Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
http://www.bdtd.uerj.br/handle/1/7724
Tipo do documento: | Dissertação |
Título: | Inferência de frações de butano no propano e de frações de propano no butano em uma coluna depropanizadora utilizando rede neuronal |
Título(s) alternativo(s): | Inference of butane fractions in propane and propane fractions in butane,in a depropanizer column by neural network |
Autor: | Areal, Oswaldo Fraga |
Primeiro orientador: | Wedemann, Roseli Suzi |
Primeiro coorientador: | Silva, Patricia Nunes da |
Primeiro membro da banca: | Vasconcellos, Carlos Frederico Fragoso de Barros |
Segundo membro da banca: | Carvalho, Luís Alfredo Vidal de |
Resumo: | Parâmetros de qualidade (especificações) de derivados de petróleo são dependentes de variáveis de processo, tais como vazões, pressões e temperaturas. Entretanto não se conhece a expressão analítica da função que expressa essa dependência. Mas, essa dependência está registrada nos dados coletados ao longo dos anos, durante o funcionamento da cadeia produtiva de uma refinaria. Este trabalho apresenta os estudos realizados para a construção de uma rede neuronal, com o objetivo de calcular parâmetros de qualidade de derivados de petróleo. A base de dados permite que as redes neuronais sejam utilizadas para estimar, em tempo real, os parâmetros de qualidade de interesse, em função das variáveis de processo. A arquitetura da rede neuronal utilizada foi a perceptron de múltiplas camadas. As especificações escolhidas foram os teores de frações pesadas na produção de topo e os de frações leves na produção de fundo de uma coluna de destilação. Dentro da arquitetura escolhida foram testadas varias topologias e comparados os desempenhos em função do erro quadrático médio, com o objetivo de encontrar a topologia mais adequada. Apesar de ter sido provado que uma rede neuronal _e capaz de aproximar qualquer função continua, encontrar a arquitetura e a topologia adequadas para a rede constitui-se um grande desafio. |
Abstract: | This paper presents the studies carried out for the construction of a neural network, in order to calculate quality parameters (specifications) of oil derivatives. These quality parameters are dependent on process parameters, such as flows, pressures and temperatures, but the analytical expression of the function expressing this dependence is not known. However, this dependence is registered in the data collected throughout the years, during the operation of the production chain the refinery. This database allows the neural networks to be used to estimate, in real time, the quality parameters of interest as a function of the process parameters. The architecture of the neural network used was the multilayer perceptron. The chosen specifications were the percentage of heavy fractions in the top production and the light fractions in the bottom production of a distillation column. With the chosen architecture, several topologies were tested and the performance in function of the mean square error, in order to find the most appropriate topology. Although it has been proven that a neural network is able to approximate any continuous function, finding the appropriate architecture and topology for the network is a great challenge |
Palavras-chave: | Neural network Depropanizer column Propane Butane Rede neuronal Coluna depropanizadora Propano Butano |
Área(s) do CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO |
Idioma: | por |
País: | BR |
Instituição: | Universidade do Estado do Rio de Janeiro |
Sigla da instituição: | UERJ |
Departamento: | Centro de Tecnologia e Ciências::Instituto de Matemática e Estatística |
Programa: | Programa de Pós-Graduação em Ciências Computacionais |
Citação: | AREAL, Oswaldo Fraga. Inferência de frações de butano no propano e de frações de propano no butano em uma coluna depropanizadora utilizando rede neuronal. 2017. 80 f. Dissertação (Mestrado em Modelagem matemático-estatístico-computacional) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2017. |
Tipo de acesso: | Acesso Aberto |
URI: | http://www.bdtd.uerj.br/handle/1/7724 |
Data de defesa: | 11-Mar-2017 |
Aparece nas coleções: | Mestrado em Ciências Computacionais |
Arquivos associados a este item:
Arquivo | Tamanho | Formato | |
---|---|---|---|
OswaldoFragaAreal_CCOMP_2017.pdf | 2,04 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.