ANÁLISE EXPLORATÓRIA DE BANCO DE DADOS E APLICAÇÃO ALGORITMO DE APRENDIZAGEM DE MÁQUINA NA PREDIÇÃO DO DESEMPENHO DE MEMBRANAS PARA PERMEAÇÃO DE GASES

Abstract

RESUMO Os modelos de aprendizado de máquina vêm se destacando ao longo dos anos pelo fato de descobrir padrões em dados sem a necessidade de programação baseada em regras. O presente trabalho teve o objetivo de estudar a aplicação do algoritmo de aprendizado de máquina Floresta Aleatória para a predição da performance de diferentes membranas empregadas na permeação de gases puros. Além disso, o trabalho visou investigar os principais fatores que influenciam nesse processo. Um banco de dados, constituído por 533 registros referentes a trabalhos experimentais, foi construído com base em 16 referências bibliográficas diferentes. Foram consideradas 9 variáveis de entrada: o Tipo, a Espessura Média, o Tamanho de Poro e a Idade da membrana; a Temperatura e a Pressão do Processo; e o Diâmetro cinético, Massa Molar e a Polarizabilidade do gás de alimentação. A Permeabilidade foi considerada como a variável alvo. Após otimizar os parâmetros do modelo, foram obtidos coeficientes de determinação (R) de teste de 0,92 com uma Raiz do Erro quadrático Médio de 326,3 barrer. Os principais fatores que influenciaram na predição foram o diâmetro cinético do gás de alimentação, o tamanho médio do poro e a espessura média da membrana.