|
Autor/a Moretó Bravo, Núria |
Abstract El aumento de los costes y problemas ambientales relacionados con la captación de CO2 tienen como objetivo estudiar nuevas alternativas a los procesos clásicos de absorción de aminas. En este sentido, los líquidos iónicos (IL) parecen ser una alternativa prometedora, pero la selección de una combinación catión-anión apropiada con solventes de propiedades adecuadas es una tarea pesada debido a la gran cantidad de combinaciones posibles. El uso de herramientas teóricas con capacidad de predicción es necesario para encontrar soluciones con una cantidad limitada de trabajos experimentales. A pesar de la extensa investigación sobre el estudio de estos compuestos mediante ecuaciones de estado (EOS), un nuevo enfoque basado en la regresión lineal múltiple (MLR), la regresión Random Forest (RFR) y la red neuronal artificial (ANN ) ha sido explorado en este proyecto para la predicción de la solubilidad del CO2 en cinco ILS basados en el catión imidazolio. Los resultados demuestran que la ANN presenta la mejor capacidad predictiva. También ha sido implementado un procedimiento para ajustar los hiperparàmetres del ANN, capaz de predecir la solubilidad de ocho gases (CO2, SO2, H2S, N2O, CO, N2, O2 y H2) en los cinco ILS. Una comparación sobre un reducido conjunto de datos entre el modelo ANN global y la Soft-SAFT, un tipo de cuerpo, ha demostrado que esta última ofrece mejores predicciones de solubilidad (los MSE han sido respectivamente 0.2174 y 0.0010). |
|
|
Director/a Llovell Ferret, Fèlix |
||
|
Estudios IQS SE - Grado en Ingeniería Química |
||
|
Fecha 2020-05-29
|
