Predicción del equilibrio líquido - vapor del sistema etanol - agua mediante un modelo de red neuronal artificial

• Autores: Lira Pahuacho, Dante Alejandro, Vega Montero, Jefferson Climber
• Formato: tesis de grado
• Fecha de Publicación: 2020
• Institución: Universidad Nacional del Centro del Perú
• Repositorio: UNCP - Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uncp.edu.pe:20.500.12894/7271
• Enlace del recurso: http://hdl.handle.net/20.500.12894/7271
• Nivel de acceso: acceso abierto
• Materia: Equilibrio líquido vapor; Sistema etanol-agua; Modelamiento; Red neuronal artificial; https://purl.org/pe-repo/ocde/ford#2.04.01

La presente tesis tiene como objetivo predecir el equilibrio líquido-vapor del sistema etanol – agua en la planta piloto de destilación continua del Laboratorio de Operaciones y Procesos Unitarios (LOPU) de la Facultad de Ingeniería Química de la Universidad Nacional del Centro del Perú mediante un modelo de red neuronal artificial “feed forward” el cual fue implementado con tres capas, una capa de entrada, una capa escondida y una capa de salida. El modelo tiene dos entradas (P, T) y dos salidas (xetanol, yetanol). El algoritmo de entrenamiento implementado es el de retropropagación y los datos utilizados para el entrenamiento y la validación de la red neuronal artificial fueron obtenidos con el modelo termodinámico NRTL a las condiciones de operación de la columna de destilación. La comparación y análisis en términos del valor absoluto del error promedio entre los resultados predichos por el modelo de red neuronal artificial y los datos experimentales para el sistema binario etanol – agua muestra una buena concordancia entre ellos. Asimismo, fue construida la curva de equilibrio yetanol vs xetanol y fue comparada con la curva de equilibrio obtenida a partir de los datos reportados en la literatura científica obteniéndose una distribución de los datos idéntica en ambas curvas.