Predicción de la composición SARA y CCR en fondos de vacío y fracciones de DM a partir del espectro ir-fotoacústico (ft-ir-pas) y máquinas de soporte vectorial (svm)

Abstract

Se desarrolló una metodología para obtener un modelo matemático que permite predecir la composición de saturados, aromáticos, resinas, asfáltenos y el porcentaje de CCR en 46 muestras entre fondos de vacío, fracciones, condensados y residuos, a partir de la correlación espectral de la espectroscopia FTIR-PAS y la caracterización por normas ASTM (suministrada por el Instituto Colombiano de Petróleo- ICP), mediante la regresión por máquinas de soporte vectorial (SVM). Cada modelo de predicción se fundamenta en la validación cruzada; El modelo con mejor desempeño predictivo fue el desarrollado para el contenido del CCR, mostrando valores de error estándar de calibración (RMSEC) de 1,283, error estándar de validación (RMSECV) de 1,510 y coeficiente de correlación (R2) superior al 0.99. La función Kernel lineal utilizada en todos los modelos fue la que mostró los mejores resultados en la disminución del valor del RMSECV, en comparación con las demás funciones presentadas por el software THE UNSCRAMBLER, la precisión en el valor de C fue determinante en la optimización de cada modelo de predicción. La espectroscopia de Infrarrojo fotoacústica (FTIR-PAS) en combinación con técnicas de análisis multivariado como el conjunto de algoritmos de aprendizaje (SMV), ha demostrado ser una técnica alternativa a las metodologías estándar en la caracterización y determinación del análisis SARA y el contenido de CCR en muestras de Fondos de vacío y sus fracciones de la unidad de Destilación Molecular, dada la rapidez y bajo costo que ésta representa en los procesos de la industria petroquímica. 1