Modelado matemático de la pirólisis de residuos sólidos olivícolas

Autores
Mansilla, Ayelén María; Bálsamo, Nancy Florentina; Álvarez, Dolores María Eugenia; Crivello, Mónica Elsie
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La industria olivícola es una actividad social y económica clave en la región noroeste de Córdoba. Ésta genera importantes cantidades de biomasa residual que se puede transformar en moléculas plataforma, de mayor valor agregado, mediante pirólisis. La pirólisis consiste en la carbonización en ausencia de oxígeno. El objetivo de este trabajo es utilizar Redes Neuronales Artificiales para obtener un modelo matemático que permita reproducir el proceso de pirólisis que transforma a los carozos de aceitunas en biolíquidos y biocarbón. Se desarrolló una red con algoritmo backpropagation. Para su entrenamiento se utilizó un conjunto predefinido de datos entrada/salida considerados como referencia del proceso; se utilizaron la temperatura y porcentajes de biocarbón obtenidos experimentalmente, como datos de entrada y los porcentajes de biolíquido, como salida. El algoritmo comparó el resultado obtenido con los valores que se desean obtener y así calculó un valor de error. El error se transmite hacia atrás, partiendo de la capa de salida hacia todas las capas intermedias que contribuyen directamente a ella. La red obtenida se estructuró con 5 neuronas en la capa oculta. El menor error y mayor índice de correlación entre respuestas reales y predichas fueron 3,3296 x 10-7 y 1, respectivamente. A partir del desarrollo de modelos matemáticos se pretende proyectar la evolución de la pirólisis en distintas condiciones de operación. Esto es de interés, dado que permite predecir el rendimiento de la reacción con la consecuente disminución de tiempos y costos en ensayos experimentales.
Fil: Bálsamo, Nancy Florentina. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Córdoba; Argentina.
Fil: Mansilla, Ayelén María. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Córdoba; Argentina.
Fil: Álvarez, Dolores María Eugenia. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Córdoba; Argentina.
Fil: Crivello, Mónica Elsie. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Córdoba; Argentina.
Materia
Biomasa Residual
Aceitunas Verdes
Redes Neuronales Artificiales
Backpropagation
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2022-05-02T22:49:59Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/6197
Acceder
id RIAUTN_8b53aebfef694f0d7c5640285eb7f630
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/6197
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Modelado matemático de la pirólisis de residuos sólidos olivícolasMansilla, Ayelén MaríaBálsamo, Nancy FlorentinaÁlvarez, Dolores María EugeniaCrivello, Mónica ElsieBiomasa ResidualAceitunas VerdesRedes Neuronales ArtificialesBackpropagationLa industria olivícola es una actividad social y económica clave en la región noroeste de Córdoba. Ésta genera importantes cantidades de biomasa residual que se puede transformar en moléculas plataforma, de mayor valor agregado, mediante pirólisis. La pirólisis consiste en la carbonización en ausencia de oxígeno. El objetivo de este trabajo es utilizar Redes Neuronales Artificiales para obtener un modelo matemático que permita reproducir el proceso de pirólisis que transforma a los carozos de aceitunas en biolíquidos y biocarbón. Se desarrolló una red con algoritmo backpropagation. Para su entrenamiento se utilizó un conjunto predefinido de datos entrada/salida considerados como referencia del proceso; se utilizaron la temperatura y porcentajes de biocarbón obtenidos experimentalmente, como datos de entrada y los porcentajes de biolíquido, como salida. El algoritmo comparó el resultado obtenido con los valores que se desean obtener y así calculó un valor de error. El error se transmite hacia atrás, partiendo de la capa de salida hacia todas las capas intermedias que contribuyen directamente a ella. La red obtenida se estructuró con 5 neuronas en la capa oculta. El menor error y mayor índice de correlación entre respuestas reales y predichas fueron 3,3296 x 10-7 y 1, respectivamente. A partir del desarrollo de modelos matemáticos se pretende proyectar la evolución de la pirólisis en distintas condiciones de operación. Esto es de interés, dado que permite predecir el rendimiento de la reacción con la consecuente disminución de tiempos y costos en ensayos experimentales.Fil: Bálsamo, Nancy Florentina. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Córdoba; Argentina.Fil: Mansilla, Ayelén María. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Córdoba; Argentina.Fil: Álvarez, Dolores María Eugenia. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Córdoba; Argentina.Fil: Crivello, Mónica Elsie. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Córdoba; Argentina.2022-05-02T22:49:59Z2022-05-02T22:49:59Z2021info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciapdfapplication/pdfhttp://hdl.handle.net/20.500.12272/6197-spainfo:eu-repo/semantics/openAccess2022-05-02T22:49:59Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 InternacionalCrivello, Mónica Elsiehttps://creativecommons.org/licenses/by-nc-sa/4.0/legalcodereponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-10-01T11:57:52Zoai:ria.utn.edu.ar:20.500.12272/6197instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-10-01 11:57:53.896Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Modelado matemático de la pirólisis de residuos sólidos olivícolas
title Modelado matemático de la pirólisis de residuos sólidos olivícolas
