Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.espoch.edu.ec/handle/123456789/16724
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Guamán Lozada, Darío Fernando | - |
dc.contributor.author | Cayambe Guamán, Jose Luis | - |
dc.date.accessioned | 2022-09-12T14:34:59Z | - |
dc.date.available | 2022-09-12T14:34:59Z | - |
dc.date.issued | 2021-09-09 | - |
dc.identifier.citation | Cayambe Guamán, Jose Luis. (2021). Predicción de la energía de activación para los residuos de la empresa “Real Flowers” empleando redes neuronales artificiales. Escuela Superior Politécnica de Chimborazo. Riobamba. | es_ES |
dc.identifier.uri | http://dspace.espoch.edu.ec/handle/123456789/16724 | - |
dc.description | El trabajo tiene como objetivo predecir el comportamiento termogravimétrico de la energía de activación de los residuos de tallo de rosa mediante redes neuronales artificiales. Los datos del análisis termogravimétrico se obtuvieron a dos rampas de calentamiento de 5ºC/min y 15 ºC/min en intervalos de temperatura de 25 a 900ºC con flujo de nitrógeno de 20 ml/min. El cálculo de la energía de activación se realizó en función de los modelos cinéticos propuestos, donde el modelo de energía de activación distribuida tuvo un factor de correlación para la rampa 5 ºC/min de 0.967012 y un R2 de 93.5113 %, para la rampa 15 ºC/min el modelo de energía de activación distribuida tuvo un coeficiente de 0.955083 y un R2 de 91.2184 %. La red neuronal artificial fue diseñada con 3 neuronas de entrada la temperatura (K), tiempo(s) y peso (mg), datos del análisis termogravimétrico, en la capa oculta tiene 200 neuronas y una neurona de salida que es la energía de activación (KJ/mol), el algoritmo de entrenamiento fue el de regularización Bayesiana con un coeficiente de correlación de 1 y un error cuadrático medio de 2.73E-3. Los resultados fueron evaluados mediante análisis estadístico comparativo de dos muestras, energía de activación real y la predicha por la red, donde el valor-P es mayor a 0.05, no existiendo una diferencia estadísticamente significativa entre las medias de las 2 variables. Se recomienda utilizar el modelo de predicción en proyectos de aprovechamiento de residuos agrícolas para la generación de energía debido a la disminución de tiempos de análisis en laboratorio. | es_ES |
dc.description.abstract | The objective of this study was to predict the thermogravimetric behaviour of the activation energy of rose stem residues using artificial neural networks. The data of the thermogravimetric analysis were obtained at two heating ramps of 5ºC / min and 15ºC / min in temperature ranges from 25 to 900ºC with a nitrogen flow of 20 ml/min. The calculation of the activation energy was carried out based on the proposed kinetic models, where the distributed activation energy model had a correlation factor for the 5 ºC / min ramp of 0.967012 and an R2 of 93.5113%, for the 15 ºC / min ramp, the distributed activation energy model had a coefficient of 0.955083 and an R2 of 91.2184%. The artificial neural network was designed with 3 input neurons temperature (K), time (s) and weight (mg), the data from the thermogravimetric analysis, in the hidden layer it has 200 neurons and an output neuron that is the activation energy (KJ / mol), the training algorithm was the Bayesian regularization algorithm with a correlation coefficient of 1 and a mean square error of 2.73E-3. The results were evaluated through the comparative statistical analysis of two samples, real activation energy and that predicted by the network, where the P-value is greater than 0.05, and there was no statistically significant difference between the means of the two variables. It is recommended to use the prediction model in projects for the use of agricultural residues for the generation of energy due to the reduction of analysis times in the laboratory. | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Escuela Superior Politécnica de Chimborazo | es_ES |
dc.relation.ispartofseries | UDCTFC;96T00651 | - |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.subject | TECNOLOGÍA Y CIENCIAS DE LA INGENIERÍA | es_ES |
dc.subject | INGENIERÍA QUÍMICA | es_ES |
dc.subject | TALLO DE ROSA | es_ES |
dc.subject | ANÁLISIS TERMOGRAVIMÉTRICO | es_ES |
dc.subject | REDES NEURONALES ARTIFICIALES (RNA) | es_ES |
dc.subject | MATLAB (SOFTWARE) | es_ES |
dc.subject | ENERGÍA DE ACTIVACIÓN | es_ES |
dc.subject | MODELOS CINÉTICOS | es_ES |
dc.title | Predicción de la energía de activación para los residuos de la empresa “Real Flowers” empleando redes neuronales artificiales | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
dc.contributor.miembrotribunal | Flores Fiallos, Linda Mariuxi | - |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/3.0/ec/ | es_ES |
Aparece en las colecciones: | Ingeniero/a Químico/a |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
96T00651.pdf | 2,11 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons