Modelación del equilibrio líquido-vapor a presión constante de mezclas etanol-agua utilizando redes neuronales artificiales

Resumen

En el presente trabajo se modeló el equilibrio líquido-vapor de la mezcla binaria etanol-agua a presión constante, utilizando datos a bajas, moderadas y elevadas presiones extraídas de la literatura, empleando redes neuronales artificiales con arquitectura multicapa perceptrón y algoritmo de aprendizaje “back propagation”, implementadas en KNIME 3.1.1 y Matlab 2013. Para determinar la confiabilidad de los datos se examinó la presencia de errores no sistemáticos encontrando imprecisiones en seis puntos experimentales. La presencia de errores sistemáticos se comprobó mediante pruebas de consistencia termodinámica. Se aplicó la prueba de las áreas de Herington y la prueba punto a punto de Wisniak, resultando que los datos experimentales eran confiables para el modelado, excepto dos puntos a presiones bajas. Se obtuvieron topologías desde dos neuronas en la capa oculta hasta 10. Para la selección se aplicaron las pruebas no paramétricas de Friedman y Wilcoxon. La topología seleccionada fue la obtenida en Matlab 2013 de ocho neuronas en la capa oculta con una media del error cuadrático medio de 0,005 4, una desviación del error cuadrático medio de 0,0006 y un coeficiente de correlación de 0,972 9. De esta forma, con un solo modelo, es posible predecir el equilibrio líquido vapor para el intervalo de presión desde 6,6 kPa hasta 1 520 kPa.