Aplicación de Redes Neuronales para la Predicción de Propiedades Termodinámicas (original) (raw)
Related papers
Los modelos híbridos combinan una parte rigurosa que es representada por algún modelo teórico que contempla el conocimiento de un fenómeno y otra parte empírica la cual aporta aspectos no considerados por la parte rigurosa, es decir; contribuye al modelo, nuevo conocimiento del fenómeno estudiado. El desarrollo de los modelos híbridos requiere de una gran cantidad de datos experimentales los cuales deben de ser representativos del sistema que se estudia, además la estimación de parámetros del modelo generalmente se realiza sin ninguna restricción, lo que puede conducir en modelos con un elevado grado de empirismo. En este trabajo se muestra la aplicación de los modelos híbridos en la predicción de propiedades termodinámicas de n-alcanos, se considera como parte rigurosa del modelo a las Ecuaciones de Estado (EDE) cúbicas y como parte empírica se utilizan Redes Neuronales Artificiales (RNA's). Además se analiza la opción de incluir restricciones dentro de la formulación del modelo híbrido.
Ingeniería e Innovación, 2013
Las propiedades termodinámicas del líquido y vapor de agua saturados son útiles en el diseño de evaporadores, columnas de destilación, líneas de transporte de vapor e intercambiadores de calor en general, y se pueden modelar a través de ecuaciones tradicionales conocidas (Clapeyron, Clausius-Clapeyron, Antoinne, Riedel y Watson, etc.), todas ellas arrojando una sola propiedad termodinámica, razón por la cual el modelo obtenido con RNAs es importante, ya que éste correlaciona muy bien todas las variables termodinámicas con la temperatura de saturación. El objetivo de este trabajo fue modelar las propiedades termodinámicas presión de saturación, entalpía, energía interna y entropía del líquido y vapor de agua saturados por medio de RNAs. Para el desarrollo de RNAs se utilizó la herramienta Simulink de Matlab 7.5, la arquitectura usada fue MLP (perceptrón multicapa), la función de transferencia usada en las neuronas ocultas fue la sigmoidea y en las de salida fue la función lineal, el ...
Revista técnica energía, 2023
The aim of this study is to compare two architectures of recurrent neural networks of Elman and Jordan (RNRE and RNRJ), focus on the forecasting for two days of solar radiation and air temperature. The inputs of the forecasting model are meteorological variables as wind speed, atmospheric pressure, relative humidity and precipitation. The Research Institute for Geology and Energy of Ecuador provided the data of three meteorological stations situated in the provinces of Pichincha and Tungurahua for neural network training, validation and forecasting stages. Each network was trained with three different learning functions: backpropagation, backpropagation momentum and resilient propagation. The results shows the statistical parameters, Person correlation, mean square error and forecasting behavior on graphics for air temperature and solar radiation, according to RNRE and RNRJ model. This work shows correlation index greater than 0,9 in the validation stage. In the forecasting stage, the correlation index is higher than 0,8 and the mean square error shows values less than 0,02 kW for solar radiation and 2 ºC for air temperature.
Predicción De La Temperatura Superior De Disolución Crítica Mediante Redes Neuronales Artificiales
2012
Las disoluciones poliméricas son ampliamente empleadas en reología y en la estabilización de sistemas comerciales. Estas disoluciones están fuertemente condicionadas por la temperatura del sistema y podrán encontrarse formando una única fase líquida homogénea o bien una mezcla de fases. A fin de determinar el valor de la temperatura crítica superior de disolución (UCST) se ha desarrollada un modelo basado en Redes Neuronales que es capaz de predecir con fiabilidad dicha temperatura, cometiendo un error medio en su cálculo del 4,47%.
Aplicación De Redes Neuronales Para El Pronóstico De Sismos
Redes
Resumen-En la naturaleza suceden acontecimientos que no dan espera para poder actuar, es el caso de inundaciones, incendios, temblores, entre otros; los anteriores representan en ocasiones grandes pérdidas, tanto humanas, físicas, económicas, entre otras; el presente ...
REDES NEURONALES APLICADO A LA PREDICCIÓN DE AGUA POTABLE
PEDRO MAURI RIVAS
Con el presente informe profesional se da a conocer lo necesario en el desarrollo del diseño y aplicación de las redes neuronales artificiales para el pronóstico de la demanda de agua potable en la empresa EPSEL S.A.C de la ciudad de Lambayeque, el cual se efectuará en el curso de control inteligente mediante el uso de diversos softwares que se mencionaran y explican a detalle.
En la fotografía se muestra un cubo al rojo blanco de un material aislante de fibras de sílice, el cual unos segundos después de haber sido retirado de un horno caliente puede ser manipulado por sus bordes con las manos desnudas. Al principio, la transferencia de calor desde la superficie es relativamente rápida; sin embargo, la conductividad térmica de este material es tan pequeña que la conducción de calor desde el interior [temperatura máxima dẽ 1250°C (2300°F)] es extremadamente baja.