Solubilidad de gases en líquidos iónicos usando datos termodinámicamente consistentes y redes neuronales artificiales

Abstract

En el presente trabajo de tesis se evalúa el método de redes neuronales artificiales para la estimación de la solubilidad de mezclas binarias compuestas por gases y líquidos iónicos (LI). Los gases utilizados son el ácido sulfídrico y distintos refrigerantes. Los datos para el modelado son extraídos de la literatura y se someten al estricto test de consistencia termodinámica de Gibbs-Duhem utilizando el modelo termodinámico de la ecuación de estado de Peng-Robinson con la regla de mezcla propuesta por Kwak-Mansoori. Finalmente, se considera un conjunto acotado de datos y se les aplica método de la Ley de Henry para luego comparar dichos resultados con los obtenidos mediante el método de redes neuronales artificiales. De esta manera se demuestra la capacidad de las redes neuronales artificiales para estimar la solubilidad de sistemas binarios H2S + LI y Refrigerantes + LI.