Desenvolvimento de modelo neural a partir de sistemas binarios para predição de equilibrio liquido-vapor de sistemas ternarios

Detalhes bibliográficos
Autor(a) principal: Lopreato, Luiz Guilherme Roquette
Data de Publicação: 2009
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1609654
Resumo: Orientador: Ana Maria Frattini Fileti
id UNICAMP-30_363549ef778b67453c6036800fa55ec1
oai_identifier_str oai::446612
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Desenvolvimento de modelo neural a partir de sistemas binarios para predição de equilibrio liquido-vapor de sistemas ternariosArtificial neural network model development based on binary component systems to predict vapor-liquid equilibrium of ternary systemRedes neurais (Computação)Equilibrio liquido-vaporSistema ternárioNeural Network (Computer science)Vapor Liquid equilibriumTernary systemOrientador: Ana Maria Frattini FiletiDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia QuimicaResumo: A aplicação de redes neurais artificiais (RNA) na solução de problemas de equilíbrio líquido-vapor de misturas multicomponentes apresenta resultados consistentes com valores experimentais observados. Sua principal vantagem, frente às abordagens tradicionais, reside na capacidade de modelar o sistema em equilíbrio sem a necessidade da definição prévia de um modelo específico, tarefa muitas vezes árdua. No presente trabalho utilizam-se dados de três sistemas binários para o treinamento de modelo neural com o objetivo de predizer o equilíbrio de sistema ternário em condições isobáricas. O algoritmo de treinamento utilizado foi o de Levenberg-Marquardt com Regularização Bayesiana, implementado por meio do software MATLAB. A estrutura de rede que apresentou os melhores resultados contém as frações molares dos três componentes na fase líquida, como parâmetros de entrada, e as frações molares dos três componentes na fase vapor e a temperatura como parâmetros de saída. O escalonamento dos dados foi realizado entre 0 e 1, sendo utilizada a função de ativação sigmoidal na camada oculta da rede e a função linear na camada de saída. O desempenho dos modelos foi analisado a partir dos coeficientes de correlação, coeficientes regressão linear, resíduos entre os valores experimentais e preditos, além da raiz dos desvios quadráticos médios (RMSD). O principal sistema estudado foi Acetona-Metanol-Água, sendo os conceitos desenvolvidos extrapolados para os sistemas polares Metanol-Etanol-Água, Metanol-2-Propanol-Água e para o sistema apolar Benzeno-Ciclohexano-Hexano. Os resultados obtidos indicam que a predição de equilíbrio através do modelo neural se mostra consistente com os dados experimentais e as predições realizadas via modelo UNIQUAC. Destaca-se que a construção do modelo neural baseia-se no uso de dados de sistemas binários para a predição de sistemas ternários, enquanto que o modelo UNIQUAC utiliza parâmetros regredidos a partir de dados experimentais para o equilíbrio ternário. Dessa forma, os conceitos utilizados nas duas modelagens são bastante distinto sendo, à priori, favoráveis ao modelo termodinâmico, fato não condizente com os resultados obtidos no presente estudo.Abstract: Modeling multicomponent vapor-liquid equilibrium (VLE) by means of Artificial Neural Networks (ANN) showed to be able to successfully reproduce observed experimental points. The main advantage of this approach, regards to the traditional approaches, resides in the capacity to modeling the equilibrium condition without the necessity of the prior definition of a specific model, which is a task very often strenuous. In the present work data of three binary systems were used to training a neural network model with the objective to predict the equilibrium of a ternary system at isobaric conditions. The training algorithm used was Levenberg-Marquardt with Bayesian Regularization, implemented through the software MATLAB. The best network structure contains the molar fractions of three components in the liquid phase, as input parameters, and the molar fractions of three components at vapor phase besides the temperature as the output parameters. The data normalization was carried out in the interval between 0 and 1. The sigmoid activation function was used in the hidden layer and linear function was used in the calculations of the exit layer. The performance of the models was analyzed from the coefficients of correlation, linear regression coefficients, residues between the experimental and predicted values, besides the root of the quadratic middle diversions (RMSD). The principal system studied was Methanol-Acetone-Water, being the developed concepts extrapolated to the polar systems Ethanol-Methanol-Water, Methanol-2-propanol-Water and to the nonpolar system Benzene-Cyclohexane-Hexane. Results presented indicate that vapor-liquid equilibrium prediction through neural network is consistent with experimental data and UNIQUAC model predictions. Moreover, when comparing the ANN model with the thermodynamic model it is important to notice that the first model uses binary systems to predict ternary system equilibrium, whereas the thermodynamic model uses parameters obtained from experimental ternary data regressions. Thus, the concepts used in both models are quite different, being favorable to the thermodynamic model. Even so the ANN model showed to be very reliable, in the present study.MestradoSistemas de Processos Químicos e InformáticaMestre em Engenharia Química[s.n.]Fileti, Ana Maria Frattini, 1965-Giudici, ReinaldoDangelo, José Vicente HallakUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia QuímicaPrograma de Pós-Graduação em Engenharia QuímicaUNIVERSIDADE ESTADUAL DE CAMPINASLopreato, Luiz Guilherme Roquette2009info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf81 f. : il.https://hdl.handle.net/20.500.12733/1609654LOPREATO, Luiz Guilherme Roquette. Desenvolvimento de modelo neural a partir de sistemas binarios para predição de equilibrio liquido-vapor de sistemas ternarios. 2009. 81 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1609654. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/446612porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2017-02-18T05:33:47Zoai::446612Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2017-02-18T05:33:47Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Desenvolvimento de modelo neural a partir de sistemas binarios para predição de equilibrio liquido-vapor de sistemas ternarios
Artificial neural network model development based on binary component systems to predict vapor-liquid equilibrium of ternary system
title Desenvolvimento de modelo neural a partir de sistemas binarios para predição de equilibrio liquido-vapor de sistemas ternarios
spellingShingle Desenvolvimento de modelo neural a partir de sistemas binarios para predição de equilibrio liquido-vapor de sistemas ternarios
Lopreato, Luiz Guilherme Roquette
Redes neurais (Computação)
Equilibrio liquido-vapor
Sistema ternário
Neural Network (Computer science)
Vapor Liquid equilibrium
Ternary system
title_short Desenvolvimento de modelo neural a partir de sistemas binarios para predição de equilibrio liquido-vapor de sistemas ternarios
title_full Desenvolvimento de modelo neural a partir de sistemas binarios para predição de equilibrio liquido-vapor de sistemas ternarios
title_fullStr Desenvolvimento de modelo neural a partir de sistemas binarios para predição de equilibrio liquido-vapor de sistemas ternarios
title_full_unstemmed Desenvolvimento de modelo neural a partir de sistemas binarios para predição de equilibrio liquido-vapor de sistemas ternarios
title_sort Desenvolvimento de modelo neural a partir de sistemas binarios para predição de equilibrio liquido-vapor de sistemas ternarios
author Lopreato, Luiz Guilherme Roquette
author_facet Lopreato, Luiz Guilherme Roquette
author_role author
dc.contributor.none.fl_str_mv Fileti, Ana Maria Frattini, 1965-
Giudici, Reinaldo
Dangelo, José Vicente Hallak
Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Química
Programa de Pós-Graduação em Engenharia Química
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Lopreato, Luiz Guilherme Roquette
dc.subject.por.fl_str_mv Redes neurais (Computação)
Equilibrio liquido-vapor
Sistema ternário
Neural Network (Computer science)
Vapor Liquid equilibrium
Ternary system
topic Redes neurais (Computação)
Equilibrio liquido-vapor
Sistema ternário
Neural Network (Computer science)
Vapor Liquid equilibrium
Ternary system
description Orientador: Ana Maria Frattini Fileti
publishDate 2009
dc.date.none.fl_str_mv 2009
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/20.500.12733/1609654
LOPREATO, Luiz Guilherme Roquette. Desenvolvimento de modelo neural a partir de sistemas binarios para predição de equilibrio liquido-vapor de sistemas ternarios. 2009. 81 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1609654. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/1609654
identifier_str_mv LOPREATO, Luiz Guilherme Roquette. Desenvolvimento de modelo neural a partir de sistemas binarios para predição de equilibrio liquido-vapor de sistemas ternarios. 2009. 81 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1609654. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/446612
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
81 f. : il.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189009246650368

Registros relacionados