Regresión del índice de cetano del diésel a partir de propiedades macroscópicas y espectros infrarrojos utilizando mlr y pls

Una base de datos de 140 muestras de propiedades macroscópicas del diésel fue analizada mediante las técnicas de regresión mediantes modelos lineales y modelos no-lineales: Regresión Lineal Múltiple (MLR) y Regresión por mínimos cuadrados (PLS) para obtener modelos matemáticos que me permitan cuanti...

Full description

Autores:
Morales Montano, Jorge Mario
Tipo de recurso:
http://purl.org/coar/version/c_b1a7d7d4d402bcce
Fecha de publicación:
2015
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
spa
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/33035
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/33035
https://noesis.uis.edu.co
Palabra clave:
Mlr
Pca
Pls
Espectros Infrarrojos
Macro Propiedades
Diésel
Índice De Cetano.
Multiple Linear Regression; Partial Least Squares; Diesel; Near Infrared Spectroscopy; Cetane Index
Rights
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
id UISANTADR2_7b1bcc545dccae6b38ef08004ae38778
oai_identifier_str oai:noesis.uis.edu.co:20.500.14071/33035
network_acronym_str UISANTADR2
network_name_str Repositorio UIS
repository_id_str
dc.title.none.fl_str_mv Regresión del índice de cetano del diésel a partir de propiedades macroscópicas y espectros infrarrojos utilizando mlr y pls
dc.title.english.none.fl_str_mv Regression of cetane number of diesel from macroscopic properties and infrared spectra using mlr and pls3
title Regresión del índice de cetano del diésel a partir de propiedades macroscópicas y espectros infrarrojos utilizando mlr y pls
spellingShingle Regresión del índice de cetano del diésel a partir de propiedades macroscópicas y espectros infrarrojos utilizando mlr y pls
Mlr
Pca
Pls
Espectros Infrarrojos
Macro Propiedades
Diésel
Índice De Cetano.
Multiple Linear Regression; Partial Least Squares; Diesel; Near Infrared Spectroscopy; Cetane Index
title_short Regresión del índice de cetano del diésel a partir de propiedades macroscópicas y espectros infrarrojos utilizando mlr y pls
title_full Regresión del índice de cetano del diésel a partir de propiedades macroscópicas y espectros infrarrojos utilizando mlr y pls
title_fullStr Regresión del índice de cetano del diésel a partir de propiedades macroscópicas y espectros infrarrojos utilizando mlr y pls
title_full_unstemmed Regresión del índice de cetano del diésel a partir de propiedades macroscópicas y espectros infrarrojos utilizando mlr y pls
title_sort Regresión del índice de cetano del diésel a partir de propiedades macroscópicas y espectros infrarrojos utilizando mlr y pls
dc.creator.fl_str_mv Morales Montano, Jorge Mario
dc.contributor.advisor.none.fl_str_mv Morales Medina, Giovanni
dc.contributor.author.none.fl_str_mv Morales Montano, Jorge Mario
dc.subject.none.fl_str_mv Mlr
Pca
Pls
Espectros Infrarrojos
Macro Propiedades
Diésel
Índice De Cetano.
topic Mlr
Pca
Pls
Espectros Infrarrojos
Macro Propiedades
Diésel
Índice De Cetano.
