Beruflich Dokumente
Kultur Dokumente
soluciones de glicoles
Garca Areu, J.R, (20150410D);
Escuela de Ingeniera Petroqumica, FIP-UNI
Qumica Orgnica II
ravivi1101@gmail.com;
RESUMEN: Se presentan dos novedosos enfoques para predecir de manera precisa las
densidades de las soluciones de glicoles ms usados industria de procesamiento de gas. El
primer enfoque se centra en desarrollar una correlacin polinmica (simple de usar) para una
prediccin adecuada de la densidad de las soluciones de glicoles en funcin de la temperatura
y el porcentaje en peso de glicoles en agua, donde los resultados obtenidos muestran un muy
buen acuerdo con los datos experimentales informados. El segundo enfoque, sin embargo, se
basa en la metodologa de redes neuronales artificiales (ANN), en la que los resultados
demuestran la capacidad del mtodo para predecir densidades razonablemente precisas de
glicoles en condiciones de operacin. Las comparaciones de los dos enfoques indicaron que la
correlacin simple de usar parece ser superior debido a su simplicidad y claro respaldo
numrico terreno, donde los coeficientes relevantes pueden reajustarse si hay datos nuevos y
ms precisos disponibles en el futuro. La desviacin media de los nuevos resultados de la
correlacin polinmica propuesta a partir de datos reportado es 0,64 kg/m3, mientras que la
desviacin media de metodologa de las redes neuronales artificiales (ANN) a partir de datos
reportado es 1,1 kg/m3.
Palabras clave: glicoles; densidad; correlacin polinmica; redes neuronales artificiales;
procesamiento de gas
ABSTRACT: Two new approaches for the accurate prediction of densities of the commonly
used glycol solutions in the gas-processing industry are presented in the article. The first
approach is based on developing a simple-to-use polynomial correlation for an appropriate
prediction of density of glycol solutions as a function of temperature and weight percent of
glycols in water, where the obtained results show very good agreement with the reported
experimental data. The second approach, however, is based on the artificial neural networks
(ANN) methodology, wherein the results demonstrate the ability of the introduced method to
predict reasonably accurate densities of glycols under operating conditions. Comparisons of the
two novel approaches indicated that the simple-to-use correlation appears to be superior owing
to its simplicity and clear numerical background, wherein the relevant coefficients can be retuned
if new and more accurate data are available in the future. The average deviation of the new
proposed polynomial correlation results from reported data is 0.64 kg/m3 whereas the average
deviation of artificial neural networks (ANN) methodology from reported data is 1.1 kg/m3.
Key words: glycols; density; polynomial correlation; artificial neural networks; gas-processing
= a + bT + cT2 + dT 3 (1)
Ajuste de Pesos
Donde: Figura 1. Esquema del proceso de aprendizaje
es la densidad del glicol (kg/m3) de neuronas
T es la temperatura de la solucin de glicol (K).
4. CONCLUSIONES