Setembro 2018 vol. 1 num. 5 - XXII Congresso Brasileiro de Engenharia Química
Pôster - Open Access.
PREDIÇÃO DA EFICIÊNCIA DE FERMENTAÇÃO ALCOÓLICA POR REDES NEURAIS
PEREIRA, R. D ; CRUZ, A. J. G ; BADINO, A. C ; , ;
Pôster:
O trabalho teve por objetivo empregar modelo baseado em rede neural para predizer a eficiência da fermentação de uma unidade industrial a partir de dados de processo de uma usina produtora de açúcar e etanol do interior do estado de São Paulo. O banco de dados utilizado nas etapas treinamento, validação e teste da rede neural consistiu de 200 dias de safra. Foi obtido um valor de coeficiente de correlação entre a resposta da rede e a eficiência de fermentação de 0,83 e média da soma dos quadrados dos erros foi da ordem de 1,3·10-3 . Esse resultado indica que o modelo neural porposto foi capaz de representar com acurácia o processo estudado.
Pôster:
Palavras-chave: NEURAIS,
Palavras-chave:
DOI: 10.5151/cobeq2018-PT.0999
Referências bibliográficas
- [1] ANDRIETTA SR. Tese de Doutorado. Universidade Estadual de Campinas, SP, Brasil, 1994.
- [2] LAHIRI SK, GHANTA KC. Development of an artificial neural network correlation for
- [3] prediction of hold-up of slurry transport in pipelines. Chemical Engineering Science, v. 63, n. 6, p.
- [4] 1497–1509, mar. 2008.
- [5] NUCCI, ER, SILVA RG, SOUZA VR, GIORDANO RLC, GIORDANO RC, CRUZ AJG.
- [6] Comparing the performance of multilayer perceptrons networks and neuro-fuzzy systems for online
- [7] inference of Bacillus megaterium cellular concentrations. Bioprocess and Biosystems
- [8] Engineering, v. 30, n. 6, p. 429–438, 15 out. 2007.
- [9] SILVA, RG, CRUZ AJG, HOKKA CO, GIORDANO RLC, GIORDANO RC. A Hybrid Neural
- [10] Network Algorithm for On-Line State Inference That Accounts for Differences in Inoculum of
- [11] Cephalosporium acremonium in Fed-Batch Fermentors. Applied Biochemistry and Biotechnology,
- [12] v. 91–93, n. 1–9, p. 341–352, 2001.
Como citar:
PEREIRA, R. D; CRUZ, A. J. G; BADINO, A. C; , ; "PREDIÇÃO DA EFICIÊNCIA DE FERMENTAÇÃO ALCOÓLICA POR REDES NEURAIS", p. 3793-3796 . In: .
São Paulo: Blucher,
2018.
ISSN 2359-1757,
DOI 10.5151/cobeq2018-PT.0999
últimos 30 dias | último ano | desde a publicação
downloads
visualizações
indexações