Neural networks for predicting mass transfer parameters in supercritical extraction

Fonseca, A.L.A; Oliveira, J. Vladimir; Lima, Enrique Luis

doi:10.1590/s0104-66322000000400016

Cited by 9 publications

(4 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…As RNAs aparecem como uma alternativa à modelagem convencional, pois tem a capacidade de generalização e também oferece flexibilidade para se adaptar a situações completamente diferentes (Fonseca et al, 2000).…”

Section: Introductionunclassified

Produção De Etanol via Fermentação Com Reciclo De Células: Cinética Usando Redes Neurais Artificiais

Martins¹,

Soares²,

Andrade³

2017

Blucher Chemical Engineering Proceedings

View full text Add to dashboard Cite

RESUMO -O reciclo de células, uma realidade da indústria brasileira de produção de etanol, pode ser potencialmente utilizando para a segunda geração. O intuito desse modo de operação é reduzir os custos e o tempo de fermentação. Desse modo, é importante se desenvolver um modelo cinético que seja bastante preciso. As Redes Neurais Artificiais (RNAs) tem uma grande capacidade de auxiliar na busca desse modelo. Neste trabalho, foram utilizadas RNAs para se modelar os dados da fermentação alcóolica do hidrolisado de bagaço de cana-de-açúcar concentrado com melaço, à temperatura de 34ºC, e 7 reciclos de células. Como variáveis de entrada, foram utilizados valores da concentração de substrato, células e etanol no tempo t e t-1 e como variáveis de saída as concentrações de substrato, células e etanol no tempo t+1. Os resultados mostraram que uma única RNA tem a capacidade de aprender e simular satisfatoriamente o processo com reciclo. INTRODUÇÃOExistem muitos estudos que tem como foco a utilização de biomassa para a produção de energia, por ser uma forma renovável de matéria prima. A fermentação alcóolica do hidrolisado de bagaço de cana-de-açúcar, concentrado com melaço, com reciclo de células é um desses processos. Isso porque, além da cana-de-açúcar ser uma fonte de energia renovável, a utilização do reciclo de células faz com que o processo seja mais rápido e tenha custos menores.Apesar disso, até onde se sabe, há apenas dois estudos que abordaram a modelagem da cinética da fermentação de etanol de segunda geração, considerando reciclo de células (Andrade et al., 2013 e Guerra et al., 2015. As RNAs aparecem como uma alternativa à modelagem convencional, pois tem a capacidade de generalização e também oferece flexibilidade para se adaptar a situações completamente diferentes (Fonseca et al., 2000).Sua formação é composta por neurônios artificiais que tem por base o funcionamento do neurônio biológico. A estrutura de uma RNA é formada por uma camada de entrada, uma camada de saída e camadas ocultas, conforme a Figura 1. Pesos sinápticos estão presentes em cada neurônio e são associados aos estímulos advindos da camada anterior através da função soma. É possível ajustar o número de neurônios em cada camada e a determinação dos pesos sinápticos constitui a obtenção do modelo neural.

show abstract

Section: Introductionunclassified

Produção De Etanol via Fermentação Com Reciclo De Células: Cinética Usando Redes Neurais Artificiais

Martins¹,

Soares²,

Andrade³

2017

Blucher Chemical Engineering Proceedings

View full text Add to dashboard Cite

show abstract

“…These models are assessed using cross validation, which leverages the available data for both the construction and validation of the predictive models. Fonseca et al 2000, investigated the use of neural networks for predicting mass transfer coefficients from supercritical Carbon Dioxide/Ethanol/Water system. They used a technique which combines experimental mass transfer coefficient with those obtained from correlations available in literature to generate new semi-empirical data for the network training.…”

Section: Introductionmentioning

confidence: 99%

Hybrid Modeling of Modified Mathematical Model for Gas Phase Olefine in Fluidized Bed Catalyst Reactors Using Artificial Neural Networks

Ibrehem¹

2009

Chemical Product and Process Modeling

View full text Add to dashboard Cite

The complex flow patterns induced in fluidized bed catalytic reactors and the competing parameters affecting the mass and heat transfer characteristics makes the design of such reactors a challenging task to accomplish. The models of such a process rely heavily on predictive empirical correlations for mass and heat transfer coefficients. Unfortunately, published empirical based correlations have the common shortcoming of low-prediction efficiency compared with experimental data. In this work, an artificial neural network approach is used to capture the reactor characteristics in terms of heat and mass transfer based on published experimental data. The developed ANN-based heat and mass transfer coefficients relations were used in a conventional FCR model and simulated under industrial operating conditions. The hybrid model predictions of the melt-flow index and the emulsion temperature were compared to industrial measurements as well as published models. The predictive quality of the hybrid model was superior to other models. This modeling approach can be used as an alternative to conventional modeling methods.

show abstract

“…These models are assessed using cross validation, which leverages the available data for both the construction and validation of the predictive models. Fonseca et al 6 investigated the use of neural networks for predicting mass transfer coefficients from supercritical carbon dioxide/ethanol/water system. They used a technique which combines experimental mass transfer coefficient with that obtained from correlation available in the literature to generate new semiempirical data for the network training.…”

Section: Introductionmentioning

confidence: 99%

Artificial Neural Approach for Modeling the Heat and Mass Transfer Characteristics in Three-Phase Fluidized Beds

Mjalli

Al-Mfargi

2008

Ind. Eng. Chem. Res.

View full text Add to dashboard Cite

The study of reactor design and modeling is conducted frequently both at the initial stage of equipment design as well as during further stages of equipment operation. Fluidized bed three-phase reactors have very complex behavior which relies to a high extent on the mass and heat transfer characteristics of the reaction constituents. Numerous previous experimental and theoretical based studies for modeling heat and mass transfer coefficients have the common shortcoming of low prediction efficiency compared to experimental data. In this work, an artificial neural network approach is used to capture the reactor characteristics in terms of heat and mass transfer based on published experimental data. The newly developed heat and mass transfer coefficients models proved to be of high prediction quality compared to experimental data and previous correlations. The new correlations will be used in a further study for the hybrid steady state and dynamic modeling of fluidized bed catalytic reactors.

show abstract

Neural networks for predicting mass transfer parameters in supercritical extraction

Cited by 9 publications

References 10 publications

Produção De Etanol via Fermentação Com Reciclo De Células: Cinética Usando Redes Neurais Artificiais

Produção De Etanol via Fermentação Com Reciclo De Células: Cinética Usando Redes Neurais Artificiais

Hybrid Modeling of Modified Mathematical Model for Gas Phase Olefine in Fluidized Bed Catalyst Reactors Using Artificial Neural Networks

Artificial Neural Approach for Modeling the Heat and Mass Transfer Characteristics in Three-Phase Fluidized Beds

Contact Info

Product

Resources

About