Modelado neuronal en la obtención selectiva de monoglicéridos empleando catalizadores de Litio

Abstract

La producción de biodiesel genera grandes cantidades de glicerol remanente. Este puede convertirse en monogliceridos, de mayor valor agregado, empleando catalizadores de Litio. En trabajos anteriores se estudiaron Redes Neuronales Artificiales con estructura backpropagation, que explican la relación entre el porcentaje molar de conversión del reactivo estearato de metilo y el del rendimiento de los productos. El objetivo de este es evaluar la capacidad predictiva de una de las redes que obtuvo mejor desempeño, con distinto número de neuronas en la capa oculta. Para la comparación se consideraron el menor error cuadrático medio y mayor índice de correlación, la similitud en la evolución de errores de validación y simulación y la ausencia de sobre-aprendizaje de datos. La red de mayor simplicidad que mejor desempeño mostró fue la constituida por 35 neuronas con función de transferencia sigmoidea en la capa oculta y una lineal en la capa de salida. El menor error y mayor índice de correlación entre respuestas reales y predichas fueron 0,011193 y 0,999977, para la simulación con datos de monoglicéridos. El desarrollo de estos modelos es de interés por la consecuente disminución de tiempos y costos en ensayos experimentales