro de Ciências ExatasPrograma de Pós-Graduação em BioenergiaLondrinareponame:Repositório Institucional da UELinstname:Universidade Estadual de Londrina (UEL)instacron:UELinfo:eu-repo/semantics/openAccess2024-07-12T04:19:38Zoai:repositorio.uel.br:123456789/12869Biblioteca Digital de Teses e Dissertaçõeshttp://www.bibliotecadigital.uel.br/PUBhttp://www.bibliotecadigital.uel.br/OAI/oai2.phpbcuel@uel.br||opendoar:2024-07-12T04:19:38Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL)false
dc.title.none.fl_str_mv Estudo do perfil do biodiesel B-100 comercializado na região de Londrina : aplicação de redes neurais do tipo mapa auto organizavel
title Estudo do perfil do biodiesel B-100 comercializado na região de Londrina : aplicação de redes neurais do tipo mapa auto organizavel
spellingShingle Estudo do perfil do biodiesel B-100 comercializado na região de Londrina : aplicação de redes neurais do tipo mapa auto organizavel
Campos Filho, Vilson Machado de
Biodiesel
Biodiesel
Análise
Biocombustíveis
Biodiesel
Biodiesel fuels
Biodiesel fuels
Biomass energy
Biodiesel fuels - Pattern recognition
Biodiesel fuels (Sample)
Analysis
Self-organizing maps
title_short Estudo do perfil do biodiesel B-100 comercializado na região de Londrina : aplicação de redes neurais do tipo mapa auto organizavel
title_full Estudo do perfil do biodiesel B-100 comercializado na região de Londrina : aplicação de redes neurais do tipo mapa auto organizavel
title_fullStr Estudo do perfil do biodiesel B-100 comercializado na região de Londrina : aplicação de redes neurais do tipo mapa auto organizavel
title_full_unstemmed Estudo do perfil do biodiesel B-100 comercializado na região de Londrina : aplicação de redes neurais do tipo mapa auto organizavel
title_sort Estudo do perfil do biodiesel B-100 comercializado na região de Londrina : aplicação de redes neurais do tipo mapa auto organizavel
author Campos Filho, Vilson Machado de
author_facet Campos Filho, Vilson Machado de
author_role author
dc.contributor.none.fl_str_mv Borsato, Dionísio [Orientador]
Yamashita, Fábio
Di Mauro, Eduardo
dc.contributor.author.fl_str_mv Campos Filho, Vilson Machado de
dc.subject.por.fl_str_mv Biodiesel
Biodiesel
Análise
Biocombustíveis
Biodiesel
Biodiesel fuels
Biodiesel fuels
Biomass energy
Biodiesel fuels - Pattern recognition
Biodiesel fuels (Sample)
Analysis
Self-organizing maps
topic Biodiesel
Biodiesel
Análise
Biocombustíveis
Biodiesel
Biodiesel fuels
Biodiesel fuels
Biomass energy
Biodiesel fuels - Pattern recognition
Biodiesel fuels (Sample)
Analysis
Self-organizing maps
description Resumo: O presente estudo consistiu na análise e classificação de noventa e sete amostras de biodiesel B1 comercializado na região de Londrina, Paraná a fim de verificar seu comportamento no que diz respeito à qualidade deste biocombustível A priori as noventa e sete amostras foram agrupadas de acordo com o ano de análise Para cada ano foram atribuídas letras tituladas de A à D, estas compreendidas entre 21 e 213 Dos parâmetros de conformidade previamente analisados, encontram-se os preconizados pela Agência Nacional de Petróleo, Gás Natural e Biocombustíveis (ANP), por meio da resolução nº 7 de 28 (RANP 7/28) Os parâmetros de conformidade analisados foram a massa específica, ponto de fulgor, índice de peróxido e índice de acidez As amostras foram distribuídas de acordo com o total de amostras analisadas para cada ano, A (33), B (25), C (24) e D (15) e, os valores observados foram apresentados a Rede Neural Artificial do tipo Mapa Auto Organizável, bidimensional retangular, com a finalidade de obter uma classificação de acordo com as propriedades físico – químicas de cada amostra em função do ano de produção da amostra A Rede Neural Artificial do tipo Mapa Auto Organizável foi treinada em dias diferentes e as amostras divididas aleatoriamente em dois grupos, treinamento e teste Posteriormente, foram realizados os ajustes de ciclos de treinamento e dos números aleatórios de geração de dados, resultando na obtenção de mapas topológicos, ou mapas de Kohonen, possibilitando a visualização das relações de vizinhança entre os neurônios da rede, bem como, da análise de parâmetros estatísticos entre as variáveis apresentadas, a taxa de aprendizagem e estabilidade da Rede Neural Artificial utilizada Foi constatado que para esta situação, a Rede Neural Artificial do tipo Mapa Auto Organizável diferenciou as amostras em relação ao ano e aos parâmetros de conformidade, preconizados pela ANP, possibilitando também, a constatação de que dentre os parâmetros de conformidade analisados, os de maior significância, portanto, bons para a distinção e classificação dessas amostras, foram a massa específica e o ponto de fulgor As redes SOM mostraram-se de suma relevância para a classificação no que diz respeito ao perfil do biodiesel comercializado na região de Londrina, Paraná
publishDate 2024
dc.date.none.fl_str_mv 20.02.2015
2015.00
2024-05-01T14:03:22Z
2024-05-01T14:03:22Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.uel.br/handle/123456789/12869
url https://repositorio.uel.br/handle/123456789/12869
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Mestrado
Bioenergia
Centro de Ciências Exatas
Programa de Pós-Graduação em Bioenergia
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv Londrina
dc.source.none.fl_str_mv reponame:Repositório Institucional da UEL
instname:Universidade Estadual de Londrina (UEL)
instacron:UEL
instname_str Universidade Estadual de Londrina (UEL)
instacron_str UEL
institution UEL
reponame_str Repositório Institucional da UEL
collection Repositório Institucional da UEL
repository.name.fl_str_mv Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL)
repository.mail.fl_str_mv bcuel@uel.br||
_version_ 1809823242910695424

Registros relacionados