Otimização de parâmetros para modelos baseados no conceito de contribuição de grupos aplicado ao cálculo de viscosidade de misturas não ideais

• Ano de defesa: 2019
• Autor(a) principal: Pinto, Camila Nardi
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Biodiesel; Essencial oils; GC-UNIMOD; Óleos essenciais; Óleos vegetais; UNIFAC-VISCO; Vegetable oils
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/74/74132/tde-02122019-094026/

Os modelos preditivos de viscosidade UNIFAC-VISCO e GC-UNIMOD são baseados na teoria da contribuição de grupos, ou seja, dependem da determinação dos parâmetros de interação de grupos para ter sua aplicação viabilizada. Este trabalho teve como objetivo criar um banco de dados diferenciado (com diversas funções orgânicas), para nova otimização dos parâmetros de interação para os modelos supracitados. O banco de dados e os modelos foram implementados em linguagem SQL e Python, respectivamente. Os parâmetros de interação de grupos obtidos para o modelo UNIFAC-VISCO apresentaram desvios médios relativos (DMR) inferiores a 4,27 e 6,88 % quando utilizados na predição de misturas de óleos essenciais e misturas reais de ésteres, respectivamente. Todavia, para predição de sistemas modelo de óleos vegetais, os parâmetros apresentaram DMR de 25,33 %. Para o modelo GC-UNIMOD os parâmetros obtidos apresentaram DMR de 3,41 e 4,64 % quando preditas misturas de óleos essenciais e misturas reais de ésteres, respectivamente. Os modelos estudados podem ser utilizados de forma satisfatória para predição de viscosidade de misturas de óleos essenciais, álcoois, ésteres e óleos vegetais, sendo os parâmetros globais do modelo GC-UNIMOD os mais versáteis e com boa capacidade preditiva. Uma Rede Neural Artificial (RNA) foi criada como alternativa para predição de viscosidade dos sistemas incluídos neste trabalho. A RNA apresentou Mean Absolute Percentage Error (MAPE) de 11,99 % para dados de teste, comprovando ser uma excelente alternativa para predição de viscosidades. Uma interface gráfica, disponibilizada via internet, foi desenvolvida a fim de disponibilizar as ferramentas desenvolvidas neste trabalho para a comunidade científica e também possibilitar predições com os parâmetros de interação de grupos obtidos para os modelos estudados.