Modelos basados en redes neuronales artificiales para la obtención de monoglicéridos: desarrollo y validación

Abstract

La producción de biodiesel genera grandes cantidades de glicerol remanente. Este puede convertirse en monoglicéridos, producto de mayor valor agregado. El objetivo del presente trabajo es comprobar la capacidad de generalización de modelos matemáticos basados en Redes Neuronales Artificiales que caractericen la relación entre la conversión del reactivo, estearato de metilo, y el rendimiento de los productos de la reacción de transesterificación con glicerol. Para esto se emplearon distintos parámetros de reacción referidos al catalizador sólido, que consistió en un óxido mixto de Mg y Al con Li incorporado en diferentes proporciones, derivado de hidróxidos dobles laminares. Se crearon tres modelos de Redes Neuronales Artificiales con estructura backpropagation. La red que mayor capacidad de generalización mostró fue la constituida por una capa oculta con 35 neuronas y función de transferencia sigmoidea y una capa con función lineal de salida. Esta fue capaz de explicar la relación entre los porcentajes de conversión y rendimiento de la reacción, en cuanto a la obtención de mono- y di-glicéridos, cuando la masa del catalizador varía hasta en un 1%, pero no demostró aptitud para explicar dicha relación entre los parámetros de reacción al modificarse el contenido de Li como sitio activo en el catalizador sólido. El empleo de estos modelos es de interés, dada su incidencia en la proyección del proceso a mayores escalas.