Redes neurais artificiais e redes complexas: aplicaÃÃes em processos quÃmicos.

Bibliographic Details
Main Author: Daniel Muniz Bezerra
Publication Date: 2005
Format: Master thesis
Language: por
Source: Biblioteca Digital de Teses e Dissertações da UFC
Download full: http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=9209
Summary: Na primeira parte deste trabalho, empregamos uma rede neural artificial (RNA) treinada com algoritmo back-propagation para inferir a volatilidade dos gases liquefeitos de petrÃleo (GLP) produzidos em uma torre de fracionamento de lÃquido de gÃs natural (LGN). Os resultados obtidos indicam que a RNA fornece melhores respostas do que um simulador desenvolvido com base fenomenolÃgica que se encontra em fase de implementaÃÃo na planta em estudo. Na segunda parte da dissertaÃÃo, o nosso objetivo primordial à demonstrar que os fluxogramas de processos de refinarias de petrÃleo podem estar intrinsecamente associados à topologias de redes complexas, que sÃo scale-free, exibem efeitos de mundo pequeno e possuem organizaÃÃo hierÃrquica. A emergÃncia dessas propriedades em redes artificiais à explicada como uma consequÃncia dos princÃpios usados no design de projeto dos processos, os quais incluem regras heurÃsticas e tÃcnicas algorÃtmicas. Esperamos que esses resultados sejam tambÃm vÃlidos para plantas quÃmicas de diferentes tipos e capacidades.
id UFC_5ad83d0935432cf7fb26ebb7e6d24f70
oai_identifier_str oai:www.teses.ufc.br:6350
network_acronym_str UFC
network_name_str Biblioteca Digital de Teses e Dissertações da UFC
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisRedes neurais artificiais e redes complexas: aplicaÃÃes em processos quÃmicos.Artificial neural networks and complex networks: an application in chemical plants.2005-06-29Josà Soares de Andrade JÃnior4394614540009110089349Daniel Muniz BezerraUniversidade Federal do CearÃPrograma de PÃs-GraduaÃÃo em Engenharia QuÃmicaUFCBRInteligÃncia artificial MÃtodos de simulaÃÃoArtificial Neural Networks Scale-free Networks Small-words Networks Chemical Plants ENGENHARIA QUIMICANa primeira parte deste trabalho, empregamos uma rede neural artificial (RNA) treinada com algoritmo back-propagation para inferir a volatilidade dos gases liquefeitos de petrÃleo (GLP) produzidos em uma torre de fracionamento de lÃquido de gÃs natural (LGN). Os resultados obtidos indicam que a RNA fornece melhores respostas do que um simulador desenvolvido com base fenomenolÃgica que se encontra em fase de implementaÃÃo na planta em estudo. Na segunda parte da dissertaÃÃo, o nosso objetivo primordial à demonstrar que os fluxogramas de processos de refinarias de petrÃleo podem estar intrinsecamente associados à topologias de redes complexas, que sÃo scale-free, exibem efeitos de mundo pequeno e possuem organizaÃÃo hierÃrquica. A emergÃncia dessas propriedades em redes artificiais à explicada como uma consequÃncia dos princÃpios usados no design de projeto dos processos, os quais incluem regras heurÃsticas e tÃcnicas algorÃtmicas. Esperamos que esses resultados sejam tambÃm vÃlidos para plantas quÃmicas de diferentes tipos e capacidades. In the first part of this work we apply an artificial neural network (ANN) trained with a back-propagation algorithm to predict the volatility of liquefied petroleum gases (LPG) produced from a fractionation tower of natural gas liquid (NGL). Our analysis indicate that the ANN scheme provides better results than a simulator developed based phenomenological which is currently being implemented in the plant under study. In the second part, our primary objective is to demonstrate that flowsheets of oil refineries can be intrinsically associated to complex network topologies, which are scale-free, display small-word effect and have hierarchical organization. The emergence of these properties artificial networks is explained as a consequence of the design principles used in the processâ design, which include heuristics rules and algorithmic techniques. We expect these results to be also valid for chemical plants of different types and capacities.nÃo hÃhttp://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=9209application/pdfinfo:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da UFCinstname:Universidade Federal do Cearáinstacron:UFC2019-01-21T11:22:29Zmail@mail.com -
dc.title.pt.fl_str_mv Redes neurais artificiais e redes complexas: aplicaÃÃes em processos quÃmicos.
dc.title.alternative.en.fl_str_mv Artificial neural networks and complex networks: an application in chemical plants.
title Redes neurais artificiais e redes complexas: aplicaÃÃes em processos quÃmicos.
spellingShingle Redes neurais artificiais e redes complexas: aplicaÃÃes em processos quÃmicos.
