PREDIÇÃO DA VAZÃO TOTAL DE AR PARA A REGENERAÇÃO DE CATALISADOR EM UM ORTHOFLOW B, UTILIZANDO REDES NEURAIS ARTIFICIAIS.

PREDIÇÃO DA VAZÃO TOTAL DE AR PARA A REGENERAÇÃO DE CATALISADOR EM UM ORTHOFLOW B, UTILIZANDO REDES NEURAIS ARTIFICIAIS.

ORRICO, I. B. S; PIRES, C. A. M; FONTES, C. H. O; PONTES, L. A. M

Pôster:

Este trabalho tem como finalidade a construção de uma rede neural artificialcapaz de prever a vazão total de ar para o sistema de regeneração de catalisador, numconjunto conversor do tipo Orthoflow B de uma unidade de craqueamento catalíticofluido. Foram construídos 12 modelos utilizando todas as variáveis monitoradas e 12modelos utilizando apenas 12 destas variáveis, escolhidas por meio da metodologia PCA,considerando a preservação de 90% da variância. Para cada um dos casos, os modelosforam diferenciados entre si pelo número de neurônios na camada oculta e o melhormodelo foi identificado a partir da verificação do sobreajuste (overfitting) num conjuntode validação e teste. Para o caso com 12 variáveis, o limite para a camada oculta foi de35 neurônios e, para o caso com 19 variáveis, esse limite foi de 45 neurônios. Os modelosforam validados por meio da análise da distribuição dos resíduos padronizados. Ambosos modelos se mostraram adequados para um nível de confiança de 95%. 

Este trabalho tem como finalidade a construção de uma rede neural artificialcapaz de prever a vazão total de ar para o sistema de regeneração de catalisador, numconjunto conversor do tipo Orthoflow B de uma unidade de craqueamento catalíticofluido. Foram construídos 12 modelos utilizando todas as variáveis monitoradas e 12modelos utilizando apenas 12 destas variáveis, escolhidas por meio da metodologia PCA,considerando a preservação de 90% da variância. Para cada um dos casos, os modelosforam diferenciados entre si pelo número de neurônios na camada oculta e o melhormodelo foi identificado a partir da verificação do sobreajuste (overfitting) num conjuntode validação e teste. Para o caso com 12 variáveis, o limite para a camada oculta foi de35 neurônios e, para o caso com 19 variáveis, esse limite foi de 45 neurônios. Os modelosforam validados por meio da análise da distribuição dos resíduos padronizados. Ambosos modelos se mostraram adequados para um nível de confiança de 95%. 

Palavras-chave:

DOI: 10.5151/cobeq2018-PT.0326

Referências bibliográficas

• [1] BARELLO M et al., Neural network based correlation for estimating water permeability constant in RO desalination process under fouling. Desalination, v. 345, p. 101-111, 2014. HAYKIN S, Neural Networks and Learning Machines. 3. ed. New Jersey: Pearson Prentice Hall, 2009. MONTGOMERY DC, RUNGER GC, Applied Statistics and Probability for Engineers. 6. ed. Danvers: Wiley, 2014. SADEGHBEIGI, R, Fluid Catalytic Cracking Handbook. 3. ed. Oxford: Elsevier, 2012.

Como citar:

ORRICO, I. B. S; PIRES, C. A. M; FONTES, C. H. O; PONTES, L. A. M; "PREDIÇÃO DA VAZÃO TOTAL DE AR PARA A REGENERAÇÃO DE CATALISADOR EM UM ORTHOFLOW B, UTILIZANDO REDES NEURAIS ARTIFICIAIS.", p-1229-1232. In: . São Paulo: Blucher, 2018.
ISSN 23591757, DOI 10.5151/cobeq2018-PT.0326