Modelado subrogado de los procesos de pirólisis a través del deep learning

Abstract

[EN] The objective of this master thesis is the development of a surrogate model using neural networks that predicts with the maximum possible accuracy respect to the detailed model implemented in Matlab, in order to reduce the computational e ort required by it. E ectiveness of these neural networks predicting non linear phenomena will be evaluated, in particular the mechanisms of pyrolysis of biomass.

[ES] El Proyecto consiste en a partir de un modelo de Matlab que representa el comportamiento de una partícula de pequeño tamaño dentro de un reactor de pirólisis obtener un algoritmo de control que reduzca considerablemente el tiempo computacional requerido por dicho modelo mediante el empleo de los Neural Networs. Se realizará mediante lenguaje Python con la herramienta de Keras que trabaja estructuras de Deep learning apoyándose en TensorFlow. Para ello se tendrá que analizar que parámetros físicos y químicos de la partícula son los mas relevantes y afectan más en el modelo de la partícula y tomarlos como entrada para a partir de ellos entrenar la red neurona en la que consistirá el algoritmo de control objetivo.