Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.espoch.edu.ec/handle/123456789/16921
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Guamán Lozada, Darío Fernando | - |
dc.contributor.author | Jaya Silva, Jefferson Wilmer | - |
dc.date.accessioned | 2022-09-15T22:07:38Z | - |
dc.date.available | 2022-09-15T22:07:38Z | - |
dc.date.issued | 2022-01-18 | - |
dc.identifier.citation | Jaya Silva, Jefferson Wilmer. (2022). Evaluación del uso de redes neuronales artificiales en la predicción de resultados de un proceso de isomerización para su uso como herramienta didáctica en la materia de simulación de procesos. Escuela Superior Politécnica de Chimborazo. Riobamba. | es_ES |
dc.identifier.uri | http://dspace.espoch.edu.ec/handle/123456789/16921 | - |
dc.description | El objetivo de este trabajo se fundamenta en el desarrollo y evaluación de una red neuronal que sea capaz de predecir la concentración molar de isobutano e isopentano en un proceso de isomerización con un coeficiente de correlación lo más cercano a 1. Para el diseño de la red primero se modelo el sistema a través de un software de simulación de código abierto, DWSIM, una vez simulado se obtiene a partir de este una base de 115 pares de datos haciendo variar las fracciones molares en la alimentación, relación de reflujo y porcentaje de conversión, a este grupo de datos se le aplica un análisis estadístico para verificar la existencia de datos atípicos y corroborar si la media de los datos es aceptable. En el software Matlab se selecciona la arquitectura y el logaritmo de red que mejor se adapte al conjunto de datos. Finalmente se procedió aplicar un análisis estadístico para realizar la comparación entre los valores arrojados por el simulador y los predichos por la red neuronal. Como resultados finales se verificó que la red que mejor se ajusta adecuadamente es el algoritmo Bayesian Regularization con una red de veinte neuronas ocultas, seis neuronas de entrada y cuatro neuronas de salida, dando un error cuadrático medio de 1,73e-04 y un coeficiente de correlación total de 0,9990. Concluyendo de esta manera que la red es capaz de predecir la fracción molar de isobutano e isopentano en el proceso de isomerización con la misma exactitud que lo haría un simulador ya que no existe una diferencia significativa entre las medias de los datos reales y los predichos por la red. Se recomienda emplear diferentes métodos termodinámicos y rangos específicos para las variables de entrada y de esta manera obtener resultados idóneos a la realidad del sistema de isomerización. | es_ES |
dc.description.abstract | The objective of this work is based on the development and evaluation of a neural network capable of predicting the molar concentration of isobutane and isopentane in an isomerization process with a correlation coefficient as close to 1. For the design of the network, the system is first modeled through an open code simulation software, DWSIM; once simulated, a base of 115 pairs of data is obtained from it by varying the mole fractions in the feed, reflux relationship and conversion percentage; a statistical analysis is applied to this group of data to verify the existence of atypical data and to corroborate if the mean of the data is acceptable. The Matlab software is used to select the architecture and the network logarithm that best suits the data set. Finally, a statistical analysis was applied to compare the values obtained by the simulator to those predicted by the neural network. As final result, it was verified that the best fitting network is the Bayesian Regularization algorithm with a network of twenty hidden neurons, six input neurons and four output neurons, giving a mean square error of 1.73e-04 and a total correlation coefficient of 0.9990. Thus concluding that the network is able to predict the mole fraction of isobutane and isopentane in the isomerization process with the same accuracy as a simulator would do, since there is no significant difference between the means of the real data and those predicted by the network. It is recommended to use different thermodynamic methods and specific ranges for the input variables to obtain results suitable to the reality of the isomerization system. | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Escuela Superior Politécnica de Chimborazo | es_ES |
dc.relation.ispartofseries | UDCTFC;96T00752 | - |
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 | CONTROL AUTOMÁTICO | es_ES |
dc.subject | REDES NEURONALES ARTIFICIALES (RNA) | es_ES |
dc.subject | MATLAB (SOFTWARE) | es_ES |
dc.subject | SIMULACIÓN | es_ES |
dc.subject | DWSIM (SOFTWARE) | es_ES |
dc.subject | PROCESO DE ISOMERIZACIÓN | es_ES |
dc.title | Evaluación del uso de redes neuronales artificiales en la predicción de resultados de un proceso de isomerización para su uso como herramienta didáctica en la materia de simulación de procesos | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
dc.contributor.miembrotribunal | Rodríguez Pinos, Adrián Alejandro | - |
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 | |
---|---|---|---|---|
96T00752.pdf | 2,47 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons