Por favor, use este identificador para citar o enlazar este ítem: http://repositoriodigital.ipn.mx/handle/123456789/13890
Título : MODELADO DE LA TENSIÓN SUPERFICIAL DE LÍQUIDOS PUROS MEDIANTE UNA RED NEURONAL ARTIFICIAL
Autor : DR. MACÍAS SALINAS, RICARDO
GALINDO ENCISO, RENÉ FAUSTINO
Palabras clave : TENSIÓN SUPERFICIAL
LÍQUIDOS PUROS
RED NEURONAL
ARTIFICIAL
Fecha de publicación : 6-oct-2011
Resumen : In this work, a modeling approach based on the use of an artificial neural network (ANN) was developed to estimate the surface tension value of pure liquids within a wide temperature range from the triple point up to the critical point corresponding to organic compounds of the non-polar and polar type. Based on a comprehensive literature review we performed over the last century, this work demonstrates that despite the existence of a significant number of previously published deterministic models that estimate the surface tension of liquids, none of these compare favorably to the present approach in properly predicting liquid surface tensions over wide temperature ranges. All ANN topologies considered in this work were generated by means of a commercial simulator called QNET 2000 which allows to construct multi-layer, back-propagation ANNs using supervised training and the choice of various node's transfer functions. After extensively considering the combined effect of various input descriptors, ANN designs and transfer functions, finally, a three-layer feed-forward neural-network arrangement was devised and trained using 896 surface tensions of various pure liquids at different temperatures (taken from experimental sources and reference data). As a matter of fact, 25 instances out of 896 were used as test cases to check possible overtraining and integrity of the resulting ANN. Further, the best set of input descriptors turned out to include 25 descriptors for the molecular structure and family ID number of the compound of interest, one descriptor for the temperature and 3 other descriptors for the critical temperature, the reduced temperature and the acentric factor of the compound. The final ANN design was therefore validated during the correlation and/or the prediction of experimental surface tensions of 80 organic compounds (42 non-polar and 38 polar) at different temperatures with overall values of the root mean square error (RMS) of 0.0073 dynes/cm for the training data and 0.0116 dynes/cm for the test data based on a total of 896 experimental points. The agreement between predicted and observed surface tension data was also highly acceptable thus demonstrating the predictive abilities of the present ANN. Finally, as compared with other deterministic models available from the literature, the ANN-based model developed here proved to give somewhat improved surface tension predictions for some selected compounds. This is a remarkable result since all deterministic models considered here are predictive (except the Yaws correlation) and some of them are too cumbersome to use in comparison to the present approach.
Descripción : En el presente trabajo fue desarrollado un modelo basado en el uso de una Red Neuronal Artificial (RNA) para estimar los valores de tensión superficial de líquidos puros en un intervalo amplio de temperaturas desde el punto triple hasta el punto crítico aplicándolo tanto a compuestos polares como a no polares. Basándose en una amplia revisión que se hizo de la literatura existente desde hace más de un siglo sobre el tema, en el presente trabajo se muestra que a pesar de haber un número significativo de modelos determinísticos previamente publicados para estimar la tensión superficial de los líquidos, ninguno de ellos se compara favorablemente al modelo presentado en este trabajo para predecir adecuadamente las tensiones superficiales de los líquidos en intervalos amplios de temperatura. Todas las topologías de RNA consideradas en este trabajo fueron generadas por medio de un simulador comercial denominado Qnet 2000 el cual permite construir RNAs de tipo multicapa con retropropagación usando aprendizaje supervisado y con varias funciones de transferencia a elegir para los nodos. Después de considerar en forma extensa el efecto combinado de diversos descriptores de entrada, diseños de la RNA y funciones de transferencia, finalmente se logró construir y entrenar un arreglo de RNA de tres capas con alimentación hacia adelante usando 896 valores de tensión superficial a diferentes temperaturas (tomados de fuentes de bases de datos experimentales y de referencia) para 80 compuestos orgánicos. De hecho, 25 valores de los 896 se usaron como casos de prueba para verificar la la integridad y algún posible sobreentrenamiento de la RNA resultante. Mas aún, el mejor arreglo de de descriptores de entrada incluyó 25 descriptores de la estructura molecular y el número de la familia correspondiente al compuesto así como un descriptor para la temperatura y otros tres descriptores para la temperatura crítica, la temperatura reducida y el factor acéntrico del compuesto. El diseño final de la RNA fue consecuentemente validada a través de la correlación y/o la predicción de las tensiones superficiales de los 80 compuestos orgánicos (42 no polares y 38 polares) a diferentes temperaturas obteniendo valores totales de raiz de error cuadrático medio (RMS) de 0.0073 dinas/cm para los datos de entrenamiento y de 0.0116 dinas/cm para los datos de prueba basados en un total de 896 puntos experimentales. La concordancia entre los valores de tensión superficial observados y los predecidos fue también altamente aceptable demostrando así las habilidades predictivas de la RNA del presente trabajo. Finalmente, al compararse con otros modelos determinísticos disponibles en la literatura, el modelo basado en la RNA que se desarrolló aquí comprobó que proporciona mejores predicciones de tensión superficial para los compuestos probados. Esto es un resultado notable ya que todos los modelos determinísticos considerados aquí son predictivos (excepto la correlación de Yaws) y algunos de ellos son bastante complicados en cuanto a su uso comparados con el presente enfoque.
URI : http://www.repositoriodigital.ipn.mx/handle/123456789/13890
Aparece en las colecciones: Mediateca

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TESIS RFGE.pdfMODELADO DE LA TENSIÓN SUPERFICIAL DE LÍQUIDOS PUROS MEDIANTE UNA RED NEURONAL ARTIFICIAL4.73 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.