Daniel Muniz Bezerra
InteligÃncia artificial
MÃtodos de simulaÃÃo
Artificial Neural Networks
Scale-free Networks
Small-words Networks
Chemical Plants
ENGENHARIA QUIMICA
title_short Redes neurais artificiais e redes complexas: aplicaÃÃes em processos quÃmicos.
title_full Redes neurais artificiais e redes complexas: aplicaÃÃes em processos quÃmicos.
title_fullStr Redes neurais artificiais e redes complexas: aplicaÃÃes em processos quÃmicos.
title_full_unstemmed Redes neurais artificiais e redes complexas: aplicaÃÃes em processos quÃmicos.
title_sort Redes neurais artificiais e redes complexas: aplicaÃÃes em processos quÃmicos.
author Daniel Muniz Bezerra
author_facet Daniel Muniz Bezerra
author_role author
dc.contributor.advisor1.fl_str_mv Josà Soares de Andrade JÃnior
dc.contributor.advisor1ID.fl_str_mv 43946145400
dc.contributor.authorID.fl_str_mv 09110089349
dc.contributor.author.fl_str_mv Daniel Muniz Bezerra
contributor_str_mv Josà Soares de Andrade JÃnior
dc.subject.por.fl_str_mv InteligÃncia artificial
MÃtodos de simulaÃÃo
topic InteligÃncia artificial
MÃtodos de simulaÃÃo
Artificial Neural Networks
Scale-free Networks
Small-words Networks
Chemical Plants
ENGENHARIA QUIMICA
dc.subject.eng.fl_str_mv Artificial Neural Networks
Scale-free Networks
Small-words Networks
Chemical Plants
dc.subject.cnpq.fl_str_mv ENGENHARIA QUIMICA
dc.description.sponsorship.fl_txt_mv nÃo hÃ
dc.description.abstract.por.fl_txt_mv Na primeira parte deste trabalho, empregamos uma rede neural artificial (RNA) treinada com algoritmo back-propagation para inferir a volatilidade dos gases liquefeitos de petrÃleo (GLP) produzidos em uma torre de fracionamento de lÃquido de gÃs natural (LGN). Os resultados obtidos indicam que a RNA fornece melhores respostas do que um simulador desenvolvido com base fenomenolÃgica que se encontra em fase de implementaÃÃo na planta em estudo. Na segunda parte da dissertaÃÃo, o nosso objetivo primordial à demonstrar que os fluxogramas de processos de refinarias de petrÃleo podem estar intrinsecamente associados à topologias de redes complexas, que sÃo scale-free, exibem efeitos de mundo pequeno e possuem organizaÃÃo hierÃrquica. A emergÃncia dessas propriedades em redes artificiais à explicada como uma consequÃncia dos princÃpios usados no design de projeto dos processos, os quais incluem regras heurÃsticas e tÃcnicas algorÃtmicas. Esperamos que esses resultados sejam tambÃm vÃlidos para plantas quÃmicas de diferentes tipos e capacidades.
dc.description.abstract.eng.fl_txt_mv In the first part of this work we apply an artificial neural network (ANN) trained with a back-propagation algorithm to predict the volatility of liquefied petroleum gases (LPG) produced from a fractionation tower of natural gas liquid (NGL). Our analysis indicate that the ANN scheme provides better results than a simulator developed based phenomenological which is currently being implemented in the plant under study. In the second part, our primary objective is to demonstrate that flowsheets of oil refineries can be intrinsically associated to complex network topologies, which are scale-free, display small-word effect and have hierarchical organization. The emergence of these properties artificial networks is explained as a consequence of the design principles used in the processâ design, which include heuristics rules and algorithmic techniques. We expect these results to be also valid for chemical plants of different types and capacities.
description Na primeira parte deste trabalho, empregamos uma rede neural artificial (RNA) treinada com algoritmo back-propagation para inferir a volatilidade dos gases liquefeitos de petrÃleo (GLP) produzidos em uma torre de fracionamento de lÃquido de gÃs natural (LGN). Os resultados obtidos indicam que a RNA fornece melhores respostas do que um simulador desenvolvido com base fenomenolÃgica que se encontra em fase de implementaÃÃo na planta em estudo. Na segunda parte da dissertaÃÃo, o nosso objetivo primordial à demonstrar que os fluxogramas de processos de refinarias de petrÃleo podem estar intrinsecamente associados à topologias de redes complexas, que sÃo scale-free, exibem efeitos de mundo pequeno e possuem organizaÃÃo hierÃrquica. A emergÃncia dessas propriedades em redes artificiais à explicada como uma consequÃncia dos princÃpios usados no design de projeto dos processos, os quais incluem regras heurÃsticas e tÃcnicas algorÃtmicas. Esperamos que esses resultados sejam tambÃm vÃlidos para plantas quÃmicas de diferentes tipos e capacidades.
publishDate 2005
dc.date.issued.fl_str_mv 2005-06-29
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
status_str publishedVersion
format masterThesis
dc.identifier.uri.fl_str_mv http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=9209
url http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=9209
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do CearÃ
dc.publisher.program.fl_str_mv Programa de PÃs-GraduaÃÃo em Engenharia QuÃmica
dc.publisher.initials.fl_str_mv UFC
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade Federal do CearÃ
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFC
instname:Universidade Federal do Ceará
instacron:UFC
reponame_str Biblioteca Digital de Teses e Dissertações da UFC
collection Biblioteca Digital de Teses e Dissertações da UFC
instname_str Universidade Federal do Ceará
instacron_str UFC
institution UFC
repository.name.fl_str_mv -
repository.mail.fl_str_mv mail@mail.com
_version_ 1643295171032383488

Similar Items