Predicción por redes neuronales artificiales de la calidad fisicoquímica de vinagre de melaza de caña por efecto de tiempo- temperatura de alimentación a evaporador-destilador flash

Resumo

Se predijo por Redes Neuronales Artificiales (RNA) importantes características fisicoquímicas de vinagre de melaza: pH, densidad, acidez total, etanol, aldehídos totales y furfural; obtenidas mediante operaciones de evaporación flash y clarificación por destilación flash. Melaza fermentada por vía alcohólica y acética, fue alimentada a un evaporador flash a cuatro temperaturas (61, 66, 71 y 76 °C) y tres tiempos (25, 35 y 45 min). La predicción se realizó con dos redes: RNA-A y RNA-B, ambas con buen desempeño. La RNA-A fue del tipo feedforward (FF), con algoritmos de entrenamiento Backpropagation (BP) y ajuste de pesos Levenberg-Marquardt (LM), topología: 6 entradas (datos de las operaciones de evaporación-destilación flash), 7 salidas lineales (características fisicoquímicas), 9 neuronas tangente sigmoidales en 1 capa oculta, coeficiente de momento 0.5, tasa de aprendizaje 0.01, meta del error 0.0001 y 20 etapas de entrenamiento. La RNA-A mostró mejor desempeño que un modelo estadístico de primer orden. La RNA-B igualmente FF, con algoritmos BP y LM, topología: 2 entradas (datos de la evaporación flash), 7 salidas lineales (características fisicoquímicas), 84 neuronas logaritmo sigmoidales en 1 capa oculta, coeficiente de momento 0.5, tasa de aprendizaje 0.01, meta del error 0.0001 y 300 etapas de entrenamiento. La RNA-B mostró igual capacidad predictiva que un modelo estadístico de primer orden con interacción de términos.