Search citation statements
Paper Sections
Citation Types
Year Published
Publication Types
Relationship
Authors
Journals
This work aims to predict gum formation, based on experimental data from controlled laboratory tests. The tested conditions follow design of experiments approaches and allow to measure either unwashed or washed gum contents for different ethanol concentration, storage temperature and aging period in homologation gasoline. The response surfaces arising from the obtained mathematical models are compared with models developed with Artificial Neural Networks (ANN) available in the literature. In addition to its ability to generalize the impact of the factors, the ANN models showed the best performance. It is important to highlight that the catalytic effect of ethanol in gum formation that was observed by visualizing the available data is predicted by the ANN model, but is not statistically proven in the polynomial model. Thus, it is possible to verify a catalytic effect for low concentrations of ethanol (around 20 vol%) after aging. Without aging or after storage at low temperature (approximately 20ºC), a simple dilution effect is observed. Such conclusions provide a robust unified interpretation to justify the discrepancy between some authors from the literature. RESUMOEste trabalho tem como objetivo predizer a formação da goma, com base em dados experimentais obtidos em testes laboratoriais controlados. As condições testadas seguem abordagens de planejamento de experimentos e permitem medir os teores de goma não lavada ou lavada para diferentes níveis experimentais para a concentração de etanol, temperatura e período de envelhecimento em gasolina de homologação. As superfícies de resposta decorrentes dos modelos matemáticos obtidos são comparadas com modelos obtidos com Redes Neurais Artificiais (RNA) disponíveis na literatura. Além de sua capacidade de generalizar o impacto dos fatores, os modelos de RNA apresentaram o melhor desempenho,. É importante destacar que o efeito catalítico do etanol na formação da goma que foi especulado pela visualização dos dados disponíveis é previsto pelo modelo RNA, mas não está comprovado estatisticamente no modelo polinomial. Assim, é possível verificar um efeito catalítico para baixas concentrações de etanol (em torno de 20 vol%) após o envelhecimento.Sem envelhecimento ou após armazenamento a baixa temperatura (aproximadamente 20ºC), observa-se um simples efeito de diluição. Tais conclusões fornecem uma interpretação unificada e robusta para justificar a discrepância entre alguns autores da literatura.However, in spark-ignition engines, fossil gasoline, a complex blend of paraffinic, naphthenic, olefinic, and aromatic hydrocarbons, continues to be the primary fuel. It also contains a low concentration of oxygenates and traces of sulfur, nitrogen, and metals, which introduce instability to
This work aims to predict gum formation, based on experimental data from controlled laboratory tests. The tested conditions follow design of experiments approaches and allow to measure either unwashed or washed gum contents for different ethanol concentration, storage temperature and aging period in homologation gasoline. The response surfaces arising from the obtained mathematical models are compared with models developed with Artificial Neural Networks (ANN) available in the literature. In addition to its ability to generalize the impact of the factors, the ANN models showed the best performance. It is important to highlight that the catalytic effect of ethanol in gum formation that was observed by visualizing the available data is predicted by the ANN model, but is not statistically proven in the polynomial model. Thus, it is possible to verify a catalytic effect for low concentrations of ethanol (around 20 vol%) after aging. Without aging or after storage at low temperature (approximately 20ºC), a simple dilution effect is observed. Such conclusions provide a robust unified interpretation to justify the discrepancy between some authors from the literature. RESUMOEste trabalho tem como objetivo predizer a formação da goma, com base em dados experimentais obtidos em testes laboratoriais controlados. As condições testadas seguem abordagens de planejamento de experimentos e permitem medir os teores de goma não lavada ou lavada para diferentes níveis experimentais para a concentração de etanol, temperatura e período de envelhecimento em gasolina de homologação. As superfícies de resposta decorrentes dos modelos matemáticos obtidos são comparadas com modelos obtidos com Redes Neurais Artificiais (RNA) disponíveis na literatura. Além de sua capacidade de generalizar o impacto dos fatores, os modelos de RNA apresentaram o melhor desempenho,. É importante destacar que o efeito catalítico do etanol na formação da goma que foi especulado pela visualização dos dados disponíveis é previsto pelo modelo RNA, mas não está comprovado estatisticamente no modelo polinomial. Assim, é possível verificar um efeito catalítico para baixas concentrações de etanol (em torno de 20 vol%) após o envelhecimento.Sem envelhecimento ou após armazenamento a baixa temperatura (aproximadamente 20ºC), observa-se um simples efeito de diluição. Tais conclusões fornecem uma interpretação unificada e robusta para justificar a discrepância entre alguns autores da literatura.However, in spark-ignition engines, fossil gasoline, a complex blend of paraffinic, naphthenic, olefinic, and aromatic hydrocarbons, continues to be the primary fuel. It also contains a low concentration of oxygenates and traces of sulfur, nitrogen, and metals, which introduce instability to
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.