Aplicaçao de redes neuronais artificiais para previsao de propriedades da gasolina a partir de sua composiçao química

Detalhes bibliográficos
Autor(a) principal: Côcco, Lílian Cristina
Data de Publicação: 2003
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/20482
Resumo: Apendices
id UFPR_d5f4ee14ee786b81529e44236830379d
oai_identifier_str oai:acervodigital.ufpr.br:1884/20482
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Meien, Oscar Felippe vonUniversidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia e Ciência dos Materiais - PIPEYamamoto, Carlos Itsuo, 1965-Côcco, Lílian Cristina2024-05-27T19:07:53Z2024-05-27T19:07:53Z2003https://hdl.handle.net/1884/20482ApendicesOrientador: Carlos Itsuo YamamotoCoorientador: Oscar Felippe von MeienDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa Interdisciplinar de Pós-Graduação em Engenharia de Materiais e ProcessosResumo: As propriedades físico-químicas da gasolina são importantes referências de sua qualidade, devendo ser monitoradas a fim de mantê-la, respeitando-se leis ambientais e parâmetros técnicos. Cada propriedade é, em geral, uma complicada função da composição química da gasolina, podendo ser representada por diversos tipos de correlações matemáticas. Correlações matemáticas são utilizadas por equipamentos como o espectrômetro por infravermelho para a previsão de propriedades físico-químicas de combustíveis a partir da análise do espectro obtido, com objetivo de reduzir o custo de implantação de laboratórios para controle da qualidade de combustíveis. Por outro lado, as correlações existentes não estão ajustadas à gasolina brasileira, cuja composição química é modificada com a adição de álcool etílico anidro, fornecendo resultados não condizentes com a realidade. Por este motivo existe a necessidade de se encontrar correlações apropriadas para a gasolina nacional e aplicá-las para obtenção de previsões mais acuradas, com valores próximos às análises experimentais padrão ASTM e NBR, adotadas pela Agência Nacional do Petróleo como referências de qualidade para a gasolina brasileira. Este trabalho descreve a utilização de redes neuronais artificiais como um método de correlação para previsão de algumas propriedades importantes da gasolina, tais como: curva de destilação, densidade relativa a 20°C e pressão de vapor Reid. Uma rede com treinamento supervisionado por retropropagação é usada neste trabalho. Após estudos preliminares e planejamento experimental, 35 amostras de gasolina brasileira, de um universo de 1000 amostras analisadas no LACAUT (Laboratório de Análises de Combustíveis Automotivos), coletadas em postos de combustíveis no estado do Paraná, foram escolhidas e submetidas à análise cromatográfica e ensaios laboratoriais padronizados. Um programa específico para classificação de hidrocarbonetos denominado DHA (Detailed Hydrocarbon Analisys) gerou dados de entrada para a rede neuronal, enquanto que os ensaios físico-químicos padronizados forneceram os dados de saída. A capacidade preditiva das redes obtidas foi muito boa para as propriedades estudadas, compatível com a precisão das medidas experimentais. Os desvios obtidos ficaram em média próximos de 1%. Os resultados alcançados estão próximos das faixas de incerteza de medição dos ensaios físico-químicos e comprovam que a ferramenta utilizada consegue correlacionar adequadamente a composição química e as propriedades físico-químicas estudadas.Abstract: The fuel physic-chemical properties are very important references of its quality. They must be monitored in order to maintain and/or improve production quality and match environmental standards as well. Each property is, in general, a complicated function of the chemical composition of the gasoline, being able to be represented by several types of mathematical correlations. Mathematical correlations are used by equipment as the infrared spectrometer for the prediction of physic-chemical properties of fuel. The perspective is the reduction of cost of laboratory implantation. On the other hand, the existing correlations are not adjusted to the Brazilian gasoline, whose chemical composition is modified with the anhydrous ethyl alcohol addition, supplying results not agreeable with the reality. For this reason it is necessary to find appropriate correlations and apply them to forecast values near to the experimental analyses standard ASTM and NBR, adopted for the National Agency of the Oil as references of quality for the Brazilian gasoline. This work describes the use of artificial neural networks as a method of correlation for forecasting of some important properties of the gasoline, such as: curve of distillation, relative density 20°C and pressure