Estudo do perfil do biodiesel B-100 comercializado na região de Londrina : aplicação de redes neurais do tipo mapa auto organizavel

• Main Author: Vilson Machado de Campos Filho
• Other Authors: Dionísio Borsato .
• Language: Portuguese
• Published: Universidade Estadual de Londrina, Universidade Estadual de Maringá, Universidade Estadual de Ponta Grossa, Universidade Estadual do Centro-Oeste, Universidade Estadual do Oeste do Paraná, Universidade Federal do Paraná. 2015
• Online Access: http://www.bibliotecadigital.uel.br/document/?code=vtls000201898

O presente estudo consistiu na análise e classificação de noventa e sete amostras de biodiesel B100 comercializado na região de Londrina, Paraná a fim de verificar seu comportamento no que diz respeito à qualidade deste biocombustível. A priori as noventa e sete amostras foram agrupadas de acordo com o ano de análise. Para cada ano foram atribuídas letras tituladas de A à D, estas compreendidas entre 2010 e 2013. Dos parâmetros de conformidade previamente analisados, encontram-se os preconizados pela Agência Nacional de Petróleo, Gás Natural e Biocombustíveis (ANP), por meio da resolução nº 7 de 2008 (RANP 07/2008). Os parâmetros de conformidade analisados foram a massa específica, ponto de fulgor, índice de peróxido e índice de acidez. As amostras foram distribuídas de acordo com o total de amostras analisadas para cada ano, A (33), B (25), C (24) e D (15) e, os valores observados foram apresentados a Rede Neural Artificial do tipo Mapa Auto Organizável, bidimensional retangular, com a finalidade de obter uma classificação de acordo com as propriedades físico ? químicas de cada amostra em função do ano de produção da amostra. A Rede Neural Artificial do tipo Mapa Auto Organizável foi treinada em dias diferentes e as amostras divididas aleatoriamente em dois grupos, treinamento e teste. Posteriormente, foram realizados os ajustes de ciclos de treinamento e dos números aleatórios de geração de dados, resultando na obtenção de mapas topológicos, ou mapas de Kohonen, possibilitando a visualização das relações de vizinhança entre os neurônios da rede, bem como, da análise de parâmetros estatísticos entre as variáveis apresentadas, a taxa de aprendizagem e estabilidade da Rede Neural Artificial utilizada. Foi constatado que para esta situação, a Rede Neural Artificial do tipo Mapa Auto Organizável diferenciou as amostras em relação ao ano e aos parâmetros de conformidade, preconizados pela ANP, possibilitando também, a constatação de que dentre os parâmetros de conformidade analisados, os de maior significância, portanto, bons para a distinção e classificação dessas amostras, foram a massa específica e o ponto de fulgor. As redes SOM mostraram-se de suma relevância para a classificação no que diz respeito ao perfil do biodiesel comercializado na região de Londrina, Paraná. === This study consisted in the analysis and classification of ninety-seven samples of biodiesel B100 marketed in the region of Londrina, Paraná in order to verify its behavior as regarding the quality of this biofuel. Initially the ninety-seven samples were grouped according to the year of analysis. For each year were titrated attributed the letters A to D, these between 2010 and 2013. About the previously analyzed compliance parameters, there are those recommended by the Biofuel, Natural Gas and Petroleum National Agency (ANP), through resolution No. 7, 2008 (RANP 07/2008). The analyzed compliance parameters were the density, flash point and peroxide index and acid value. Samples were distributed according to the total number of samples analyzed for each year, A (33), B (25), C (24) and D (15), and the observed values were presented to Artificial Neural Network Self Organizing Map, two-dimensional rectangular, in order to obtain a classification according to the physical-chemical properties of each sample as a function of sample production year . Artificial Neural Network Self Organizing Map was trained on different days and the samples were randomly divided into two groups, training and testing. Later, the training cycles settings and random number generation data were performed, resulting in obtaining topological maps, or maps of Kohonen, enabling visualization of neighborly relations between the neurons of the network, as well as the analysis of statistical parameters between the variables presented, the rate of learning and stability of Artificial Neural Network used. It was found that for this, the Artificial Neural Network Self Organizing Map differentiated the samples through the year and the compliance parameters , recommended by the ANP, allowing also the realization that the most significant compliance parameters analized, therefore good for the distinction and classification of samples, were the density and the flash point. The SOM network proved to be of paramount importance for the classification of patterns with respect to biodiesel marketed in the region of the Londrina, Paraná.