Desarrollo de una RNA para la predicción de la concentración de diisobutileno producido en una columna de destilación catalítica
El presente trabajo tuvo el objetivo de desarrollar una Red Neuronal Artificial (RNA) capaz de predecir la concentración molar de Diisobutileno (DIB), 3,4,4-trimethyl-1-Pentene (DIM) y Alcohol Terbutilico (TBA) en las corrientes de destilado y residuo en las columnas: Reactiva (CDC), Alta presión (A...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Médium: | bachelorThesis |
| Jazyk: | spa |
| Vydáno: |
2023
|
| Témata: | |
| On-line přístup: | https://dspace.espoch.edu.ec/handle/123456789/20352 |
| Tagy: |
Přidat tag
Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!
|
Přidat tag | Shrnutí: | El presente trabajo tuvo el objetivo de desarrollar una Red Neuronal Artificial (RNA) capaz de predecir la concentración molar de Diisobutileno (DIB), 3,4,4-trimethyl-1-Pentene (DIM) y Alcohol Terbutilico (TBA) en las corrientes de destilado y residuo en las columnas: Reactiva (CDC), Alta presión (ADC) y Baja presión (TDC). La simulación del proceso se llevó a cabo en DWSIM; una vez verificada la valides de la simulación se realizó un análisis de sensibilidad para identificar que variables de operación influían en la fracción molar de DIB, DIM y TBA en las salidas de las tres columnas utilizadas. Las variables de entrada fueron: Fracción molar de isobutileno (IB) y 2-buteno (2-Bu) en la alimentación C4; temperatura de alimentación C4 y TBA; presión de operación de la columna CDC, presión de la columna ADC y presión de la columna TDC. El desarrollo, entrenamiento, validación y testeo de la red se realizó en MATLAB mediante la app Neural Fitting. La estructura de la red se basa en el algoritmo Bayesian Regularization (BR) que consta en 7 entradas y 7 salidas con 30 neuronas en la capa oculta. La red alcanzó un error cuadrático medio (MSE) de 0.0008251 con un coeficiente de regresión lineal (R) de 0.9946, sin embargo, la confiablidad de la red se evaluó determinando el error porcentual que existía entre los valores predichos y los valores reales proporcionados por DWSIM, mediante una validación interna y externa, de la que obtuvo un error promedio de 5% y 10% respectivamente. Posteriormente se usó el estadístico ANOVA para dar valides a los resultados obtenidos. Finalmente, se realizó una optimización del proceso determinando las condiciones de operación que permitían la mayor fracción de DIB en el residuo de la columna CDC, la mayor fracción de TBA en el destilado de la columna ADC y la mayor fracción de DIB en el destilado de la columna TDC. |
|---|