MODELAGEM MATEMÁTICA DA MASSA DE BHA E DE BHT EM BIODIESEL POR REDES PERCEPTRON DE MÚLTIPLAS CAMADAS
Amostras de biodiesel foram submetidas a análise de estabilidade oxidativa, massa específica, ponto de fulgor, índice de acidez, teor de água, viscosidade e ponto de névoa e fluidez para avaliar a interferência desses parâmetros na quantidade de antioxidante BHA e BHT, a ser adicionada ao biodiesel, para que o valor do período de indução se apresentasse dentro das normas estabelecidas pela legislação vigente. Os dados dos parâmetros analisados e os valores das massas de antioxidantes utilizadas foram tabulados e apresentados ao módulo de regressão da rede neural do tipo perceptron de múltiplas camadas (MLP). Para o treinamento das redes foram utilizadas 200 épocas, taxa de aprendizagem de 0,05 e uma subdivisão aleatória das amostras, em três grupos: 70 % para treinamento, 15 % para teste e 15 % para validação. A massa de BHA e de BHT foi considerada como variável dependente e os demais parâmetros como variáveis independentes. As 6 amostras de biodiesel utilizadas foram consideradas como variáveis discretas (Z). Para cada antioxidante utilizado foram treinadas 200 redes e as 6 com melhor desempenho, foram destacadas. A capacidade de previsão da rede foi analisada, e aquelas com melhor desempenho apresentaram de 4 a 11 e 9 a 19 neurônios na camada oculta para o modelo do BHA e do BHT, respectivamente. O teste de Tukey aplicado às médias mostrou haver diferença significativa, em nível de 5 %, entre o valor da massa de BHA utilizada e o valor médio modelado para duas amostras do treinamento e nenhuma diferença no mesmo nível de significância para teste e validação. Para a massa de BHT o mesmo comportamento foi verificado. A análise sensitiva mostrou que a variável discreta PI seguida de Z foram as mais importantes na construção dos dois modelos.
MODELAGEM MATEMÁTICA DA MASSA DE BHA E DE BHT EM BIODIESEL POR REDES PERCEPTRON DE MÚLTIPLAS CAMADAS
-
DOI: 10.22533/at.ed.24221310816
-
Palavras-chave: Biodiesel, Antioxidantes, Redes Neurais, Período de Indução.
-
Keywords: Biodiesel, Antioxidants, Neural Networks, Induction Period.
-
Abstract:
Biodiesel samples were subjected to analysis of: oxidative stability, specific mass, flash point, acidity index, water content, viscosity and cloud and fluidity point to assess the interference of these parameters in the amount of antioxidant BHA and BHT to be added to the product so that the value of the induction period is within the norms established by the current legislation. The data of the analyzed parameters and the masses values of the antioxidants used were tabulated and presented to the regression module of the multilayer perceptron neural network (MLP). For the networks training 200 epochs were used, a learning rate of 0.05 and a random subdivision of the samples in three groups: 70% for training, 15% for testing and 15% for validation. The mass of BHA and BHT was considered as a dependent variable and the other parameters as independent ones. The 6 biodiesel samples used were considered as discrete variables (Z). For each antioxidant used, 200 networks were trained and the 6 with the best performance were highlighted. The network prediction capacity was analyzed, and those with better performance showed 4 to 11 and 9 to 19 neurons in the hidden layer for the BHA and BHT model, respectively. The Tukey test applied to the means showed a significant difference, at the level of 5%, between the BHA mass value used and the modeled mean value for two training samples, and no difference at the same significance level for testing and validation. For the BHT mass, the same behavior was verified. Sensitive analysis showed that the discrete variable IP, followed by Z, were the most important in the construction of the two models.
-
Número de páginas: 15
- Felipe Yassuo Savada
- Hágata Cremasco Silva
- Letícia Thaís Chendynski
- Karina Benassi Angilelli
- Dionisio Borsato
- Ana Carolina Gomes Mantovani
