Desenvolvimento e aplicação de modelos matemáticos baseados em redes neurais artificiais e modelos estatísticos na predição de propriedades físico-químicas da gasolina petroquímica

Abstract

A formulação da gasolina petroquímica é efetuada simplesmente pela mistura de correntes industriais de hidrocarbonetos provenientes de diferentes unidades de processamento petroquímico. Tais correntes devem apresentar composições químicas tais que, após a mistura, o blend formado tenha um espectro de composição total característico da gasolina. Sendo assim, a grande problemática consiste em, sabendo-se que correntes petroquímicas podem ser utilizadas na formulação da gasolina, determinar o melhor conjunto de frações volumétricas de tais correntes que deve ser usado para conferir propriedades físico-químicas de acordo com os parâmetros de qualidade desse combustível. Para se alcançar esse objetivo, é necessário inicialmente desenvolver modelos matemáticos para predição das propriedades físico-químicas da mistura das correntes. É apresentado, na presente dissertação, o desenvolvimento de modelos empíricos, baseados em redes neurais artificiais e em modelos estatísticos polinomiais, que, como será mostrado, partindo-se das frações volumétricas de cinco correntes petroquímicas usadas na formulação da gasolina, foram capazes de efetuar predições eficazes em propriedades extremamente importantes na caracterização da sua qualidade: pressão de vapor, curva de destilação e densidade. Dado o caráter empírico de tais modelos, inicialmente, foi necessária a realização de ensaios de misturas das correntes petroquímicas no intuito de formular diversos blends de gasolina petroquímica. Foram, então, efetuados ensaios de caracterização da pressão de vapor, curva de destilação e densidade dos blends assim formulados, construindo-se um grande banco de dados experimentais, a partir do qual, os modelos empíricos foram ajustados e testados