[pt] MODELAGEM DAS PROPRIEDADES DO TIO2 NA PREVISÃO DO BAND GAP UTILIZANDO REDES NEURAIS ARTIFICIAIS
Ano de defesa: | 2020 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso aberto |
Idioma: | eng |
Instituição de defesa: |
MAXWELL
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: | |
Link de acesso: | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=51016&idi=1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=51016&idi=2 http://doi.org/10.17771/PUCRio.acad.51016 |
Resumo: | [pt] O dióxido de titânio é amplamente utilizado pela indústria e pesquisa como fotocatalisador, cuja principal desvantagem ainda é sua aplicação sob luz visível. Propriedades como quantidade de fases, tamanho do cristalito, área de superfície específica, volume de poros e valor da banda proibida (Eg) são explorados por métodos de síntes e para aprimorar a performance do TiO2. No entanto, elas são ajustadas empiracamente. O presente trabalho foi realizado a fim de descrever uma relação analítica entre essas propriedades para a fotocatálise, usando Redes Neurais Artificiais (RNAs) como ferramente estatística. Afim de ter o banco de dados mais representativo, foram usados 53 artigos. O Eg foi considerado a medida a qual avalia a performance fotocatalítica, sendo o parâmetro de saída da rede. Dois blocos A e B, distintos pelas variáveis de entrada, foram arranjados em grupos para investigar a influência das variáveis em pares, com 257 e 220 fotocatalisadores para cada, respectivamente. Exploraram-se diferentes algoritmos de treinamento (baseados em Retropropagação), tipos de redes (Feedforward, Cascade forward e Elman), funções de transferência, número de neurônios e redemulticamadas. Avaliaram-se os modelos pela Soma dos Erros Quadráticos (SSE),pelo coeficiente de correlação de regressão (R2) tanto para o treinamento e quanto para o teste, pelo comportamento de predição do banco de dados e pelo diagrama de regressão dos valores preditos pelos observados. Os resultados do bloco A sugerem que as variáveis não aparentam ter uma relação. Os modelos de múltiplas camadas no bloco B revelaram um aumento no desempenho. O resultado de maior coeficiente teve topologia de 4-4-6-1, correspondendo a camada de entrada, primeira camada oculta, segunda camada oculta e camda de saída, respectivamente. Obteve-se R2 de 84 por cento para o treinamento e 50 por cento para o teste, com SSE de 2.24.Esse resultado sugere que a rede não é capaz de prever o Eg, mas ela pode ser aprimorada. Os parâmetros estruturais devem ser revisados, de acordo com padrões de caracterizações e dados estatísticos. Consequentemente, o modelo pode ser bem ajustado, otimizado e usado na melhoria da fotocatálise. |