Blucher Chemical Engineering Proceedings

Setembro 2018, vol.1, num.5 - XXII Congresso Brasileiro de Engenharia Química
Oral - Open Access Idioma principal | Segundo principal

APLICAÇÃO DE MACHINE LEARNING EM INFERÊNCIA ESTATÍSTICA DE PROCESSO QUÍMICO COMPLEXO

APLICAÇÃO DE MACHINE LEARNING EM INFERÊNCIA ESTATÍSTICA DE PROCESSO QUÍMICO COMPLEXO

ROJAS SOARES, F. D; DE SOUZA JR., M. B

Oral:

Neste trabalho, utilizamos métodos de Machine Learning para fazer inferência estatística de um reator químico com dinâmica complexa e os comparamos com métodos lineares tradicionais. O contexto “big data” industrial foi simulado pela consideração de grandes volumes de dados, corrompidos por ruído e com espaço de estados incompleto. Os resultados mostraram que os métodos de Machine Learning reduziram o erro quadrático médio das predições em malha fechada a 1/3 dos erros dos modelos lineares correspondentes.

Neste trabalho, utilizamos métodos de Machine Learning para fazer inferência estatística de um reator químico com dinâmica complexa e os comparamos com métodos lineares tradicionais. O contexto “big data” industrial foi simulado pela consideração de grandes volumes de dados, corrompidos por ruído e com espaço de estados incompleto. Os resultados mostraram que os métodos de Machine Learning reduziram o erro quadrático médio das predições em malha fechada a 1/3 dos erros dos modelos lineares correspondentes.

Download (PDF)

Palavras-chave:

DOI: 10.5151/cobeq2018-CO.192

Referências bibliográficas
  • [1] CHOLLET, F. et al.; Keras, GitHub, https://github.com/fchollet/keras, 2015. Acessado
  • [2] janeiro de 2017.
  • [3] DE SOUZA JR., M. B., Redes Neuronais Multicamada Aplicadas a Modelagem e Controle de
  • [4] Processos Quimicos. Tese de Doutorado, PEQ/COPPE/UFRJ, 1993.
  • [5] JAEGER, H., Matlab toolbox for reservoir computing. http://organic. elis.ugent.be/software.
  • [6] 2007. Acessado em agosto de 2016.
  • [7] LJUNG, L., System Identification: Theory For the User, Second Edition, Appendix 4A, pp
  • [8] 132-134, Upper Saddle River, N.J: Prentice Hall, 1999.
  • [9] LUKOŠEVIČIUS M. A Practical Guide to Applying Echo State Networks. In: G. Montavon,
  • [10] G. B. Orr, and K.-R. Müller (eds.) Neural Networks: Tricks of the Trade, 2nd ed. Springer
  • [11] LNCS 7700, 659-686, 2012.
  • [12] VAN DE VUSSE, J. G. Plug-flow Type Reactor Versus Tank Reactor. Chemical Engineering
  • [13] Science, v. 19, p. 964-997, 1964.
  • [14] YIN, S.; LI, X.; GAO, H.; KAYNAK, O. Data-Based Techniques Focused on Modern
  • [15] Industry: An Overview, IEEE transactions on industrial electronics, vol. 62, no. 1, January,
  • [16] 2015.
  • [17] ZIMMERMANM, H.-G.; TIETZ, C.; GROTHMANN, R.; Forecasting with Recurrent Neural
  • [18] Networks: 12 Tricks, G. Montavon, G. B. Orr, and K.-R. Müller (eds.) Neural Networks:
  • [19] Tricks of the Trade, 2nd ed. Springer LNCS 7700, 659-686, 2012.
Como citar:

ROJAS SOARES, F. D; DE SOUZA JR., M. B; "APLICAÇÃO DE MACHINE LEARNING EM INFERÊNCIA ESTATÍSTICA DE PROCESSO QUÍMICO COMPLEXO", p-4839-4842. In: . São Paulo: Blucher, 2018.
ISSN 23591757, DOI 10.5151/cobeq2018-CO.192

últimos 30 dias

138
downloads

318
visualizações

1264
indexações