Multiple Linear Regression; Partial Least Squares; Diesel; Near Infrared Spectroscopy; Cetane Index
dc.subject.keyword.none.fl_str_mv Multiple Linear Regression; Partial Least Squares; Diesel; Near Infrared Spectroscopy; Cetane Index
description Una base de datos de 140 muestras de propiedades macroscópicas del diésel fue analizada mediante las técnicas de regresión mediantes modelos lineales y modelos no-lineales: Regresión Lineal Múltiple (MLR) y Regresión por mínimos cuadrados (PLS) para obtener modelos matemáticos que me permitan cuantificar el índice de cetano del diésel. Para el análisis de estos modelos se tuvieron en cuenta diferentes criterios como el coeficiente de 62 espectros infrarrojos de muestras de diésel proporcionadas por la sección de blending de la gerencia refinería de Barrancabermeja de ECOPETROL S.A. donde se encontró una relación entre las intensidades espectrales y el incide de cetano, los cuales fueron utilizados para la creación del modelo no-lineal. Entre las principales ventajas de utilizar los modelos de regresión se encuentran: comprensión de las variables influyentes en los procesos, determinación de los estadísticos que presentan los datos, análisis de datos atípicos e influyentes y predicción de nuevos valores de propiedades. Los resultados de este trabajo demuestran que los modelos obtenidos mostraron una gran capacidad de predicción del Índice de cetano, sin embargo por la facilidad de disposición y obtención de los datos se afirma que el mejor modelo de predicción corresponde a la regresión parcial de mínimos cuadrados a partir de espectroscopia infrarroja cercana. Donde se recomienda ampliar la base de datos con la finalidad de validar estos modelos para obtener una mayor exactitud a la hora de aplicar estos modelos. 1
publishDate 2015
dc.date.available.none.fl_str_mv 2015
2024-03-03T22:10:29Z
dc.date.created.none.fl_str_mv 2015
dc.date.issued.none.fl_str_mv 2015
dc.date.accessioned.none.fl_str_mv 2024-03-03T22:10:29Z
dc.type.local.none.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.hasversion.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.coar.none.fl_str_mv http://purl.org/coar/version/c_b1a7d7d4d402bcce
format http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.identifier.uri.none.fl_str_mv https://noesis.uis.edu.co/handle/20.500.14071/33035
dc.identifier.instname.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.reponame.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.repourl.none.fl_str_mv https://noesis.uis.edu.co
url https://noesis.uis.edu.co/handle/20.500.14071/33035
https://noesis.uis.edu.co
identifier_str_mv Universidad Industrial de Santander
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by/4.0/
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.none.fl_str_mv Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0
dc.rights.creativecommons.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
rights_invalid_str_mv Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
http://creativecommons.org/licenses/by/4.0/
http://creativecommons.org/licenses/by-nc/4.0
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Industrial de Santander
dc.publisher.faculty.none.fl_str_mv Facultad de Ingenierías Fisicoquímicas
dc.publisher.program.none.fl_str_mv Ingeniería Química
dc.publisher.school.none.fl_str_mv Escuela de Ingeniería Química
publisher.none.fl_str_mv Universidad Industrial de Santander
institution Universidad Industrial de Santander
bitstream.url.fl_str_mv https://noesis.uis.edu.co/bitstreams/9352a258-7ef8-4d4f-9b6b-f7e150579402/download
https://noesis.uis.edu.co/bitstreams/979f8ddb-0d50-4724-96ee-a6e9579c4c90/download
https://noesis.uis.edu.co/bitstreams/9c04d21c-137a-4d0b-a710-1f98f6d7f3cb/download
bitstream.checksum.fl_str_mv 68cf5ae06f685d966fa17b008b2e8c5c
4d1d38ccef484a7fc99c819ea8a7e1a4
68f93d83b468551c93af297563577e5c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv DSpace at UIS
repository.mail.fl_str_mv noesis@uis.edu.co
_version_ 1814095243111301120
