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...
- 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
- 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 |