Predicción de propiedades termofísicas provenientes de datos ppt de sistemas binarios alcano-cloroalcano, usando un método de contribución de grupos

Simple item page
dc.contributor.advisorGuerrero Amaya, Hernando
dc.contributor.advisorParra Ramirez, Martha Josefina
dc.contributor.authorQuintero Monroy, Maria Alejandra
dc.date.accessioned2024-03-04T00:08:49Z
dc.date.available2018
dc.date.available2024-03-04T00:08:49Z
dc.date.created2018
dc.date.issued2018
dc.description.abstractEl diseño de procesos químicos es de gran importancia en la industria y se beneficia, en gran medida, de la estimación de propiedades termofísicas con alto grado de precisión. Entre los compuestos químicos altamente usados en la industria química, farmacéutica y petrolera se encuentran los alcanos, cloroalcanos y sus mezclas binarias. Por tal razón, es deseable el proponer un modelo que estime dichas propiedades de manera sencilla. Se realizó el modelamiento de densidades para alcanos, cloroalcanos y sus mezclas binarias en Python, mediante aprendizaje automático por 2012. Los modelos propuestos son regresiones lineales multivariables entrenados con tan solo el 5% de los datos experimentales disponibles y con desviación relativa cuadrática media (DRCM) menor al 0,34. Además de ser modelos sencillos, se evidencia su versatilidad al poder utilizarlos para estimar las densidades de compuestos y mezclas no incluidos y a condiciones fuera del rango de temperaturas y presiones estudiados por Guerrero Amaya. Los modelos superan la ecuación de estado de Peng-Robinson y, en algunos casos, las predicciones obtenidas con correlaciones avanzadas para densidades líquidas (ej. Modelo COSTALD). Los modelos obtenidos también permiten estimar propiedades termofísicas como la expansibilidad isobárica, compresibilidad isotérmica y presión interna, tanto de sustancias puras como de mezclas. Dichas propiedades se obtienen mediante expresiones explícitas sencillas en función de los coeficientes de los modelos y las condiciones de operación.
dc.description.abstractenglishThe design of chemical processes is of great importance in industry and greatly benefits from the accurate estimation of thermophysical properties. Alkanes, chloroalkanes and their binary mixtures are among the chemical species most used in the chemical, pharmaceutical and petroleum industries. For this reason, proposing a model that can estimate their thermophysical properties accurately and readily is of great interest. A group contribution liquid density model for alkanes, chloroalkanes and their binary mixtures was fit to PT experimental data obtained from Guerrero Amaya (2012) using . The proposed models consist of multivariate linear regressions, which were trained with only 5% of the experimental dataset. These models provide high accuracy with normalized root-mean-square errors (NRMSE) of less than 0.34%. In addition to being simple models, these models are very flexible, as they can be used to estimate liquid densities of compounds and mixtures not included or under conditions outside the temperature and pressure ranges studied by Guerrero Amaya. These models provide superior results to Peng-Robinson calculations and, in some cases, surpass the performance of advanced correlations for liquid densities (i.e. COSTALD). Thermophysical properties such as isobaric thermal expansivity, isothermal compressibility and internal pressure of pure substances and mixtures can be calculated from these models via simple explicit expressions that depend on model coefficients and operating conditions.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Químico
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/20.500.14071/39005
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicoquímicas
dc.publisher.programIngeniería Química
dc.publisher.schoolEscuela de Ingeniería Química
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.subjectPropiedades Termofísicas
dc.subjectAlcanos
dc.subjectCloroalcanos
dc.subjectSistemas Alcano-Cloroalcano
dc.subjectPython
dc.subjectAprendizaje Automático
dc.subjectContribución De Grupos.
dc.subject.keywordThermophysical Properties
dc.subject.keywordAlkanes
dc.subject.keywordChloroalkanes
dc.subject.keywordAlkane-Chloroalkane Systems
dc.subject.keywordPython
dc.subject.keywordMachine Learning
dc.subject.keywordGroup Contributions.
dc.titlePredicción de propiedades termofísicas provenientes de datos ppt de sistemas binarios alcano-cloroalcano, usando un método de contribución de grupos
dc.title.englishPrediction of thermophysical properties from pt data for alkane-chloroalkane binary systems, using a group contribution method*
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
299.7 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
4.35 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
288.88 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería Química