Estimación de la eficiencia productiva en la extracción de aceite esencial a partir de la cáscara de la naranja mediante redes neuronales

Resumen

En este trabajo, se utilizó una Red Neuronal Artificial (RNA) feedforward con 9 capas ocultas y algoritmos de entrenamiento backpropagation (BP) y de ajuste de pesos Levenberg- Marquardt (LM) para la predicción del rendimiento de extracción de aceite a partir de la cáscara de naranja (Citrus sinensis), para el entrenamiento y validación, se emplearon los datos en cantidad de carga en gramos como variable de entrada y el rendimiento de aceite en porcentaje como variable de salida, los cuales se obtuvieron en la técnica de destilación por arrastre de vapor usando la trampa Clevenger. Se estudiaron distintas arquitecturas variando el número de neuronas en la capa oculta, encontrando que la RNA con 9 neuronas brindaba el mejor ajuste de los datos experimentales, lo que indica mayor eficacia y exactitud frente a las otras arquitecturas analizadas. Con respecto a los datos experimentales, se evaluó el error cuadrado medio porcentual (ECM%) y el coeficiente de determinación , encontrándose para la RNA valores de ECM%=0.0040 y =0,9929, comprobando que la hipótesis de investigación es verdadera. Estos resultados muestran la eficacia y potencialidad del uso de las redes neuronales para el modelado y predicción del rendimiento de extracción de aceite de naranja dentro del dominio de los datos de entrenamiento.