Aplicaçao de redes neuronais artificiais para previsao de propriedades da gasolina a partir de sua composiçao química

Abstract

Resumo: As propriedades físico-químicas da gasolina são importantes referências de sua qualidade, devendo ser monitoradas a fim de mantê-la, respeitando-se leis ambientais e parâmetros técnicos. Cada propriedade é, em geral, uma complicada função da composição química da gasolina, podendo ser representada por diversos tipos de correlações matemáticas. Correlações matemáticas são utilizadas por equipamentos como o espectrômetro por infravermelho para a previsão de propriedades físico-químicas de combustíveis a partir da análise do espectro obtido, com objetivo de reduzir o custo de implantação de laboratórios para controle da qualidade de combustíveis. Por outro lado, as correlações existentes não estão ajustadas à gasolina brasileira, cuja composição química é modificada com a adição de álcool etílico anidro, fornecendo resultados não condizentes com a realidade. Por este motivo existe a necessidade de se encontrar correlações apropriadas para a gasolina nacional e aplicá-las para obtenção de previsões mais acuradas, com valores próximos às análises experimentais padrão ASTM e NBR, adotadas pela Agência Nacional do Petróleo como referências de qualidade para a gasolina brasileira. Este trabalho descreve a utilização de redes neuronais artificiais como um método de correlação para previsão de algumas propriedades importantes da gasolina, tais como: curva de destilação, densidade relativa a 20°C e pressão de vapor Reid. Uma rede com treinamento supervisionado por retropropagação é usada neste trabalho. Após estudos preliminares e planejamento experimental, 35 amostras de gasolina brasileira, de um universo de 1000 amostras analisadas no LACAUT (Laboratório de Análises de Combustíveis Automotivos), coletadas em postos de combustíveis no estado do Paraná, foram escolhidas e submetidas à análise cromatográfica e ensaios laboratoriais padronizados. Um programa específico para classificação de hidrocarbonetos denominado DHA (Detailed Hydrocarbon Analisys) gerou dados de entrada para a rede neuronal, enquanto que os ensaios físico-químicos padronizados forneceram os dados de saída. A capacidade preditiva das redes obtidas foi muito boa para as propriedades estudadas, compatível com a precisão das medidas experimentais. Os desvios obtidos ficaram em média próximos de 1%. Os resultados alcançados estão próximos das faixas de incerteza de medição dos ensaios físico-químicos e comprovam que a ferramenta utilizada consegue correlacionar adequadamente a composição química e as propriedades físico-químicas estudadas.

Abstract: The fuel physic-chemical properties are very important references of its quality. They must be monitored in order to maintain and/or improve production quality and match environmental standards as well. Each property is, in general, a complicated function of the chemical composition of the gasoline, being able to be represented by several types of mathematical correlations. Mathematical correlations are used by equipment as the infrared spectrometer for the prediction of physic-chemical properties of fuel. The perspective is the reduction of cost of laboratory implantation. On the other hand, the existing correlations are not adjusted to the Brazilian gasoline, whose chemical composition is modified with the anhydrous ethyl alcohol addition, supplying results not agreeable with the reality. For this reason it is necessary to find appropriate correlations and apply them to forecast values near to the experimental analyses standard ASTM and NBR, adopted for the National Agency of the Oil as references of quality for the Brazilian gasoline. This work describes the use of artificial neural networks as a method of correlation for forecasting of some important properties of the gasoline, such as: curve of distillation, relative density 20°C and pressure Reid vapor. A network with supervised learning with backpropagation algorithm is used in this work. After preliminary studies and experimental planning, 35 samples of Brazilian gasoline, from the universe of 1000 samples analyzed in the LACAUT (Laboratory of Fuel Analyses), collected in the state of the Paraná, had been chosen and submitted to the chromatographic analysis and standardized laboratories assays. A specific program for classification of hydrocarbons, the DHA (Detailed Hydrocarbon Analysis), generated the input data for the neural network, while standardized physic-chemical had supplied the output data. The predictive capacity of the obtained nets was very good for the studied properties, within the experimental accuracy. The obtained error had been in average next to 1%. The reached results are next to the bands of measurement uncertainty of the physic-chemical experiments. It proves that the used tool obtains the correlation from chemical composition and the studied physic-chemical properties.