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

- 337284
Resumo
Favoritar este trabalho
Como citar esse trabalho?
Resumo

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.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Universidade Tecnológica Federal do Paraná
  • 2 Coordenação de Ciência da Computação / Câmpus Santa Helena / Universidade Tecnológica Federal do Paraná
Eixo Temático
  • ST06 - Matemática Aplicada às Engenharias
Palavras-chave
Adsorção em leito fixo
Rede neural artificial
Balanços de massa e energia
Predição de desempenho
Aprendizado de máquina