Desenvolvimento e aplicação de modelos matemáticos baseados em redes neurais artificiais e modelos estatísticos na predição de propriedades físico-químicas da gasolina petroquímica
Autor(a) principal: | |
---|---|
Data de Publicação: | 2003 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
dARK ID: | ark:/64986/0013000014m9r |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/6848 |
Resumo: | A formulação da gasolina petroquímica é efetuada simplesmente pela mistura de correntes industriais de hidrocarbonetos provenientes de diferentes unidades de processamento petroquímico. Tais correntes devem apresentar composições químicas tais que, após a mistura, o blend formado tenha um espectro de composição total característico da gasolina. Sendo assim, a grande problemática consiste em, sabendo-se que correntes petroquímicas podem ser utilizadas na formulação da gasolina, determinar o melhor conjunto de frações volumétricas de tais correntes que deve ser usado para conferir propriedades físico-químicas de acordo com os parâmetros de qualidade desse combustível. Para se alcançar esse objetivo, é necessário inicialmente desenvolver modelos matemáticos para predição das propriedades físico-químicas da mistura das correntes. É apresentado, na presente dissertação, o desenvolvimento de modelos empíricos, baseados em redes neurais artificiais e em modelos estatísticos polinomiais, que, como será mostrado, partindo-se das frações volumétricas de cinco correntes petroquímicas usadas na formulação da gasolina, foram capazes de efetuar predições eficazes em propriedades extremamente importantes na caracterização da sua qualidade: pressão de vapor, curva de destilação e densidade. Dado o caráter empírico de tais modelos, inicialmente, foi necessária a realização de ensaios de misturas das correntes petroquímicas no intuito de formular diversos blends de gasolina petroquímica. Foram, então, efetuados ensaios de caracterização da pressão de vapor, curva de destilação e densidade dos blends assim formulados, construindo-se um grande banco de dados experimentais, a partir do qual, os modelos empíricos foram ajustados e testados |
id |
UFPE_980d352bda0e59a90e9fc524206e4221 |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/6848 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
ANJOS, Luiz Carlos Araújo DosCARVALHO, Florival Rodrigues de2014-06-12T18:07:47Z2014-06-12T18:07:47Z2003Carlos Araújo Dos Anjos, Luiz; Rodrigues de Carvalho, Florival. Desenvolvimento e aplicação de modelos matemáticos baseados em redes neurais artificiais e modelos estatísticos na predição de propriedades físico-químicas da gasolina petroquímica. 2003. Dissertação (Mestrado). Programa de Pós-Graduação em Engenharia Química, Universidade Federal de Pernambuco, Recife, 2003.https://repositorio.ufpe.br/handle/123456789/6848ark:/64986/0013000014m9rA formulação da gasolina petroquímica é efetuada simplesmente pela mistura de correntes industriais de hidrocarbonetos provenientes de diferentes unidades de processamento petroquímico. Tais correntes devem apresentar composições químicas tais que, após a mistura, o blend formado tenha um espectro de composição total característico da gasolina. Sendo assim, a grande problemática consiste em, sabendo-se que correntes petroquímicas podem ser utilizadas na formulação da gasolina, determinar o melhor conjunto de frações volumétricas de tais correntes que deve ser usado para conferir propriedades físico-químicas de acordo com os parâmetros de qualidade desse combustível. Para se alcançar esse objetivo, é necessário inicialmente desenvolver modelos matemáticos para predição das propriedades físico-químicas da mistura das correntes. É apresentado, na presente dissertação, o desenvolvimento de modelos empíricos, baseados em redes neurais artificiais e em modelos estatísticos polinomiais, que, como será mostrado, partindo-se