|
Autor/a Moretó Bravo, Núria |
Abstract L’augment dels costos i problemes ambientals relacionats amb la captació de CO2 tenen com a objectiu estudiar noves alternatives als processos clàssics d’absorció d’amines. En aquest sentit, els líquids iònics (IL) semblen ser una alternativa prometedora, però la selecció d’una combinació catió-anió apropiada amb solvents de propietats adequades és una tasca feixuga a causa de la gran quantitat de combinacions possibles. L’ús d’eines teòriques amb capacitat de predicció és necessari per trobar solucions amb una quantitat limitada de treballs experimentals. Tot i l’extensa investigació sobre l’estudi d’aquests compostos mitjançant equacions d’estat (EoS), un nou enfocament basat en la regressió lineal múltiple (MLR), la regressió Random Forest (RFR) i la xarxa neuronal artificial (ANN) ha estat explorat en aquest projecte per la predicció de la solubilitat del CO2 en cinc ILs basats en el catió imidazoli. Els resultats demostren que l’ANN presenta la millor capacitat predictiva. També ha estat implementat un procediment per ajustar els hiperparàmetres de l’ANN, capaç de predir la solubilitat de vuit gasos (CO2, SO2, H2S, N2O, CO, N2, O2 i H2 ) en els cinc ILs. Una comparació sobre un reduït conjunt de dades entre el model ANN global i la Soft-SAFT, un tipus d’EoS, ha demostrat que aquesta última ofereix millors prediccions de solubilitat (els MSE han estat respectivament 0.2174 i 0.0010). |
|
|
Director/a Llovell Ferret, Fèlix |
||
|
Estudis IQS SE - Grau en Enginyeria Química |
||
|
Data 2020-05-29
|
