Modelagem Preditiva de Cetano e Octano para Moléculas Puras: Uma Abordagem via Contribuição de Grupo e MAG-SOLex

Vol 2, 2026 - 339023
Apresentação Oral
Favoritar este trabalho
Como citar esse trabalho?
Resumo

A determinação de propriedades físico-químicas como o Número de Octano e o Número de Cetano é fundamental para a qualidade de
combustíveis, porém os ensaios experimentais padronizados são onerosos e demandam tempo. Este trabalho busca a integração de
uma Rede Neural Artificial baseada em contribuição de grupos com a metodologia híbrida de representação molecular MAG-SOLex
para estimar o RON, MON e NC de hidrocarbonetos puros. A modelagem utiliza a matriz SOLex para a quantificação rápida de atributos
estruturais globais e a matriz MAG para o detalhamento posicional, alimentando a rede neural. Os resultados evidenciaram que a
metodologia MAG-SOLex identifica com eficiência os parâmetros funcionais exigidos pela RNA, otimizando o custo computacional. O
algoritmo gerou predições aderentes ao perfil original da rede base, com desvios contidos na faixa de incerteza absoluta. Além disso,
o método preservou sua consistência qualitativa ao capturar fenômenos como o decaimento do RON associado ao alongamento de
ramificações alquílicas. Conclui-se que a integração metodológica é válida e robusta, estabelecendo a base para futuras aplicações
em misturas de hidrocarbonetos e compostos oxigenados.

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 Faculdade de Engenharia Química, Universidade Estadual de Campinas (UNICAMP), Campinas, SP, Brasil
  • 2 Universidade Estadual de Campinas - UNICAMP
Eixo Temático
  • Simulação, Otimização e Controle de Processos
Palavras-chave
Redes Neurais Artificiais
MAG-SOLex
Número de Octano
Número de Cetano