das frações volumétricas de cinco correntes petroquímicas usadas na formulação da gasolina, foram capazes de efetuar predições eficazes em propriedades extremamente importantes na caracterização da sua qualidade: pressão de vapor, curva de destilação e densidade. Dado o caráter empírico de tais modelos, inicialmente, foi necessária a realização de ensaios de misturas das correntes petroquímicas no intuito de formular diversos blends de gasolina petroquímica. Foram, então, efetuados ensaios de caracterização da pressão de vapor, curva de destilação e densidade dos blends assim formulados, construindo-se um grande banco de dados experimentais, a partir do qual, os modelos empíricos foram ajustados e testadosInstituto Federal de Educação, Ciência e Tecnologia de PernambucoporUniversidade Federal de PernambucoAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessCurva de destilaçãoPressão de vaporGasolinaModelos estatísticosRedes neurais artificiaisDesenvolvimento e aplicação de modelos matemáticos baseados em redes neurais artificiais e modelos estatísticos na predição de propriedades físico-químicas da gasolina petroquímicainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETHUMBNAILarquivo8017_1.pdf.jpgarquivo8017_1.pdf.jpgGenerated Thumbnailimage/jpeg1454https://repositorio.ufpe.br/bitstream/123456789/6848/4/arquivo8017_1.pdf.jpg7daa5646b848e9a7d2013c3c691de0afMD54ORIGINALarquivo8017_1.pdfapplication/pdf1263164https://repositorio.ufpe.br/bitstream/123456789/6848/1/arquivo8017_1.pdfe48a9b059b0410e5c02bb10ce648c242MD51LICENSElicense.txttext/plain1748https://repositorio.ufpe.br/bitstream/123456789/6848/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTarquivo8017_1.pdf.txtarquivo8017_1.pdf.txtExtracted texttext/plain179211https://repositorio.ufpe.br/bitstream/123456789/6848/3/arquivo8017_1.pdf.txta367e5cb12007ff14bbe40709c930fecMD53123456789/68482019-10-25 19:10:39.346oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-25T22:10:39Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Desenvolvimento e aplicação de modelos matemáticos baseados em redes neurais artificiais e modelos estatísticos na predição de propriedades físico-químicas da gasolina petroquímica |
title |
Desenvolvimento e aplicação de modelos matemáticos baseados em redes neurais artificiais e modelos estatísticos na predição de propriedades físico-químicas da gasolina petroquímica |
spellingShingle |
Desenvolvimento e aplicação de modelos matemáticos baseados em redes neurais artificiais e modelos estatísticos na predição de propriedades físico-químicas da gasolina petroquímica ANJOS, Luiz Carlos Araújo Dos Curva de destilação Pressão de vapor Gasolina Modelos estatísticos Redes neurais artificiais |
title_short |
Desenvolvimento e aplicação de modelos matemáticos baseados em redes neurais artificiais e modelos estatísticos na predição de propriedades físico-químicas da gasolina petroquímica |
title_full |
Desenvolvimento e aplicação de modelos matemáticos baseados em redes neurais artificiais e modelos estatísticos na predição de propriedades físico-químicas da gasolina petroquímica |
title_fullStr |
Desenvolvimento e aplicação de modelos matemáticos baseados em redes neurais artificiais e modelos estatísticos na predição de propriedades físico-químicas da gasolina petroquímica |
title_full_unstemmed |
Desenvolvimento e aplicação de modelos matemáticos baseados em redes neurais artificiais e modelos estatísticos na predição de propriedades físico-químicas da gasolina petroquímica |
title_sort |
Desenvolvimento e aplicação de modelos matemáticos baseados em redes neurais artificiais e modelos estatísticos na predição de propriedades físico-químicas da gasolina petroquímica |
author |
ANJOS, Luiz Carlos Araújo Dos |
author_facet |
ANJOS, Luiz Carlos Araújo Dos |
author_role |
author |
dc.contributor.author.fl_str_mv |
