Construcción de un modelo predictivo para la concentración de níquel y vanadio en fondos de vacío de crudos colombianos utilizando redes neuronales artificiales y espectroscopia de plasma inducido por láser

Simple item page
dc.contributor.advisorGuerrero Bermúdez, Jader Enrique
dc.contributor.advisorCabanzo Hernández, Rafael
dc.contributor.authorTarazona, Jose Luis
dc.date.accessioned2024-03-03T19:39:05Z
dc.date.available2012
dc.date.available2024-03-03T19:39:05Z
dc.date.created2012
dc.date.issued2012
dc.description.abstractLa técnica LIBS (Laser Induced Breakdown Spectroscopy) es un tipo de espectroscopía de emisión atómica que utiliza un pulso láser de alta potencia como fuente de excitación el cual se focaliza sobre una muestra causando ablación de pequeñas cantidades de material y formación de plasma. Esta técnica ha sido utilizada para análisis multielemental de diferentes muestras. Al usar RNA (Red Neuronal Artificial), se entrena un modelo de red con un conjunto de datos de entrada de muestras de composición conocida. Luego la red neuronal entrenada se utiliza para predecir la concentración elemental en espectros de prueba. Resultados actuales revelan que las RNAs tienen generalmente mejor capacidad de predicción que los métodos tradicionales. Aquí se presenta un modelo predictivo para determinación de la concentración de níquel y vanadio en fondos de vacío de crudos colombianos a partir de espectros LIBS y la utilización de RNAs con nodos distribuidos en múltiples capas (Perceptrón multicapa). Las entradas a la red son intensidades en la vecindad de las líneas de emisión 309.310, 310.229, y 311.070 nm de V(II) y 300.248, 301.200 y 305.081 nm de Ni(I). Se exploraron diferentes arquitecturas de RNAs variando sistemáticamente pesos y tendencias iniciales, cantidad de nodos en la capa oculta, número máximo de iteraciones y error de entrenamiento. Las métricas de evaluación del desempeño de la red en la predicción de concentraciones son: El error de predicción relativo promedio (REP) y la desviación estándar relativa promedio (RSD).
dc.description.abstractenglishThe LIBS technique (Laser Induced Breakdown Spectroscopy) is a type of atomic emission spectroscopy which uses a high power laser pulse as the excitation source. The pulse laser is focused onto a sample, causing the ablation of small amounts of material and formation of plasma. This technique has been used for multiemental analysis of different samples. When it is using an Artificial Neural Network, ANN, it is training an artificial neural network model with a set of input data samples of known composition. Then the trained neural network is used to predict the elemental concentration of the test spectra. The current results show that neural networks have better predictive power in most cases than traditional methods. A predictive model to determine the concentration of nickel and vanadium in vacuum residues of colombian crude oils using LIBS spectra (Laser Induced Breakdown Spectroscopy) and artificial neural networks (ANNs) with nodes distributed in multiple layers (multilayer Perceptron) is presented here. ANN inputs are intensity values of the emission lines 309.310, 310.229, and 311.070 nm of the V(II), and 300.248, 301.200 and 305.081 nm of the Ni(I). Different architectures of ANN that systematically varying in weights and initial biases, number of nodes in the hidden layer and training error, have been explored. Average relative error of prediction (REP) and average relative standard deviation (RSD) metrics were used to evaluate the performance of the ANN in the prediction of concentrations of two elements study here.
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Física
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/27659
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ciencias
dc.publisher.programMaestría en Física
dc.publisher.schoolEscuela de Física
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectFondos de Vacío
dc.subjectLIBS
dc.subjectRedes Neuronales Artificiales.
dc.subject.keywordVacuum residues
dc.subject.keywordLIBS
dc.subject.keywordArtificial Neural Networks.
dc.titleConstrucción de un modelo predictivo para la concentración de níquel y vanadio en fondos de vacío de crudos colombianos utilizando redes neuronales artificiales y espectroscopia de plasma inducido por láser
dc.title.englishConstruction of a predictive model for concentration of nickel and vanadium in vacuum residues of colombian crude oils using artificial neural networks and laser induced breakdown spectroscopy.
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestria
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
233.13 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
2.24 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
234.89 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Física