Reid vapor. A network with supervised learning with backpropagation algorithm is used in this work. After preliminary studies and experimental planning, 35 samples of Brazilian gasoline, from the universe of 1000 samples analyzed in the LACAUT (Laboratory of Fuel Analyses), collected in the state of the Paraná, had been chosen and submitted to the chromatographic analysis and standardized laboratories assays. A specific program for classification of hydrocarbons, the DHA (Detailed Hydrocarbon Analysis), generated the input data for the neural network, while standardized physic-chemical had supplied the output data. The predictive capacity of the obtained nets was very good for the studied properties, within the experimental accuracy. The obtained error had been in average next to 1%. The reached results are next to the bands of measurement uncertainty of the physic-chemical experiments. It proves that the used tool obtains the correlation from chemical composition and the studied physic-chemical properties.xiv, 153f. : il., tabs.application/pdfDisponível em formato digitalGasolina - Composição - BrasilRedes neurais (Computação)Engenharia de Materiais e MetalurgiaAplicaçao de redes neuronais artificiais para previsao de propriedades da gasolina a partir de sua composiçao químicainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALdissert_LilianCocco.pdfapplication/pdf3438731https://acervodigital.ufpr.br/bitstream/1884/20482/1/dissert_LilianCocco.pdfbfdd72fd7475f8ab27a8374d141da407MD51open accessTEXTdissert_LilianCocco.pdf.txtExtracted Texttext/plain254219https://acervodigital.ufpr.br/bitstream/1884/20482/2/dissert_LilianCocco.pdf.txt2af2addbd3a7c5c9e63338cbe8ec7e2cMD52open accessTHUMBNAILdissert_LilianCocco.pdf.jpgGenerated Thumbnailimage/jpeg1347https://acervodigital.ufpr.br/bitstream/1884/20482/3/dissert_LilianCocco.pdf.jpg4f1d26aec7c3c032e3187f03e99e325fMD53open access1884/204822024-05-27 16:07:54.042open accessoai:acervodigital.ufpr.br:1884/20482Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082024-05-27T19:07:54Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Aplicaçao de redes neuronais artificiais para previsao de propriedades da gasolina a partir de sua composiçao química
title Aplicaçao de redes neuronais artificiais para previsao de propriedades da gasolina a partir de sua composiçao química
spellingShingle Aplicaçao de redes neuronais artificiais para previsao de propriedades da gasolina a partir de sua composiçao química
Côcco, Lílian Cristina
Gasolina - Composição - Brasil
Redes neurais (Computação)
Engenharia de Materiais e Metalurgia
title_short Aplicaçao de redes neuronais artificiais para previsao de propriedades da gasolina a partir de sua composiçao química
title_full Aplicaçao de redes neuronais artificiais para previsao de propriedades da gasolina a partir de sua composiçao química
title_fullStr Aplicaçao de redes neuronais artificiais para previsao de propriedades da gasolina a partir de sua composiçao química
title_full_unstemmed Aplicaçao de redes neuronais artificiais para previsao de propriedades da gasolina a partir de sua composiçao química
title_sort Aplicaçao de redes neuronais artificiais para previsao de propriedades da gasolina a partir de sua composiçao química
author Côcco, Lílian Cristina
author_facet Côcco, Lílian Cristina
author_role author
dc.contributor.other.pt_BR.fl_str_mv Meien, Oscar Felippe von
Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia e Ciência dos Materiais - PIPE
dc.contributor.advisor1.fl_str_mv Yamamoto, Carlos Itsuo, 1965-
dc.contributor.author.fl_str_mv Côcco, Lílian Cristina
contributor_str_mv Yamamoto, Carlos Itsuo, 1965-
dc.subject.por.fl_str_mv Gasolina - Composição - Brasil
Redes neurais (Computação)
Engenharia de Materiais e Metalurgia
topic Gasolina - Composição - Brasil
Redes neurais (Computação)
Engenharia de Materiais e Metalurgia
description Apendices
publishDate 2003
dc.date.issued.fl_str_mv 2003
dc.date.accessioned.fl_str_mv 2024-05-27T19:07:53Z
dc.date.available.fl_str_mv 2024-05-27T19:07:53Z
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://hdl.handle.net/1884/20482
url https://hdl.handle.net/1884/20482
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv xiv, 153f. : il., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/20482/1/dissert_LilianCocco.pdf
https://acervodigital.ufpr.br/bitstream/1884/20482/2/dissert_LilianCocco.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/20482/3/dissert_LilianCocco.pdf.jpg
bitstream.checksum.fl_str_mv bfdd72fd7475f8ab27a8374d141da407
2af2addbd3a7c5c9e63338cbe8ec7e2c
4f1d26aec7c3c032e3187f03e99e325f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1813898734097924096

Registros relacionados