Estimación de valores de pérdidas de presión en régimen bifásico para el fluido r407c en tubos horizontales mediante el uso de redes neuronales artificiales.

El siguiente trabajo tiene como propósito Implementar una red neuronal artificial para la estimación de valores de pérdidas de presión en régimen bifásico para el fluido R407C en tubos horizontales. A partir de datos suministrados de un banco de pruebas de refrigeración de la Universidad Federal de...

Full description

Autores:: García Acevedo, Franklin Meer

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2017

Institución:: Universidad Francisco de Paula Santander

Repositorio:: Repositorio Digital UFPS

Idioma:: spa

id	RUFPS2_f917adbf6af99394f13d592043f0e3ac
oai_identifier_str	oai:repositorio.ufps.edu.co:ufps/5943
network_acronym_str	RUFPS2
network_name_str	Repositorio Digital UFPS
repository_id_str
spelling	Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Garcia Pabon, Juan José0744fec3618b2b48d30a991b400ed940300García Acevedo, Franklin Meerd8e423095b0c087966e042d4e45c084d3002021-12-10T21:10:36Z2021-12-10T21:10:36Z2017http://repositorio.ufps.edu.co/handle/ufps/5943112262instname:Universidad Francisco de Paula Santanderreponame:Repositorio Digital UFPSrepourl:https://repositorio.ufps.edu.co/TIEM 00132/2017El siguiente trabajo tiene como propósito Implementar una red neuronal artificial para la estimación de valores de pérdidas de presión en régimen bifásico para el fluido R407C en tubos horizontales. A partir de datos suministrados de un banco de pruebas de refrigeración de la Universidad Federal de Minas Gerais de Brasil, se entrenó una red neuronal por medio de una herramienta computacional basada en Matlab. Se realizó una interfaz gráfica de la red neuronal predictora para facilitar la importación de nuevos datos y exportación de los resultados, desarrollando así un programa que permitiera ser más factible el uso de esta nueva técnica de predicción. La correcta cantidad de capas y neuronas ocultas en el diseño de la red permitió obtener bajos errores con los datos de prueba y validación, obteniendo una precisión de estimación mayor al 95% de los datos y también se obtuvo que el 95% y el 100% de todos los datos se encontraron dentro de las bandas de error del ±10% y el ±15% respectivamente. Se compararon los resultados de la red neuronal con dos modelos de correlación evaluando índices de desempeño como el MAPE, MSE y R regresión lineal. En comparación con métodos tradicionales de correlaciones de pérdidas de presión, el método presentado en este trabajo permite estimar con gran facilidad la totalidad de los datos de modo más preciso y con menos procesos de cálculoPregradoIngeniero(a) Electromecánico(a)application/pdf114 páginasspaUniversidad Francisco de Paula SantanderFacultad de IngenieríaSan José de CúcutaIngeniería Electromecánicahttp://alejandria.ufps.edu.co/descargas/tesis/1090558.pdfEstimación de valores de pérdidas de presión en régimen bifásico para el fluido r407c en tubos horizontales mediante el uso de redes neuronales artificiales.Trabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionBases de datosRefrigeración y compresiónORIGINAL1090558.pdfapplication/pdf367562http://repositorio.ufps.edu.co/bitstream/ufps/5943/1/1090558.pdf0f927ccba3dd26e4c86c9f62ac42d6adMD51open accessTEXT1090558.pdf.txt1090558.pdf.txtExtracted texttext/plain7980http://repositorio.ufps.edu.co/bitstream/ufps/5943/2/1090558.pdf.txt53819ea43a537e853ac960c07b948647MD52open accessTHUMBNAIL1090558.pdf.jpg1090558.pdf.jpgGenerated Thumbnailimage/jpeg15059http://repositorio.ufps.edu.co/bitstream/ufps/5943/3/1090558.pdf.jpg7312d4af8c740938dc95c69ea6190ce6MD53open accessufps/5943oai:repositorio.ufps.edu.co:ufps/59432021-12-11 03:28:41.511An error occurred on the license name.\|\|\|https://creativecommons.org/licenses/by-nc-sa/4.0/open accessRepositorio Universidad Francisco de Paula Santanderbdigital@metabiblioteca.com
dc.title.spa.fl_str_mv	Estimación de valores de pérdidas de presión en régimen bifásico para el fluido r407c en tubos horizontales mediante el uso de redes neuronales artificiales.
title	Estimación de valores de pérdidas de presión en régimen bifásico para el fluido r407c en tubos horizontales mediante el uso de redes neuronales artificiales.
spellingShingle	Estimación de valores de pérdidas de presión en régimen bifásico para el fluido r407c en tubos horizontales mediante el uso de redes neuronales artificiales. Bases de datos Refrigeración y compresión
title_short	Estimación de valores de pérdidas de presión en régimen bifásico para el fluido r407c en tubos horizontales mediante el uso de redes neuronales artificiales.
title_full	Estimación de valores de pérdidas de presión en régimen bifásico para el fluido r407c en tubos horizontales mediante el uso de redes neuronales artificiales.
