Rede Neural para Predição de Desempenho em Colunas de Adsorção em Leito Fixo

- 337284
Abstract
Favorite this paper
How to cite this paper?
Abstract

Este trabalho apresenta o desenvolvimento de uma Rede Neural Artificial como modelo substituto para predição rápida do desempenho em colunas de adsorção em leito fixo. O objetivo é reduzir o custo computacional associado a simulações e otimizações baseadas em modelos matemáticos rigorosos, que podem se tornar inviáveis em triagens de grande escala. Foi implementado um sistema em Python utilizando TensorFlow/Keras, treinado com aproximadamente 1 milhão de amostras geradas por solução numérica de um modelo 1D baseado em balanços de massa e energia. A rede recebe 22 parâmetros de entrada e prediz perfis ao longo do leito de C(z), q(z) e T(z), além da variável acumulada Qtot(t) ao longo do tempo. Os hiperparâmetros foram ajustados automaticamente com o Keras Tuner visando minimizar o erro de validação. Na validação por blocos, o modelo apresentou R² entre 0,9737 e 0,9936, com melhor desempenho nos perfis C(z), q(z) e T(z) e maior discrepância em Qtot(t), por ser uma grandeza acumulada. Os resultados indicam que a abordagem é promissora para acelerar predições com menor custo computacional, mantendo boa fidelidade às tendências do sistema.

Share your ideas or questions with the authors!

Did you know that the greatest stimulus in scientific and cultural development is curiosity? Leave your questions or suggestions to the author!

Sign in to interact

Have a question or suggestion? Share your feedback with the authors!

Institutions
  • 1 Universidade Tecnológica Federal do Paraná
  • 2 Coordenação de Ciência da Computação / Câmpus Santa Helena / Universidade Tecnológica Federal do Paraná
Track
  • ST06 - Mathematics Applied to Engineering 1
Keywords
Adsorção em leito fixo
Rede neural artificial
Balanços de massa e energia
Predição de desempenho
Aprendizado de máquina