Predicción de T95 y flash point para el diésel basada en espectros IR y redes neuronales artificiales

Abstract

Para el desarrollo de este proyecto, se emplearon un grupo de 61 muestras de diésel con sus respectivas propiedades. La información fue proporcionada por sección materias primas y productos terminados de la GRB. Lo anterior dio lugar a realizar 2 pretratamientos a la matriz original, con el fin de corregir línea base y posibles fluctuaciones que impiden la identificación de las contribuciones a las propiedades analizadas. Para cada uno de estos pretratamientos se realizó un entrenamiento en con la herramienta toolbox de MATLAB. Los resultados obtenidos, establecieron que el mejor desempeño fue para el pretratamiento 1 con la función de activación TANSIG y arquitectura de red 20:25:1 FP, reportando un MSE de 0.9644 y un R² de 0.9775; y para el pretratamiento 2 con la función de activación LOGSIG y arquitectura de red 24:20:1 T95, reportando un MSE de 0.2784 y un R² de 0.9803. Por otra parte la prueba de resiliencia muestra que las redes neurales son resilientes a cambios presentados cuando se eliminan datos menos representativos. En último lugar, la prueba de sensibilidad nos indica que los picos que más contribuyen en el proceso, presentan menores áreas bajo la curva de los espectros pretratados más contribuyen en el proceso, presentan menores áreas bajo la curva de los espectros pretratados..