Aplicação de redes neurais no estudo do perfil do álcool etílico hidratado combustível comercializado em diferentes regiões no estado do Paraná

• Autor(a) principal: Walkoff, Aline Regina
• Data de Publicação: 2016
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UEPG
• Texto Completo: http://tede2.uepg.br/jspui/handle/prefix/3554
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA; cana-de-açúcar; perceptron; mapas auto-organizáveis; parâmetros de conformidade; sugarcane; perceptron; self organizing maps; compliance parameters

O etanol combustível deve estar adequado a parâmetros de controle de qualidade, tais como massa específica, teor de álcool, pH e condutividade elétrica. Suas características podem variar de com acordo sua região de comércio. Dados de análises físico-químicas foram coletados, de 998 amostras de etanol hidratado combustível comercializado em regiões designadas como “norte”, “centro-oeste” e “leste” do estado do Paraná. Os dados alimentaram redes neurais perceptron de múltiplas camadas e mapas auto-organizáveis, ambos os tipos de redes neurais artificiais, que classificaram as amostras conforme sua região de comercialização. A taxa de aprendizagem das redes neurais perceptron foi 0,10 e as amostras foram divididas aleatoriamente, sendo 70% para treinamento, 15% para teste e 15% para validação. Uma centena de redes foi treinada e o melhor desempenho foi obtido por uma rede neural com seis neurônios na camada oculta, a qual atingiu 85% de acerto para treinamento, 82% para teste e 84% para validação. A melhor configuração para mapas auto-organizáveis foi a de topologia 45 x 45 e 5000 épocas de treinamento, com uma taxa de aprendizagem final de 6,7x10-4, uma relação de vizinhança final de 3x10-2 e um erro de quantização médio de 2x10-2. Esta rede neural deu origem a um mapa topológico mostrando três grupos separados, cada um correspondendo a amostras de uma mesma região de comercialização. Quatro mapas de pesos, um para cada parâmetro, foram apresentados. Ambos os tipos de redes neurais tornaram possíveis a separação das amostras de acordo com a região de comercialização e concordaram que a massa específica foi um parâmetro relevante para a classificação.