Utilização de um modelo de correção da previsão do equilíbrio líquido-vapor de sistemas binários utilizando redes neurais artificiais

• Ano de defesa: 2016
• Autor(a) principal: Ribeiro, Daniel Gomes
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Instituto Politécnico; BR; UERJ; Programa de Pós-Graduação em Modelagem Computacional
• Palavras-chave em Português: Artificial neural networks; Vapor-liquid equilibrium; Least squares; Iterative method; Artificial intelligence; Interpolation; Redes neurais artificiais; Equilíbrio líquido-vapor; Mínimos quadrados lineares; Método iterativo; Inteligência artificial; Interpolação; CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA::MATEMATICA APLICADA
• Link de acesso: http://www.bdtd.uerj.br/handle/1/13699

Neste trabalho, combina-se a consistência física de um modelo termodinâmico com a capacidade de aprendizado e extração de informações relevantes das redes neurais. Utilizou-se um modelo que faz uso tanto das simulações de uma rede neural treinada com dados oriundos do modelo termodinâmico (dado pela lei de Raoult Modificada, com modelo de Wilson para descrição das não-idealidades da fase líquida) como das simulações dadas por uma outra rede neural treinada apenas com dados experimentais. A fim de se hibridizar a simulação, foi aplicado o método dos mínimos quadrados lineares sobre um operador de correção que une numericamente as duas simulações. Os resultados obtidos mostram significativa melhora na previsão quando comparados com os métodos tradicionais (modelo termodinâmico e rede neural treinada com dados experimentais), indicando ser esta uma abordagem viável na previsão do equilíbrio líquido-vapor de sistemas binários.