Vapor-Liquid equilibria modeling using gray-box neural networks as binary interaction parameters predictor
| Autor: | Roman Rodríguez-Maecker, Rosa Galleguillos-Pozo, Lorenzo Reyes-Bozo, Eduardo Vyhmeister, Héctor Valdés-González, Jonathan Rodríguez-Pino |
|---|---|
| Rok vydání: | 2017 |
| Předmět: |
lcsh:TN1-997
Physics lcsh:T General Engineering 02 engineering and technology ANN prediction 021001 nanoscience & nanotechnology lcsh:Technology 020401 chemical engineering Peng-Robinson Non-Linear Evaluations Vapor liquid Acetone-Alcohol System 0204 chemical engineering 0210 nano-technology Humanities lcsh:Mining engineering. Metallurgy |
| Zdroj: | Dyna, Vol 84, Iss 203, Pp 226-232 (2017) |
| ISSN: | 2346-2183 0012-7353 |
| DOI: | 10.15446/dyna.v84n203.56364 |
| Popis: | Las Simulaciones de Equilibrio Líquido Vapor (VLE) son ampliamente utilizadas dado su impacto en el escalamiento, diseño y extrapolación de diferentes operaciones unitarias. Sin embargo, dado considerable factores, es casi imposible experimentalmente estudiar cada uno de los sistemas de VLE. La simulación de VLE puede ser desarrollada utilizando representaciones que son fuertemente dependientes de la naturaleza e interacción de los compuestos que conforman la mezcla. Un modelo que ayude en la predicción de esas interacciones facilitará el proceso de simulación. Una Red Neuronal Gris (GNM) fue creada como un predictor de parámetros de interacción binaria, los que son estimados utilizando variables de estado e información de componentes puros. Esta información fue utilizada para predecir el comportamiento de VLE en mezclas y rangos no utilizados en la formulación matemática. Las capacidades predictivas del GNM (incluida la dependencia de temperatura) mostraron errores menores al 5% y al 20% para mezclas consideradas y no consideradas en los datos de entrenamiento, respectivamente. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|