Predicción del equilibrio líquido-vapor mediante redes neuronales: sistema PDMS + CO2

PIZZANO A; RODRIGUEZ REARTES S.B.; HEGEL P.; BRIGNOLE N.B.

Buenos Aires

Simposio; SIIIO - Simposio Argentino de Informática Industrial e Investigación Operativa; 2023

Sociedad Argentina de Informática (SADIO).

Recientemente la necesidad de contar con información experimental confiable para el diseño y la optimización de procesos industriales ha tenido una creciente demanda. En este contexto, se aplicaron redes neuronales artificia-les (ANN) para la predicción de la composición en el equilibrio de fases. La red neuronal diseñada es de regresión y “feedforward”, con aprendizaje supervisado. Para el entrenamiento se emplearon datos experimentales de equilibrio de fases de polidimetilsiloxano (PM≈6000) + CO2. Las predicciones de la ANN fueron comparadas con las de la ecuación de Sánchez-Lacombe. Los valores teóricos obtenidos mediante esta última sólo consideran datos experimentales medidos en nuestro laboratorio, mientras que la ANN contempla también datos de la literatura. El diseño de una ANN con 2, 1 y 30 neuronas en sus capas de entrada, salida y oculta fue la mejor opción para predecir la composición del CO2 en el equilibrio para temperaturas entre 30 y 80°C y presiones entre 3.4 a 12.9 MPa. Con el incremento del número de neuronas de la capa oculta, la predicción de la fracción másica para el CO2 es cada vez menos acertada, obteniéndose comportamientos alejados de los puntos experimentales. Por lo tanto, un sobredimensionamiento impide el correcto entrenamiento de la ANN.