title_fullStr	Estimación de valores de pérdidas de presión en régimen bifásico para el fluido r407c en tubos horizontales mediante el uso de redes neuronales artificiales.
title_full_unstemmed	Estimación de valores de pérdidas de presión en régimen bifásico para el fluido r407c en tubos horizontales mediante el uso de redes neuronales artificiales.
title_sort	Estimación de valores de pérdidas de presión en régimen bifásico para el fluido r407c en tubos horizontales mediante el uso de redes neuronales artificiales.
dc.creator.fl_str_mv	García Acevedo, Franklin Meer
dc.contributor.advisor.spa.fl_str_mv	Garcia Pabon, Juan José
dc.contributor.author.spa.fl_str_mv	García Acevedo, Franklin Meer
dc.subject.proposal.spa.fl_str_mv	Bases de datos Refrigeración y compresión
topic	Bases de datos Refrigeración y compresión
description	El siguiente trabajo tiene como propósito Implementar una red neuronal artificial para la estimación de valores de pérdidas de presión en régimen bifásico para el fluido R407C en tubos horizontales. A partir de datos suministrados de un banco de pruebas de refrigeración de la Universidad Federal de Minas Gerais de Brasil, se entrenó una red neuronal por medio de una herramienta computacional basada en Matlab. Se realizó una interfaz gráfica de la red neuronal predictora para facilitar la importación de nuevos datos y exportación de los resultados, desarrollando así un programa que permitiera ser más factible el uso de esta nueva técnica de predicción. La correcta cantidad de capas y neuronas ocultas en el diseño de la red permitió obtener bajos errores con los datos de prueba y validación, obteniendo una precisión de estimación mayor al 95% de los datos y también se obtuvo que el 95% y el 100% de todos los datos se encontraron dentro de las bandas de error del ±10% y el ±15% respectivamente. Se compararon los resultados de la red neuronal con dos modelos de correlación evaluando índices de desempeño como el MAPE, MSE y R regresión lineal. En comparación con métodos tradicionales de correlaciones de pérdidas de presión, el método presentado en este trabajo permite estimar con gran facilidad la totalidad de los datos de modo más preciso y con menos procesos de cálculo
publishDate	2017
dc.date.issued.none.fl_str_mv	2017
dc.date.accessioned.none.fl_str_mv	2021-12-10T21:10:36Z
dc.date.available.none.fl_str_mv	2021-12-10T21:10:36Z
dc.type.none.fl_str_mv	Trabajo de grado - Pregrado
dc.type.coar.none.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.content.none.fl_str_mv	Text
dc.type.driver.none.fl_str_mv	info:eu-repo/semantics/bachelorThesis
dc.type.redcol.none.fl_str_mv	http://purl.org/redcol/resource_type/TP
dc.type.version.none.fl_str_mv	info:eu-repo/semantics/acceptedVersion
format	http://purl.org/coar/resource_type/c_7a1f
status_str	acceptedVersion
dc.identifier.uri.none.fl_str_mv	http://repositorio.ufps.edu.co/handle/ufps/5943
dc.identifier.barcode.none.fl_str_mv	112262
dc.identifier.instname.none.fl_str_mv	instname:Universidad Francisco de Paula Santander
dc.identifier.reponame.none.fl_str_mv	reponame:Repositorio Digital UFPS
dc.identifier.repourl.none.fl_str_mv	repourl:https://repositorio.ufps.edu.co/
dc.identifier.signature.spa.fl_str_mv	TIEM 00132/2017
url	http://repositorio.ufps.edu.co/handle/ufps/5943
identifier_str_mv	112262 instname:Universidad Francisco de Paula Santander reponame:Repositorio Digital UFPS repourl:https://repositorio.ufps.edu.co/ TIEM 00132/2017
dc.language.iso.none.fl_str_mv	spa
language	spa
dc.rights.license.none.fl_str_mv	Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
dc.rights.uri.none.fl_str_mv	https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.accessrights.none.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) https://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.none.fl_str_mv	application/pdf
dc.format.extent.spa.fl_str_mv	114 páginas
dc.publisher.spa.fl_str_mv	Universidad Francisco de Paula Santander
dc.publisher.faculty.none.fl_str_mv	Facultad de Ingeniería
dc.publisher.place.spa.fl_str_mv	San José de Cúcuta
dc.publisher.program.none.fl_str_mv	Ingeniería Electromecánica
dc.source.none.fl_str_mv	http://alejandria.ufps.edu.co/descargas/tesis/1090558.pdf
institution	Universidad Francisco de Paula Santander
bitstream.url.fl_str_mv	http://repositorio.ufps.edu.co/bitstream/ufps/5943/1/1090558.pdf http://repositorio.ufps.edu.co/bitstream/ufps/5943/2/1090558.pdf.txt http://repositorio.ufps.edu.co/bitstream/ufps/5943/3/1090558.pdf.jpg
bitstream.checksum.fl_str_mv	0f927ccba3dd26e4c86c9f62ac42d6ad 53819ea43a537e853ac960c07b948647 7312d4af8c740938dc95c69ea6190ce6
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Universidad Francisco de Paula Santander
repository.mail.fl_str_mv	bdigital@metabiblioteca.com
_version_	1814095086065025024

Estimación de valores de pérdidas de presión en régimen bifásico para el fluido r407c en tubos horizontales mediante el uso de redes neuronales artificiales.

Publicaciones similares