Classificação de amostras de álcool hidratado por região de origem: Aplicação de redes neurais do tipo mapas auto-organizáveis.

ISBN 978-85-85905-10-1

Área

Química Tecnológica

Autores

Silva, L.R.C. (UNIVERSIDADE ESTADUAL DE LONDRINA) ; Romagnoli, (UNIVERSIDADE ESTADUAL DE LONDRINA) ; Moreira, I. (UNIVERSIDADE ESTADUAL DE LONDRINA) ; Silva, H.C. (UNIVERSIDADE ESTADUAL DE LONDRINA) ; Walkoff, A.R. (UNIVERSIDADE ESTADUAL DE PONTA GROSSA) ; Borsato, D. (UNIVERSIDADE ESTADUAL DE LONDRINA) ; Antunes, S.R. (UNIVERSIDADE ESTADUAL DE PONTA GROSSA) ; Rodrigues, C.H.F. (UNIVERSIDADE ESTADUAL DE LONDRINA) ; Chendynski, L.T. (UNIVERSIDADE ESTADUAL DE LONDRINA)

Resumo

Amostras de álcool etílico automotivo, comercializadas na região Norte (92) e Leste do Paraná (112), foram submetidas ao ensaio de determinação da massa específica, teor alcoólico, pH e condutividade elétrica e os valores tabulados foram apresentados a rede neural do tipo mapas auto-organizáveis (MAO) para classificação de acordo com a região de origem. Foi observado que uma topologia de 25 x 25, 7000 épocas de treinamento, taxa de aprendizagem inicial de 0,1 e uma relação de vizinhança de 4,5 foi suficiente para classificar as amostras com um acerto de 95%. Portanto, a aplicação da rede neural artificial do tipo MAO permitiu a caracterização das amostras de álcool e, com isso, identificar as regiões de origem.

Palavras chaves

Álcool Etílico; Biocombustível; MAO

Introdução

Os Mapas Auto-Organizáveis de Kohonen são um tipo de rede neural artificial baseada em aprendizado competitivo e não supervisionado, sendo capaz de mapear um conjunto de dados de um espaço de entrada contido em um conjunto finito de neurônios organizados em um arranjo normalmente unidimensional ou bidimensional e, com isso, capaz de realizar a tarefa de seleção de características das amostras (HAYKIN, 2001). As arquiteturas auto-organizáveis, como propostas por KOHONEN (1997), geram mapeamentos de um espaço de dimensão elevada em estruturas cuja dimensão topológica é inferior à original. Outra característica importante deste tipo de rede é que elas utilizam treinamento não supervisionado, onde a rede busca encontrar similaridades baseando-se apenas nos padrões de entrada. O principal objetivo dos mapas auto-organizáveis de Kohonen é agrupar os dados de entrada que são semelhantes entre si formando classes ou agrupamentos denominados clusters (KOHONEN, 1997; FONSECA et al., 2006). Com base em alguns parâmetros estabelecidos pela Resolução nº 7 de 14.4.2011 e o Regulamento técnico da ANP nº 03/2011 de 10 de fevereiro de 2011 que estabelece os parâmetros de especificação para álcool etílico hidratado combustível comercializados no Brasil foi testada a aplicação de redes artificiais do tipo mapas auto-organizáveis para a classificação de amostras de álcool etílico comercializadas na região leste e norte do Paraná.

Material e métodos

A determinação da massa específica e do teor alcoólico do álcool etílico hidratado combustível foi realizada de acordo com a norma NBR 5992, do pH foi realizada com o pHmetro DM-20, Digimed de acordo com a norma NBR 10891 e a determinação da condutividade elétrica foi realizada com o condutivimetro DM-31, Digimed de acordo com a norma NBR 10547. Foi utilizado o módulo de redes neurais artificiais do software MATLAB R2010a. A ordem de entrada dos parâmetros na rede foram os valores da massa específica, teor alcoólico, pH e condutividade elétrica. Foi utilizada uma rede do tipo mapa auto-organizável.

Resultado e discussão

Todas as 204 amostras foram submetidas à classificação do tipo mapas auto organizáveis utilizando o aplicativo computacional MATLAB. Foi utilizada a topologia 25x25 com 7000 épocas para o treinamento. A figura 1 mostra a distribuição das 204 amostras analisadas em função do neurônio vencedor. Pode-se observar a formação de dois grupos distintos correspondentes às amostras das regiões norte e leste. Mesmo com a formação dos grupos, 9 amostras da região leste se encontram no grupo da região norte ocasionando um erro de 8,04%. O mesmo fato ocorreu com as amostras da região norte em relação ao leste ocasionando um erro 3,25%. A figura 2 apresenta os mapas de peso referente às variáveis analisadas. Observa-se que o parâmetro mais significativo para a separação dos grupos norte e leste foi o pH, pois mostra que a maioria das amostras do norte se encontram na região azul escura do mapa, que corresponde a uma faixa de pH abaixo de 6,5, enquanto as amostras do leste se encontram na região verde do mapa, correspondente a uma faixa de pH de 7,6 a 7,8. Os mapas de peso para os parâmetros massa específica e teor alcoólico são heterogêneos, apresentando valores mais altos e mais baixos tanto para a região norte quanto para a região leste. O mapa para o parâmetro condutividade elétrica é homogêneo, o que indica que a maioria das amostras apresenta um valor muito semelhante, mostrando que estes três parâmetros não são relevantes para a classificação das amostras quanto a região de comercialização.

Distribuição das amostras de acordo com o neurônio vencedor.


Mapas de peso de acordo com as 4 variáveis (a) massa específica, (b) teor alcoólico, (c) pH e (d) condutividade elétrica.

Conclusões

A rede neural do tipo MAO com uma topologia 25 x 25 e 7000 épocas de treinamento foi capaz de classificar as amostras de álcool etílico hidratado automotivo comercializadas nas regiões norte e leste do estado do Paraná.

Agradecimentos

A Universidade Estadual de Londrina e ao CNPQ pela concessão de bolsa de iniciação científica.

Referências

HAIKIN, S. Redes Neurais: Princípios e Práticas. 2 ed. Porto Alegre, Bookman, 2001, p. 900.

KOHONEN, T. Self Organizing Maps. Series in Information Sciences. Vol. 30, 2 ed, editions Springer – Verlag, Heidelberg,1997.

FONSECA, A. M.; BISCAYA, J. L.; AIRES DE SOUZA, J.; LOBO, A. M. Geographical classification of crude oils by kohonen self organizing maps. Analytical Chimica Act, v. 556, n. 2, p. 374-382, 2006.