Nalazite se na CroRIS probnoj okolini. Ovdje evidentirani podaci neće biti pohranjeni u Informacijskom sustavu znanosti RH. Ako je ovo greška, CroRIS produkcijskoj okolini moguće je pristupi putem poveznice www.croris.hr
izvor podataka: crosbi !

Razvoj modela za procjenu sadržaja aromata na temelju malih skupova podataka (CROSBI ID 631926)

Prilog sa skupa u zborniku | sažetak izlaganja sa skupa

Cvetnić, Matija ; Ujević Andrijić, Željka ; Mohler, Ivan ; Bolf, Nenad Razvoj modela za procjenu sadržaja aromata na temelju malih skupova podataka // XXIV. Hrvatski skup kemičara i kemijskih inženjera / Ukić, Š., Bolanča, T. (ur.). Zagreb: Fakultet kemijskog inženjerstva i tehnologije Sveučilišta u Zagrebu, 2015. str. 223-223

Podaci o odgovornosti

Cvetnić, Matija ; Ujević Andrijić, Željka ; Mohler, Ivan ; Bolf, Nenad

hrvatski

Razvoj modela za procjenu sadržaja aromata na temelju malih skupova podataka

U rafinerijskim postrojenjima ključne procesne veličine kao što su sastavi procesnih struja i svojstva proizvoda mjere se pomoću procesnih analizatora. Budući da su procesni analizatori često nedostupni, ključna svojstva moraju se određivati rijetkim i dugotrajnim laboratorijskim analizama. U ovome radu prikazana je usporedba više modela softverskih senzora razvijenih na temelju malog skupa dostupnih eksperimentalnih podataka. Podaci su dobiveni iz laboratorijskih analiza procjene sadržaja aromatskih ugljikovodika u rafinerijskom postrojenju. Softverski senzori razvijeni su primjenom viševeličinske linearne regresije, viševeličinske adaptivne regresije te primjenom neuronskih mreža (mreža temeljenih na funkcijama s kružnom osnovicom i višeslojnih perceptronskih mreža). Kod razvoja neuronskih mreža za generiranje dodatnih skupova podataka primijenjena je bootstrap metoda resempliranja. Na skupu podataka za vrednovanje modela najbolje rezultate pokazali su modeli razvijeni pomoću neuronske mreže. Viševeličinski linearni model pokazao je nešto lošije vladanje. Model razvijen metodom viševeličinske adaptivne regresije pokazao zadovoljavajućim i primjenjivim za procjenu sadržaja aromata.

softverski senzori; mali skupovi podataka; modeliranje procesa; neuronska mreža; bootstrap metoda

nije evidentirano

engleski

Model development based on small datasets for aromatic content estimation

nije evidentirano

soft sensor; small data set; process modeling; neural network; bootstrapping

nije evidentirano

Podaci o prilogu

223-223.

2015.

objavljeno

Podaci o matičnoj publikaciji

XXIV. Hrvatski skup kemičara i kemijskih inženjera

Ukić, Š., Bolanča, T.

Zagreb: Fakultet kemijskog inženjerstva i tehnologije Sveučilišta u Zagrebu

978-953-6894-54-3

Podaci o skupu

XXIV. hrvatski skup kemičara i kemijskih inženjera

poster

21.04.2015-24.04.2015

Zagreb, Hrvatska

Povezanost rada

Kemijsko inženjerstvo