Redes Neuronales Artificiales (Rnas) En La Predicción De Propiedades Termodinámicas Del Líquido Y Vapor De Agua Saturados (original) (raw)

Aplicación de Redes Neuronales para la Predicción de Propiedades Termodinámicas

2018

En los ultimos anos la necesidad de contar con informacion experimental confiable para el diseno y la optimizacion de procesos industriales ha tenido una creciente demanda. Los equipos de medicion son extremadamente caros y requieren de personal tecnico calificado para su manipulacion. Por lo cual, se han dirigido esfuerzos a la simulacion de propiedades empleando diferentes metodologias y herramientas. En este trabajo se presenta la aplicacion de las redes neuronales para la prediccion de propiedades termodinamicas. Esta investigacion en particular se centra en la prediccion de equilibrio de fases. La red neuronal que se diseno es una red de retropropagacion multicapa (backpropagation multicap) programada en Matlab. El entrenamiento fue realizado por medio de Levenberg-Marquardt (trainlm), empleado datos de equilibrio de fases de mezclas binarias de n-alcanos + n-alcoholes, y evaluando la divergencia entre los datos predecidos por la red neuronal y los datos experimentales. La prop...

Aplicación de Modelos Híbridos Basados en Redes Neuronales y Ecuaciones de Estado Cúbicas en la Predicción de Propiedades Termodinámicas

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.

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.

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%.

Modelos de Predicción de Radiación Solar y Temperatura Ambiente mediante Redes Neuronales Recurrentes

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.

Aplicación De Redes Neuronales Para El Pronóstico De Evolución De Niveles De Agua Para La Laguna De Mar

2004

El area de influencia que afecta la laguna de Mar Chiquita y los banados del Rio Dulce, constituye el sistema endorreico de mayor extension de la Republica Argentina. Este sistema incluye las cuencas de aporte de los rios Dulce, Suquia y Xanaes alcanzando una superficie total cercana a los 75000 km2. El entorno lagunar abarca un ecosistema cerrado, de una extension cercana a los 10.000 km2. Durante las ultimas decadas, se han observado importantes fluctuaciones en el sistema (2.000 a 6.000 km², entre niveles de 66 y 72 msnm), pasando de periodos muy pobres a muy ricos, como los que se manifiestan en estos tiempos. Estas variaciones, impactaron directamente tanto en el ecosistema como en el desarrollo social y economico de las comunidades asentadas en las proximidades de la laguna, generando alteraciones de distinta escala, desde la ausencia de pejerrey como consecuencia de una concentracion salina importante, hasta el traslado de una comunidad como Miramar al verse invadida por el c...

Diseño, implementación, entrenamiento y validación de un sistema de clasificación automático de las muestras de aceites lubricantes y de líquidos hidráulicos basado en Redes de Neuronas Artificiales aplicado al Programa de Análisis de Aceites del ET

IX Congreso Nacional de I+D en Defensa y Seguridad, 2022

En este trabajo, se consideran los parámetros obtenidos en los análisis de las muestras realizados por el Laboratorio Central de Ejército (LCE) cuyo fin es el de determinar la conformidad para el servicio de los aceites lubricantes y líquidos hidráulicos empleados en las plataformas del Ejército de Tierra. A partir de los que se realiza un estudio del estado del arte tecnológico actual y se establecen las etapas necesarias para desarrollar una herramienta de apoyo a la decisión basada en la utilización de un sistema de clasificación automático con redes de neuronas artificiales (RNAs) para determinar su conformidad. De esta forma se dispondrá, desde el conjunto de parámetros obtenidos tras los análisis, de unos resultados fiables relativos al estado de las muestras tomadas a las plataformas. La herramienta de mantenimiento predictivo implementada está constituida por perceptrones multicapa agrupados por tipo de aceite/líquido hidráulico. Obtiene un conjunto de resultados que reflejan modelos de gran ajuste y poder predictivo en la clasificación de la conformidad de las muestras. El proceso de entrenamiento y validación se lleva a cabo en dos fases temporales con un conjunto de datos inicial constituido por 1835 elementos agrupados por tipo de producto. La primera de ellas se trata de una clasificación binaria (CONFORME/NO CONFORME) y la segunda una clasificación en subgrupos conforme a los criterios empleados por el LCE.

Predicción mediante Redes Neuronales Artificiales (RNA) de la difusividad, masa, humedad, volumen y sólidos en yacón (Smallantus sonchifolius) deshidratado osmóticamente

Scientia agropecuaria, 2012

Recibido 10 diciembre 2011; aceptado 10 agosto 2012 Resumen Se evaluó la capacidad predictiva de la Red Neuronal Artificial (RNA) en el efecto de la concentración (30, 40, 50 y 60 % p/p) y temperatura (30, 40 y 50°C) de la solución de fructooligosacaridos (FOS) en la masa, humedad, volumen y sólidos en cubos de yacón osmodeshidratados, y en el coeficiente de difusividad efectiva media del agua, con y sin encogimiento. Se aplicó la RNA del tipo Feedforward con los algoritmos de entrenamiento Backpropagation y de ajuste de pesos Levenberg-Marquardt, usando la topología: error meta de 10-5 , tasa de aprendizaje de 0.01, coeficiente de momento de 0.5, 2 neuronas de entrada, 6 neuronas de salida, una capa oculta con 18 neuronas, 15 etapas de entrenamiento y funciones de transferencia logsigpurelin. El error promedio global por la RNA fue 3.44% y los coeficientes de correlación fueron mayores a 0.9. No se encontraron diferencias significativas entre los valores experimentales con los valores predichos por la RNA y con los valores predichos por un modelo estadístico de regresión polinomial de segundo orden (p > 0.95). Palabras clave: Red Neuronal Artificial (RNA), difusividad efectiva, yacón, deshidratación osmótica.

Predicción de la evapotranspiración de referencia utilizando redes neuronales artificiales

CienciaUAT

La evapotranspiración de referencia (ETo) es una variable hidrológica de gran importancia en el manejo del riego. Su estimación se realiza con la ecuación de Penman-Montieth (PM), que requiere de muchas variables meteorológicas, las cuales, a veces, no se encuentran disponibles. Dado que la ETo es una variable no lineal y compleja, en los últimos años han surgido métodos alternativos para su estimación, como las redes neuronales artificiales (RNA). El objetivo del presente trabajo fue estimar la evapotranspiración de referencia (ETo) usando la ecuación de Penman-Montieth, a fin de desarrollar modelos de redes neuronales artificiales (RNA) que permitan predecir la ETo en regiones con información climatológica limitada, y su vez comparar el desempeño de tres modelos de RNA: FFNN, ERNN y NARX. Se utilizó información diaria durante el periodo 1 de enero de 2007 al 31 de diciembre de 2018, de las estaciones meteorológicas ENP8 y ENP4 de la CDMX. Se realizó un análisis de correlación y el...