Contenido de azufre y RVP de las gasolinas producidas en la GRB: Predicción con espectroscopia NIR y redes neuronales artificiales
No Thumbnail Available
Date
2019
Authors
Zárate Gualdrón, Julián Alberto
Advisors
Evaluators
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
La Gerencia Refinería Barrancabermeja, GRB, genera gasolinas con los parámetros de calidad según la Resolución 1180 de 21 de junio de 2006. La preparación de gasolinas requiere la validación por laboratorio de los parámetros de calidad; sin embargo, los tiempos de medición pueden demorar ca. 6 horas. Una alternativa ante los tiempos de validación corresponde a la aplicación de modelos de redes neuronales artificiales, RNA, desarrollados con base en espectros NIR. En el presente trabajo diferentes arquitecturas RNA fueron entrenadas y validadas con espectros NIR para para el ajuste del contenido de azufre y la presión de vapor Reid, RVP, de gasolinas de la GRB. Según los resultados, los rangos de mayor contribución en la señal están entre 4000 – 4800 cm-1 y 5400 – 6200 cm-1 . Asimismo, según el análisis PCA, el valor de la segunda derivada en los números de onda entre 4309–4316 cm-1 y 4326–4338 cm-1 define las tendencias en los espectros de las gasolinas nacionales. También, los mejores desempeños en términos de RMSE y R2 fueron exhibidos por las redes 30:12:1–TanH y 6:12:1–TanH para el ajuste del contenido de Azufre y el RVP, respectivamente. La red 30:12:1–TanH utilizó las 30 primeras áreas de mayor valor, mientras que la red 6:12:1–TanH requirió de los 6 primeros componentes principales. El RMSE de la red 30:12:1–TanH de ajuste del contenido de Azufre se encontró entre la repetibilidad y la reproducibilidad promedios (ASTM D4294–16). Respecto al RVP, el RMSE fue menor que la repetibilidad y la reproducibilidad promedios. La comparación de los mejores desempeños obtenidos en el presente trabajo con los reportados en la literatura abierta soporta la capacidad de predicción cuantitativa de las redes neuronales artificiales 30:12:1–TanH y 6:12:1–TanH.
Description
Keywords
Contenido de azufre, RVP, NIR, Redes Neuronales Artificiales, Modelo Circunstancial, PCA