spelling Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)http://creativecommons.org/licenses/by/4.0/http://creativecommons.org/licenses/by-nc/4.0Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2Morales Medina, GiovanniMorales Montano, Jorge Mario2024-03-03T22:10:29Z20152024-03-03T22:10:29Z20152015https://noesis.uis.edu.co/handle/20.500.14071/33035Universidad Industrial de SantanderUniversidad Industrial de Santanderhttps://noesis.uis.edu.coUna base de datos de 140 muestras de propiedades macroscópicas del diésel fue analizada mediante las técnicas de regresión mediantes modelos lineales y modelos no-lineales: Regresión Lineal Múltiple (MLR) y Regresión por mínimos cuadrados (PLS) para obtener modelos matemáticos que me permitan cuantificar el índice de cetano del diésel. Para el análisis de estos modelos se tuvieron en cuenta diferentes criterios como el coeficiente de 62 espectros infrarrojos de muestras de diésel proporcionadas por la sección de blending de la gerencia refinería de Barrancabermeja de ECOPETROL S.A. donde se encontró una relación entre las intensidades espectrales y el incide de cetano, los cuales fueron utilizados para la creación del modelo no-lineal. Entre las principales ventajas de utilizar los modelos de regresión se encuentran: comprensión de las variables influyentes en los procesos, determinación de los estadísticos que presentan los datos, análisis de datos atípicos e influyentes y predicción de nuevos valores de propiedades. Los resultados de este trabajo demuestran que los modelos obtenidos mostraron una gran capacidad de predicción del Índice de cetano, sin embargo por la facilidad de disposición y obtención de los datos se afirma que el mejor modelo de predicción corresponde a la regresión parcial de mínimos cuadrados a partir de espectroscopia infrarroja cercana. Donde se recomienda ampliar la base de datos con la finalidad de validar estos modelos para obtener una mayor exactitud a la hora de aplicar estos modelos. 1PregradoIngeniero QuímicoA database of 140 samples of macroscopic properties of diesel was analyzed using regression techniques using linear models and nonlinear models: Multiple Linear Regression (MLR) and Regression least squares (PLS) for mathematical models that allow me to quantify the cetane number of diesel. For the analysis of these models different criteria such as the correlation coefficient and the standard error of the selection criteria Akaike's were taken into account. Besides infrared spectra of 62 samples provided by diesel blending section management Barrancabermeja refinery ECOPETROL SA analyzed where a relationship between the spectral intensities and incident cetane, which were used to create non-linear model was found. Among the main advantages of using regression models include: understanding the influential variables in the process, determination of the statistical data presented, analysis of outliers and influential data and prediction of new property values. The results of this work show that the obtained models showed a great ability to predict cetane index, however for ease of layout and data collection is stated that the best prediction model corresponding to the partial least squares regression from near-infrared spectroscopy. Where it is recommended to expand the database in order to validate these models for greater accuracy when applying these models.application/pdfspaUniversidad Industrial de SantanderFacultad de Ingenierías FisicoquímicasIngeniería QuímicaEscuela de Ingeniería QuímicaMlrPcaPlsEspectros InfrarrojosMacro PropiedadesDiéselÍndice De Cetano.Multiple Linear Regression; Partial Least Squares; Diesel; Near Infrared Spectroscopy; Cetane IndexRegresión del índice de cetano del diésel a partir de propiedades macroscópicas y espectros infrarrojos utilizando mlr y plsRegression of cetane number of diesel from macroscopic properties and infrared spectra using mlr and pls3Tesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_b1a7d7d4d402bcceORIGINALCarta de autorización.pdfapplication/pdf298187https://noesis.uis.edu.co/bitstreams/9352a258-7ef8-4d4f-9b6b-f7e150579402/download68cf5ae06f685d966fa17b008b2e8c5cMD51Documento.pdfapplication/pdf3084232https://noesis.uis.edu.co/bitstreams/979f8ddb-0d50-4724-96ee-a6e9579c4c90/download4d1d38ccef484a7fc99c819ea8a7e1a4MD52Nota de proyecto.pdfapplication/pdf255285https://noesis.uis.edu.co/bitstreams/9c04d21c-137a-4d0b-a710-1f98f6d7f3cb/download68f93d83b468551c93af297563577e5cMD5320.500.14071/33035oai:noesis.uis.edu.co:20.500.14071/330352024-03-03 17:10:29.044http://creativecommons.org/licenses/by-nc/4.0http://creativecommons.org/licenses/by/4.0/open.accesshttps://noesis.uis.edu.coDSpace at UISnoesis@uis.edu.co