Construcción de un modelo predictivo para la determinación del porcentaje de carbón conradson en fondos de vacío usando redes neuronales

Abstract

La espectroscopia infrarroja es una herramienta versátil que se aplica a la determinación cualitativa y cuantitativa de las especies moleculares de todo tipo. Una de las aplicaciones del infrarrojo medio es la espectroscopia de reflexión interna, dentro de estas aplicaciones se encuentra la Reflexion Total Atenuada (ATR), el principio de la técnica se basa en la medida de los cambios que ocurren en un haz infrarrojo reflejado internamente cuando interactúa con cualquier material absorbente; este haz infrarrojo se refleja desde la superficie interna del cristal y crea una onda evanescente, que se proyecta ortogonalmente a la muestra en íntimo contacto con el cristal ATR. Las Redes Neuronales Artificiales (RNA) son técnicas sofisticadas capaces de modelar funciones complejas, hacen parte de una propuesta ágil ya que permiten el análisis en tiempo real, posee la capacidad de asociación, capacidad de aprendizaje y a su vez permite reducir el tiempo de análisis. Las RNA se están utilizando con éxito en un amplio campo de aplicación, en diversas áreas como ingeniería, física, finanzas, medicina y con fines predictivos, de clasificación y control. Aquí se presenta un modelo predictivo para la determinación del porcentaje de carbón conradson en fondos de vacío de crudos colombianos a partir de espectros ATR, la utilizacion de RNA y el modelo de Perceptron Multicapa. Las entradas utilizadas en la red son las longitudes de ondas de todo el espectro. Se exploraron diferentes arquitecturas y en cada una de ellas se variaron la cantidad de capas ocultas y el número de iteraciones. Las métricas de evaluación del desempeño de la red en la predicción son: del error estándar de calibración (RMSEC) y el error estándar de predicción (RMSEP).