Aplicación de la regresión lineal múltiple y las redes neuronales artificiales para la predicción del índice de cetano en el diésel utilizando propiedades macroscópicas y espectros nir

Abstract

Son múltiples las ventajas de desarrollar un modelo de regresión basado en datos. Entre ellas es posible mencionar: comprensión de las variables influyentes en los procesos, determinación de los estadísticos que presentan los datos, análisis de datos atípicos e influyentes y predicción de nuevos valores de propiedades. Dadas las ventajas, el desarrollo de un modelo de regresión para la estimación del índice de cetano en el diésel permitiría descartar variables sin importancia para la determinación de esta propiedad así como proponer estructuras matemáticas alternativas a las descritas en las normas ASTM D 4737 y ASTM D 976. En este trabajo se desarrollaron diferentes modelos de regresión para la predicción del índice de cetano (CI) en el diésel, por medio del uso de métodos de regresión lineal múltiple (RML) y las redes neuronales artificiales (RNA); los procedimientos matemáticos fueron aplicados según su codificación en el software R versión libre y en el toolbox respectivo de MATLAB. Para el desarrollo de los modelos de regresión fueron utilizados dos tipos de datos: el primero representado por propiedades macroscópicas como la densidad, la temperatura de ebullición y la viscosidad, entre otras, mientras que el segundo tipo corresponde a los derivados de la aplicación de técnicas instrumentales de espectroscopia infrarroja. Los resultados de este trabajo demuestran que los modelos propuestos predicen con alta exactitud el CI obtenido por la aplicación de la norma ASTM D-4737. Sin embargo por la facilidad de disposición y obtención de los datos se prefiere el modelo de predicción basado en las redes neuronales a partir de espectroscopia infrarroja cercana.