Vapor-Liquid equilibria modeling using gray-box neural networks as binary interaction parameters predictor

Abstract

Las Simulaciones de Equilibrio Líquido Vapor (VLE) son ampliamente utilizadas dado su impacto en el escalamiento, diseño y extrapolación de diferentes operaciones unitarias. Sin embargo, dado considerable factores, es casi imposible experimentalmente estudiar cada uno de los sistemas de VLE. La simulación de VLE puede ser desarrollada utilizando representaciones que son fuertemente dependientes de la naturaleza e interacción de los compuestos que conforman la mezcla. Un modelo que ayude en la predicción de esas interacciones facilitará el proceso de simulación. Una Red Neuronal Gris (GNM) fue creada como un predictor de parámetros de interacción binaria, los que son estimados utilizando variables de estado e información de componentes puros. Esta información fue utilizada para predecir el comportamiento de VLE en mezclas y rangos no utilizados en la formulación matemática. Las capacidades predictivas del GNM (incluida la dependencia de temperatura) mostraron errores menores al 5% y al 20% para mezclas consideradas y no consideradas en los datos de entrenamiento, respectivamente.