Desarrollo de modelos predictivos de las propiedades fisicoquímicas presentes en los fondos de vacío a través del método de mínimos cuadrados parciales (pls) y espectroscopia infrarroja

El propósito principal de este proyecto es saber cómo influye los modelos predictivos de propiedades fisicoquímicas de fondos de vacío, utilizando como técnica el método de mínimos cuadrados parciales (PLS) y espectroscopia infrarroja para determinar la calidad y ciertas propiedades de los crudos; p...

Full description

Autores:
Valencia Lozano, Oscar Mauricio
Tipo de recurso:
http://purl.org/coar/version/c_b1a7d7d4d402bcce
Fecha de publicación:
2018
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
spa
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/39066
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/39066
https://noesis.uis.edu.co
Palabra clave:
Fondos De Vacío
Espectroscopia Infrarroja
Pca
Pls
Vacuum Funds
Infrared Spectroscopy
Pca
Pls
Rights
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
Description
Summary:El propósito principal de este proyecto es saber cómo influye los modelos predictivos de propiedades fisicoquímicas de fondos de vacío, utilizando como técnica el método de mínimos cuadrados parciales (PLS) y espectroscopia infrarroja para determinar la calidad y ciertas propiedades de los crudos; por tal razón, este estudio al desarrollar dichos modelos predictivos de propiedades fisicoquímicas busca encontrar las causas de las condiciones proporcionadas a través del método, donde se ordena un conjunto de datos de acuerdo a su importancia. Además, realiza un análisis de componentes principales (PCA) de los espectros correspondientes a las muestras de fondo de vacío y definir el número de componentes principales que mejora la incertidumbre en los datos, determinando las causas de la variabilidad de un conjunto de datos y ordenarlas por importancia, para proyectar los datos en términos de mínimos cuadrados. Los análisis de componentes principales (PCA) permitieron identificar de manera cualitativa el parentesco de los 49 espectros correspondientes a las 49 muestras de fondos de vacío y definir el número de componentes principales que mejora la incertidumbre en los datos; así como el análisis por regresión parcial por mínimos cuadrados (PLS), permitieron identificar de manera cuantitativa el parentesco de los 49 espectros correspondientes a las 49 muestras de fondos de vacío para determinar la composición de azufre y RCC. En conclusión, el modelo mostró un desempeño satisfactorio para la predicción composicional de las ya mencionadas propiedades.