spellingShingle Modelado matemático de la pirólisis de residuos sólidos olivícolas
Mansilla, Ayelén María
Biomasa Residual
Aceitunas Verdes
Redes Neuronales Artificiales
Backpropagation
title_short Modelado matemático de la pirólisis de residuos sólidos olivícolas
title_full Modelado matemático de la pirólisis de residuos sólidos olivícolas
title_fullStr Modelado matemático de la pirólisis de residuos sólidos olivícolas
title_full_unstemmed Modelado matemático de la pirólisis de residuos sólidos olivícolas
title_sort Modelado matemático de la pirólisis de residuos sólidos olivícolas
dc.creator.none.fl_str_mv Mansilla, Ayelén María
Bálsamo, Nancy Florentina
Álvarez, Dolores María Eugenia
Crivello, Mónica Elsie
author Mansilla, Ayelén María
author_facet Mansilla, Ayelén María
Bálsamo, Nancy Florentina
Álvarez, Dolores María Eugenia
Crivello, Mónica Elsie
author_role author
author2 Bálsamo, Nancy Florentina
Álvarez, Dolores María Eugenia
Crivello, Mónica Elsie
author2_role author
author
author
dc.subject.none.fl_str_mv Biomasa Residual
Aceitunas Verdes
Redes Neuronales Artificiales
Backpropagation
topic Biomasa Residual
Aceitunas Verdes
Redes Neuronales Artificiales
Backpropagation
dc.description.none.fl_txt_mv La industria olivícola es una actividad social y económica clave en la región noroeste de Córdoba. Ésta genera importantes cantidades de biomasa residual que se puede transformar en moléculas plataforma, de mayor valor agregado, mediante pirólisis. La pirólisis consiste en la carbonización en ausencia de oxígeno. El objetivo de este trabajo es utilizar Redes Neuronales Artificiales para obtener un modelo matemático que permita reproducir el proceso de pirólisis que transforma a los carozos de aceitunas en biolíquidos y biocarbón. Se desarrolló una red con algoritmo backpropagation. Para su entrenamiento se utilizó un conjunto predefinido de datos entrada/salida considerados como referencia del proceso; se utilizaron la temperatura y porcentajes de biocarbón obtenidos experimentalmente, como datos de entrada y los porcentajes de biolíquido, como salida. El algoritmo comparó el resultado obtenido con los valores que se desean obtener y así calculó un valor de error. El error se transmite hacia atrás, partiendo de la capa de salida hacia todas las capas intermedias que contribuyen directamente a ella. La red obtenida se estructuró con 5 neuronas en la capa oculta. El menor error y mayor índice de correlación entre respuestas reales y predichas fueron 3,3296 x 10-7 y 1, respectivamente. A partir del desarrollo de modelos matemáticos se pretende proyectar la evolución de la pirólisis en distintas condiciones de operación. Esto es de interés, dado que permite predecir el rendimiento de la reacción con la consecuente disminución de tiempos y costos en ensayos experimentales.
Fil: Bálsamo, Nancy Florentina. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Córdoba; Argentina.
Fil: Mansilla, Ayelén María. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Córdoba; Argentina.
Fil: Álvarez, Dolores María Eugenia. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Córdoba; Argentina.
Fil: Crivello, Mónica Elsie. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Córdoba; Argentina.
description La industria olivícola es una actividad social y económica clave en la región noroeste de Córdoba. Ésta genera importantes cantidades de biomasa residual que se puede transformar en moléculas plataforma, de mayor valor agregado, mediante pirólisis. La pirólisis consiste en la carbonización en ausencia de oxígeno. El objetivo de este trabajo es utilizar Redes Neuronales Artificiales para obtener un modelo matemático que permita reproducir el proceso de pirólisis que transforma a los carozos de aceitunas en biolíquidos y biocarbón. Se desarrolló una red con algoritmo backpropagation. Para su entrenamiento se utilizó un conjunto predefinido de datos entrada/salida considerados como referencia del proceso; se utilizaron la temperatura y porcentajes de biocarbón obtenidos experimentalmente, como datos de entrada y los porcentajes de biolíquido, como salida. El algoritmo comparó el resultado obtenido con los valores que se desean obtener y así calculó un valor de error. El error se transmite hacia atrás, partiendo de la capa de salida hacia todas las capas intermedias que contribuyen directamente a ella. La red obtenida se estructuró con 5 neuronas en la capa oculta. El menor error y mayor índice de correlación entre respuestas reales y predichas fueron 3,3296 x 10-7 y 1, respectivamente. A partir del desarrollo de modelos matemáticos se pretende proyectar la evolución de la pirólisis en distintas condiciones de operación. Esto es de interés, dado que permite predecir el rendimiento de la reacción con la consecuente disminución de tiempos y costos en ensayos experimentales.
publishDate 2021
dc.date.none.fl_str_mv 2021
2022-05-02T22:49:59Z
2022-05-02T22:49:59Z
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/20.500.12272/6197
-
url http://hdl.handle.net/20.500.12272/6197
identifier_str_mv -
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2022-05-02T22:49:59Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Crivello, Mónica Elsie
https://creativecommons.org/licenses/by-nc-sa/4.0/legalcode
eu_rights_str_mv openAccess
rights_invalid_str_mv 2022-05-02T22:49:59Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Crivello, Mónica Elsie
https://creativecommons.org/licenses/by-nc-sa/4.0/legalcode
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877862378712858624
score 13.364332

Publicaciones similares