Modelo preditivo para determinar a massa de antioxidante a ser adicionada em biodiesel comercial

dataload.collectionmapped02 - Mestrado - Químicapt_BR
dataload.filenamenourau8269.pdfpt_BR
dataload.handlemapped123456789/55pt_BR
dataload.idpergamum34824pt_BR
dataload.idvirtuanourauvtls000234651pt_BR
dataload.idvirtuapergamumvtls000234651pt_BR
dataload.idvirtuapergamum.sameurlnourauSIMpt_BR
dataload.linknourauhttp://www.bibliotecadigital.uel.br/document/?code=vtls000234651pt_BR
dataload.linknourau.regularSIMpt_BR
dataload.linknourau.retificadohttp://www.bibliotecadigital.uel.br/document/?code=vtls000234651pt_BR
dataload.linknourau.size64.00pt_BR
dc.contributor.advisorBorsato, Dionísio [Orientador]pt_BR
dc.contributor.authorSavada, Felipe Yassuopt_BR
dc.contributor.bancaKillner, Mário Henrique Montazzollipt_BR
dc.contributor.bancaAntunes, Sandra Regina Masettopt_BR
dc.coverage.spatialLondrinapt_BR
dc.date.accessioned2024-05-01T12:09:12Z
dc.date.available2024-05-01T12:09:12Z
dc.date.created2021.00pt_BR
dc.date.defesa19.08.2021pt_BR
dc.description.abstractResumo: 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 o efeito desses parâmetros na quantidade de antioxidante BHA e BHT, a ser adicionada ao biodiesel, para que o valor do período de indução (PI) se apresentasse dentro das normas estabelecidas pela legislação vigente Os resultados obtidos foram apresentados em forma de capítulos No primeiro, propondo uma equação para cada aditivo, tendo a massa de antioxidante como termo dependente e os parâmetros de conformidade como termos independentes, obtendo assim, equações de regressão múltipla sem intercepto As equações obtidas foram significativas em nível de 5 % e apresentaram coeficientes de determinação (R²) igual a ,979 e ,977, comprovando a sua capacidade de predição As massas previstas para adição mínima foram ,59% e ,64% para BHA, BHT respectivamente No segundo capítulo os dados 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 2 épocas, taxa de aprendizagem de ,5 e uma subdivisão aleatória das amostras, em três grupos: 7% 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 foram treinadas 2 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 camadas ocultas para os modelos 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 período de indução seguida de Z foram as mais importantes na construção dos modelos Os modelos de regressão múltipla e de redes perceptron de múltiplas camadas se mostram úteis para predizer a massa de antioxidante necessária para satisfazer os valores delimitados por lei brasileirapt_BR
dc.description.abstractother1Abstract: Biodiesel samples were subjected to analysis of oxidative stability, density, flash point, acid value, water content, viscosity and flow and cloud point to evaluate the effect of these parameters on the amount of antioxidant BHA and BHT, to be added to biodiesel, so that the value of the induction period was within the standards approved by the current legislation The results obtained are displayed in the form of chapters In the first one, proposing an equation for each additive, having the antioxidant mass as the dependent term and the compliance parameters as independent terms, multiple regression equations without an intercept were obtained The equations were significative at values lower at the 5% level and coefficients of determination (R²) equal to 979 and 977 for BHA, BHT respectively, proving their predictive capacity The predicted masses were ,59% e ,64% for the antioxidants BHA, BHT respectively In the second chapter, the data obtained was tabulated and the regression module of the multilayer perceptron neural network (MLP) type was applied For the training of the networks 2 epochs were given at learning rates of 5% a random subdivision of the networks was used, the data was split in three groups: 7% for training, 15% for testing and 15% for validation Antioxidant mass was considered as a dependent variable and the other parameters as independent The 6 biodiesel samples used were evaluated as discrete (Z) variables For each antioxidant, 2 nets were trained and 6 with the best performance were highlighted The predictive capacity of the network was analyzed, and the equations with the best performances were the ones with 4 to 11 and 9 to 19 hidden layers for the BHA and BHT models, respectively Tukey's test used for means shows a significant difference, at a 5% level, between the BHA mass value used and the mean value modeled for only two samples in the training quota and no difference at the same level of significance for testing and validation For BHT the same behavior was found Sensitive analysis revealed that the discrete variable induction period (IP) followed by Z were the most important in the construction of the models Regression models and multilayer perceptron networks showed ability to predict mass of antioxidant required to satisfy the values delimited by Brazilian lawpt_BR
dc.description.notesDissertação (Mestrado em Química) - Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Químicapt_BR
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/9629
dc.languagepor
dc.relation.coursedegreeMestradopt_BR
dc.relation.coursenameQuímicapt_BR
dc.relation.departamentCentro de Ciências Exataspt_BR
dc.relation.ppgnamePrograma de Pós-Graduação em Químicapt_BR
dc.subjectQuímicapt_BR
dc.subjectBiodieselpt_BR
dc.subjectAntioxidantespt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectRegressão múltiplapt_BR
dc.subjectChemistrypt_BR
dc.subjectBiodiesel fuelspt_BR
dc.subjectAntioxidantspt_BR
dc.subjectNeural networks (Computer science)pt_BR
dc.subjectMultiple regressionpt_BR
dc.titleModelo preditivo para determinar a massa de antioxidante a ser adicionada em biodiesel comercialpt_BR
dc.typeDissertaçãopt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
8269.pdf
Tamanho:
2.46 MB
Formato:
Adobe Portable Document Format