ANJOS, Luiz Carlos Araújo Dos |
dc.contributor.advisor1.fl_str_mv |
CARVALHO, Florival Rodrigues de |
contributor_str_mv |
CARVALHO, Florival Rodrigues de |
dc.subject.por.fl_str_mv |
Curva de destilação Pressão de vapor Gasolina Modelos estatísticos Redes neurais artificiais |
topic |
Curva de destilação Pressão de vapor Gasolina Modelos estatísticos Redes neurais artificiais |
description |
A formulação da gasolina petroquímica é efetuada simplesmente pela mistura de correntes industriais de hidrocarbonetos provenientes de diferentes unidades de processamento petroquímico. Tais correntes devem apresentar composições químicas tais que, após a mistura, o blend formado tenha um espectro de composição total característico da gasolina. Sendo assim, a grande problemática consiste em, sabendo-se que correntes petroquímicas podem ser utilizadas na formulação da gasolina, determinar o melhor conjunto de frações volumétricas de tais correntes que deve ser usado para conferir propriedades físico-químicas de acordo com os parâmetros de qualidade desse combustível. Para se alcançar esse objetivo, é necessário inicialmente desenvolver modelos matemáticos para predição das propriedades físico-químicas da mistura das correntes. É apresentado, na presente dissertação, o desenvolvimento de modelos empíricos, baseados em redes neurais artificiais e em modelos estatísticos polinomiais, que, como será mostrado, partindo-se das frações volumétricas de cinco correntes petroquímicas usadas na formulação da gasolina, foram capazes de efetuar predições eficazes em propriedades extremamente importantes na caracterização da sua qualidade: pressão de vapor, curva de destilação e densidade. Dado o caráter empírico de tais modelos, inicialmente, foi necessária a realização de ensaios de misturas das correntes petroquímicas no intuito de formular diversos blends de gasolina petroquímica. Foram, então, efetuados ensaios de caracterização da pressão de vapor, curva de destilação e densidade dos blends assim formulados, construindo-se um grande banco de dados experimentais, a partir do qual, os modelos empíricos foram ajustados e testados |
publishDate |
2003 |
dc.date.issued.fl_str_mv |
2003 |
dc.date.accessioned.fl_str_mv |
2014-06-12T18:07:47Z |
dc.date.available.fl_str_mv |
2014-06-12T18:07:47Z |
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.citation.fl_str_mv |
Carlos Araújo Dos Anjos, Luiz; Rodrigues de Carvalho, Florival. Desenvolvimento e aplicação de modelos matemáticos baseados em redes neurais artificiais e modelos estatísticos na predição de propriedades físico-químicas da gasolina petroquímica. 2003. Dissertação (Mestrado). Programa de Pós-Graduação em Engenharia Química, Universidade Federal de Pernambuco, Recife, 2003. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/6848 |
dc.identifier.dark.fl_str_mv |
ark:/64986/0013000014m9r |
identifier_str_mv |
Carlos Araújo Dos Anjos, Luiz; Rodrigues de Carvalho, Florival. Desenvolvimento e aplicação de modelos matemáticos baseados em redes neurais artificiais e modelos estatísticos na predição de propriedades físico-químicas da gasolina petroquímica. 2003. Dissertação (Mestrado). Programa de Pós-Graduação em Engenharia Química, Universidade Federal de Pernambuco, Recife, 2003. ark:/64986/0013000014m9r |
url |
https://repositorio.ufpe.br/handle/123456789/6848 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/6848/4/arquivo8017_1.pdf.jpg https://repositorio.ufpe.br/bitstream/123456789/6848/1/arquivo8017_1.pdf https://repositorio.ufpe.br/bitstream/123456789/6848/2/license.txt https://repositorio.ufpe.br/bitstream/123456789/6848/3/arquivo8017_1.pdf.txt |
bitstream.checksum.fl_str_mv |
7daa5646b848e9a7d2013c3c691de0af e48a9b059b0410e5c02bb10ce648c242 8a4605be74aa9ea9d79846c1fba20a33 a367e5cb12007ff14bbe40709c930fec |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1815173001657712640 |