Proceso de hidrotratamiento: predicción mediante regresión lineal multivariada y regresión pls utilizando datos históricos de operación de una unidad hdt

En el presente trabajo, utilizando estadística univariada y multivariada; se analizó una matriz de data histórica de operación tomada de una unidad HDT, con el fin de analizar el comportamiento de las observaciones y realizar el planteamiento de modelos matemáticos para la predicción de variables de...

Full description

Autores:
Carvajal Cipamocha, Gustavo Adolfo
Tipo de recurso:
http://purl.org/coar/version/c_b1a7d7d4d402bcce
Fecha de publicación:
2017
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
spa
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/35814
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/35814
https://noesis.uis.edu.co
Palabra clave:
Hidrotratamiento
Predicciones
Estadistica Univariada Y Multivariada
Regresion Lineal Multiple
Regresion Pls
Correlacion Lineal.
Hidrotreatment
Predictions
Univariated And Bivariated Stadistics
Multiple Linear Regression
Pls Regression
Linear Correlation.
Rights
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
Description
Summary:En el presente trabajo, utilizando estadística univariada y multivariada; se analizó una matriz de data histórica de operación tomada de una unidad HDT, con el fin de analizar el comportamiento de las observaciones y realizar el planteamiento de modelos matemáticos para la predicción de variables de salida en función de variables de operación y de entrada comúnmente consideradas por la comunidad científica en el análisis del proceso HDT. Se tuvieron en cuenta doce variables, como se presenta más adelante en este trabajo. Inicialmente, se llevó a cabo un análisis estadístico univariado, donde se calcularon parámetros estadísticos clave como el valor máximo, el mínimo, la media y la desviación estándar de cada variable respectivamente. En seguida, se realizó la matriz de correlación entre las variables consideradas, un análisis estadístico no jerárquico Clúster k-medias y análisis Cluster jerárquico (dendograma). A partir de estos tres análisis, se determinó que las variables consideradas, casi en su totalidad, presentaron una muy baja correlación y una alta variabilidad entre si. Finalmente, se establecieron cinco casos de predicción mediante regresión lineal multivariada; se obtuvieron buenos resultados ( ajustado > 0,9) en dos de los cinco casos de predicción planteados. Los buenos resultados obtenidos; se debieron a la alta correlación lineal evidenciada entre las variables flujo de hidrogeno a hidrotratar en la alimentación a la unidad HDT, relación hidrocarburo/hidrogeno alimentados a la zona de reacción, y el flujo de diésel hidrotratado a la salida de la unidad HDT. Estos dos casos de estudio, adicionalmente, se validaron mediante regresión PLS. Se encontró que la variación del grado de ajuste en la estimación pasando de tres a los nueve predictores considerados inicialmente apenas incrementaba de manera insignificante. Esto se justifica, en la alta correlación lineal entre las tres variables mencionadas anteriormente, en la baja influencia de las demás variables predictoras en la predicción y a la baja correlación existente entre casi la totalidad de variables consideradas.