Desenvolvimento e aplicação de modelos matemáticos baseados em redes neurais artificiais e modelos estatísticos na predição de propriedades físico-químicas da gasolina petroquímica

Detalhes bibliográficos
Autor(a) principal: ANJOS, Luiz Carlos Araújo Dos
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