Predicción del comportamiento termogravimétrico de la energía de activación de los residuos de café mediante el uso redes neuronales artificiales Predicción del comportamiento termogravimétrico de la energía de activación de los residuos de café mediante el uso redes neuronales artificiales

El desarrollo de redes neuronales artificiales como herramienta para la evaluación energética de los residuos orgánicos ha tomado relevancia dentro del campo científico. Por ello, el trabajo tiene como objetivo desarrollar una red neuronal con capacidad de predicción de la energía de activación de los residuos de café. Los datos de la degradación térmica de los residuos de café se obtuvieron mediante análisis termogravimétrico, dando resultados de pérdida de peso (mg) en función de intervalos de temperatura (ºC) y tiempo (s) a una tasa de calentamiento de 15 ºC/min, atmósfera inerte a 15ml/min en rangos de temperatura de 25-500 ºC, resultados que fueron evaluados mediante modelos cinéticos como cinética libre, Friedman y Coast, donde el método de Coast por regresión simple es el que tiene un r2 82.3706% y un factor de correlación de 0.907582 por ende este modelo se utilizó para el cálculo de la energía de activación. La red neuronal fue diseñada en Matlab misma que cuenta con 3 neuronas de entrada como son tiempo, temperatura y peso de los residuos de café generados por el análisis termogravimétrico, dentro de su arquitectura tiene 550 neuronas en la capa oculta y 1 neurona de salida correspondiente a la energía de activación predicha, su algoritmo de regularización es bayesiana con un coeficiente de correlación de 0.999 y error cuadrático medio de 9.92E-07. Los resultados predichos por la red neuronal artificial fueron validados estadísticamente por el método de comparación de muestras, en este caso la energía de activación calculada convencionalmente y energía de activación predicha, donde el valor de P es de 0.9993 indica que no existe una diferencia estadísticamente significativa ya que este es mayor que 0.05 con un nivel de confianza del 95%.

• Egile nagusia: Vacacela Asadobay, Lenin Stalin (author)
• Formatua: bachelorThesis
• Hizkuntza: spa
• Argitaratua: 2022
• Gaiak: TECNOLOGÍA; ENERGÍA; CINÉTICA; MODELO; PREDICCIÓN
• Sarrera elektronikoa: https://dspace.espoch.edu.ec/handle/123456789/20224