Análise do desempenho de algoritmos de aprendizagem de máquina na predição do rendimento de biodiesel em reações de transesterificação por catálise heterogênea.
Data
2024
Autores
Gonzalez Lezcano, Abel Dario
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
O crescente aumento dos preços dos combustíveis, as mudanças climáticas e a poluição têm colocado o mundo diante de desafios significativos, evidenciando a escassez de recursos energéticos e seu impacto no desenvolvimento econômico global. Neste cenário, a busca por fontes de energia sustentáveis e renováveis, como o biodiesel , torna se crucial para mitigar a crise energética e reduzir a dependência dos combustíveis fósseis. A reação de transesterificação é a via mais utilizada para a produção de biodiesel e o rendimento obtido depende vários parâmetros, como a temperatura, tempo de reação, concentração do catalisador e razão estequiométrica entre o álcool e o triglicerídeo . Os catalisadores heterogêneos são amplamente empregados devido à sua eficiência e capacidade de reutilização. Os métodos convencionais para avaliar estes parâmetros apresentam certas
limitações e neste contexto os algoritmos de aprendizagem de máquina mostram se como uma alternativa Este s algoritmos realizam predições a partir de dados fornecidos ao sistema, que podem explica r comportamentos que orientam na tomada de decisões , dessa forma o objetivo deste estudo é utilizar modelos de aprendizagem de máquina para predizer o rendimento do biodiesel por transesterificação via catálise heterogênea . Os dados foram obtidos por meio de uma revisão bibliográfica , onde a escolha dos artigos foi restringida ao uso de metanol óxido de cálcio como catalisador e os parâmetros comumente utilizados. Logo, os dados foram submetidos a análises estatísticas e utilizados para treinar três
modelos de aprendizagem de máquina , com o modelo mais preciso foi realizado uma validação comparando a predição do algoritmo com dois resultados experimentais, além disso com este algoritmo foram realizadas três análises . Os modelos treinados e avaliados foram Regressão Linear, Floresta Aleatória e Multi-Layer Perceptron (MLP) Regressor utilizando o método de hold out validation . O modelo Floresta Aleatória foi o que apresentou o melhor desempenho na predição do rendimento do biodiesel em relação aos outros modelos, atingindo um valor d o erro médio absoluto igual a 6,59 e um R 2 de 0,63. A validação confirmou a precisão dos modelos com erros percentuais inferiores a 10% 10%, e durante as análises dos parâmetros do biodiesel o modelo demostrou um comportamento típico de acordo com a literatura Este estudo contribui para o avanço da produção de biodiesel ao
fornecer informações sobre a predição do seu rendimento . É recomendado para pesquisas futuras a utilização de mais dados incluindo outros parâmetros como uma tentativa de melhorar o desempenho do modelo.
Abstract
Descrição
Trabalho de Conclusão de Curso apresentado ao Instituto Latino-Americano de Tecnologia, Infraestrutura e Território da Universidade Federal da Integração Latino- Americana, como requisito parcial à obtenção do título de Bacharel em Engenharia Química.
Palavras-chave
biodiesel, catálise heterogênea, inteligência artificial, Floresta Aleatória, MLP Regressor