Vapor-Liquid equilibria modeling using gray-box neural networks as binary interaction parameters predictor

Las Simulaciones de Equilibrio Liquido Vapor (VLE) son ampliamente utilizadas dado su impacto en el escalamiento, diseno y extrapolacion de diferentes operaciones unitarias. Sin embargo, dado considerable factores, es casi imposible experimentalmente estudiar cada uno de los sistemas de VLE. La simulacion de VLE puede ser desarrollada utilizando representaciones que son fuertemente dependientes de la naturaleza e interaccion de los compuestos que conforman la mezcla. Un modelo que ayude en la prediccion de esas interacciones facilitara el proceso de simulacion. Una Red Neuronal Gris (GNM) fue creada como un predictor de parametros de interaccion binaria, los que son estimados utilizando variables de estado e informacion de componentes puros. Esta informacion fue utilizada para predecir el comportamiento de VLE en mezclas y rangos no utilizados en la formulacion matematica. Las capacidades predictivas del GNM (incluida la dependencia de temperatura) mostraron errores menores al 5% y al 20% para mezclas consideradas y no consideradas en los datos de entrenamiento, respectivamente.