Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.espoch.edu.ec/handle/123456789/16807
Título : | Simulación y predicción por RNA de la composición de Tetrahidrofurano separado de una mezcla Azeotrópica Tetrahidrofurano - agua utilizando DWSIM |
Autor : | Taipe Pilla, Jennifer Paulina |
Director(es): | Guamán Lozada, Darío Fernando |
Tribunal (Tesis): | Flores Fiallos, Linda Mariuxi |
Palabras claves : | TECNOLOGÍA Y CIENCIAS DE LA INGENIERÍA;INGENIERÍA QUÍMICA;INGENIERÍA DE PROCESOS;DWSIM (SOFTWARE);DESTILACIÓN EXTRACTICA;ETILENGLICOL;MEZCLA AZEOTRÓPICA;REDES NEURONALES ARTIFICIALES (RNA) |
Fecha de publicación : | 15-sep-2021 |
Editorial : | Escuela Superior Politécnica de Chimborazo |
Citación : | Taipe Pilla, Jennifer Paulina. (2021). Simulación y predicción por RNA de la composición de Tetrahidrofurano separado de una mezcla Azeotrópica Tetrahidrofurano - agua utilizando DWSIM. Escuela Superior Politécnica de Chimborazo. Riobamba. |
Identificador : | UDCTFC;96T00717 |
Abstract : | The objective of this study was to simulate an extractive distillation system to separate the tetrahydrofuran-water mixture and predict the composition of tetrahydrofuran using artificial neural networks. The simulation of the system was done with the DWSIM software, and the prediction model was developed in Matlab. The experimental data collected from the literature was used to build and validate the simulation and the neural network. The prediction model was designed using 100 data as with 4 input variables, the molar fraction of tetrahydrofuran in the inlet, the reflux ratio, and the temperature of the reboiler in the first column; the reflux ratio in the second column; 2 output variables, the molar fraction and mass flow of tetrahydrofuran recovered in the extractive distillation column. In the hidden layer, 400 neurons and the Bayesian regularization algorithm. During the training and testing of the neural network, a correlation coefficient of 0.97225 was obtained; a root means the square error of 5.17 E-03; a p-value> 0.05, which validates the neural network, showing that there is no statistical difference between the predicted values and the real data. The network simulates a process that is fed with 3000 Kg / h of the azeotropic mixture at 320 K; 1.57 Kg / h of ethylene glycol in a distillation system that operates in two columns maintained 1.1 atm. The results indicate that the artificial neural network can be widely used as an efficient simulation tool when predicting the concentration of tetrahydrofuran that is desired to be separated by extractive distillation of an azeotropic mixture of tetrahydrofuran-water. It is recommended to use the prediction model to develop neural networks that allow calculating the amount of the separated components in other azeotropic mixtures by extractive distillation with the appropriate entrainment agent. |
Resumen : | La finalidad de este trabajo fue simular un sistema de destilación extractiva para separar la mezcla tetrahidrofurano-agua y predecir la composición de tetrahidrofurano mediante redes neuronales artificiales. La simulación del sistema de destilación se llevó a cabo con el software DWSIM y el modelo de predicción se desarrolló en Matlab. Los datos experimentales recopilados de la literatura se utilizaron para construir y validar tanto la simulación como la red neuronal. El modelo de predicción fue diseñado empleando 100 datos de entrenamiento con 4 variables de entrada: La fracción molar de tetrahidrofurano en la alimentación, la relación de reflujo y temperatura del calderín en la primera columna; la relación de reflujo en la segunda columna; 2 variables de salida: la fracción molar y flujo másico de tetrahidrofurano recuperado en columna de destilación extractiva. En la capa oculta: 400 neuronas y el algoritmo de regularización bayesiana. Durante el entrenamiento y prueba de la red neuronal se obtuvo un coeficiente de correlación de 0,97225; un error cuadrático medio de 5,17 E-03; un p-value > 0,05, el cual, valida la red neuronal, evidenciando que no existe una diferencia estadística entre los valores predichos y los datos reales. La red simula un proceso que se alimenta con 3000 Kg/h de la mezcla azeotrópica a 320 K; 1,57 Kg/h de etilenglicol en un sistema de destilación que opera en dos columnas mantenidas 1,1 atm. Los resultados indican que la red neuronal artificial puede ser ampliamente utilizada como una herramienta de simulación eficiente al momento de predecir la concentración de tetrahidrofurano que se desee separar mediante destilación extractiva de una mezcla azeotrópica de tetrahidrofurano-agua. Se recomienda emplear el modelo de predicción para desarrollar redes neuronales que permitan calcular la cantidad de los componentes separados en otras mezclas azeotrópicas por destilación extractiva con el adecuado agente de arrastre. |
URI : | http://dspace.espoch.edu.ec/handle/123456789/16807 |
Aparece en las colecciones: | Ingeniero/a Químico/a |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
96T00717.pdf | 3,9 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons