Simulación de una planta industrial para la producción de Dimetil Éter por deshidratación de metanol mediante el uso de DWSIM
El objetivo del trabajo fue desarrollar una red neuronal artificial capaz de predecir la producción de dimetil éter por deshidratación de metanol. Para el diseño de la red se modeló el proceso en DWSIM empleando parámetros de operación descritos por Dimer y Luyben. 115 datos recopilados mediante sim...
-д хадгалсан:
| Үндсэн зохиолч: | |
|---|---|
| Формат: | bachelorThesis |
| Хэл сонгох: | spa |
| Хэвлэсэн: |
2021
|
| Нөхцлүүд: | |
| Онлайн хандалт: | https://dspace.espoch.edu.ec/handle/123456789/16792 |
| Шошгууд: |
Шошго нэмэх
Шошго байхгүй, Энэхүү баримтыг шошголох эхний хүн болох!
|
Шошго нэмэх | Тойм: | El objetivo del trabajo fue desarrollar una red neuronal artificial capaz de predecir la producción de dimetil éter por deshidratación de metanol. Para el diseño de la red se modeló el proceso en DWSIM empleando parámetros de operación descritos por Dimer y Luyben. 115 datos recopilados mediante simulación se han utilizado para entrenar y validar la red. El diseño de la red se llevó a cabo en Matlab con 6 variables de entrada, 465 neuronas en la capa oculta, 2 variable de salida y los algoritmos de entrenamiento de Levenberg-Marquardt, Regularización-Bayesiana y Scaled-Conjugate-Gradient. La temperatura y fracción molar de metanol en alimentación, conversión en el reactor, relación de reflujo y temperatura del reboiler en la primera columna y la relación de reflujo en la segunda columna se han seleccionado como variables de entrada; mientras que el flujo molar y la fracción molar de dimetil éter en destilado de la primera columna como variables de salida. Un coeficiente de correlación de 0,96941 y error cuadrático medio de 1,56E-02 evidencian el buen desempeño la red durante su entrenamiento con 465 neuronas y el algoritmo de regularización bayesiana. Un valor-p mayor que 0,05 permite validar con un 95% de confianza el modelo de predicción, confirmando que no existe una diferencia estadística significativa entre los datos reales y predichos por la red. Los resultados indican que el modelo de predicción utilizando redes neuronales artificiales es eficiente al predecir la producción de dimetil éter. Demostrando así, que las redes neuronales pueden ser una opción viable en la predicción de resultados de una planta frente a las simulaciones tradicionales que obtienen los resultados en base a ecuaciones previamente establecidas. Logrando, inclusive poder predecir resultados de sistemas de mayor complejidad en menor tiempo. Se recomienda simular y predecir la producción de dimetil éter utilizando gas de síntesis. |
|---|