Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.espoch.edu.ec/handle/123456789/20224| Título : | 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 |
| Autor : | Vacacela Asadobay, Lenin Stalin |
| Director(es): | Parada Rivera, Mabel Mariela |
| Tribunal (Tesis): | Guamán Lozada , Darío Fernando |
| Palabras claves : | TECNOLOGÍA;ENERGÍA;CINÉTICA;MODELO;PREDICCIÓN |
| Fecha de publicación : | 11-ago-2022 |
| Editorial : | Escuela Superior Politécnica de Chimborazo |
| Citación : | Vacacela Asadobay, Lenin Stalin. (2022). 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. Escuela Superior Politécnica de Chimborazo. Riobamba |
| Identificador : | UDCTFC;96T00833 |
| Abstract : | The aim of this work is to develop a neural network with the ability to predict the activation energy of coffee waste. Data on the thermal degradation of coffee residues were obtained by thermogravimetric analysis, obtaining weight loss results (mg) based on of intervals of temperature (ºC) and time (s) at a heating rate of 15 ºC / min, inert atmosphere at 15ml / min in temperature ranges of 25-500 ºC, Results that were evaluated using kinetic models such as free kinetics, Friedman and Coast, where the Coast method by simple regression is the one that has an r2 82.3706% and a correlation factor of 0.907582. Therefore, this model was used to calculate the energy activation. The neural network was designed in Matlab the same one that has 3 input neurons such as time, temperature and weight of the coffee residues generated by the thermogravimetric analysis. Within its architecture, it has 550 neurons in the hidden layer and 1 output neuron corresponding to the predicted activation energy. Its regularization algorithm is Bayesian with a correlation coefficient of 0.999 and mean square error of 9.92E-07. The predicted results by the artificial neural network were statistically validated by the sample comparison method. In this case, the conventionally calculated activation energy and predicted activation energy, where the value of P is 0.9993 indicates that there is no statistically significant difference since it is greater than 0.05 with a confidence level of 95%. |
| Resumen : | 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%. |
| URI : | http://dspace.espoch.edu.ec/handle/123456789/20224 |
| Aparece en las colecciones: | Ingeniero/a Químico/a |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 96T00833.pdf | 2,19 MB | Adobe PDF |  Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
