prikaz prve stranice dokumenta Razvoj modela softverskih senzora primjenom "bootstrapping" metode
  Preuzmi
PDF 1.61 MB
diplomski rad
Razvoj modela softverskih senzora primjenom "bootstrapping" metode
Zagreb: Sveučilište u Zagrebu, Fakultet kemijskog inženjerstva i tehnologije, 2015. urn:nbn:hr:149:102823
Cvetnić, Matija
Sveučilište u Zagrebu
Fakultet kemijskog inženjerstva i tehnologije

Institucijski repozitorij: Repozitorij Fakulteta kemijskog inženjerstva i tehnologije Sveučilišta u Zagrebu

Citirajte ovaj rad

Cvetnić, M. (2015). Razvoj modela softverskih senzora primjenom "bootstrapping" metode (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet kemijskog inženjerstva i tehnologije. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:149:102823

Cvetnić, Matija. "Razvoj modela softverskih senzora primjenom "bootstrapping" metode." Diplomski rad, Sveučilište u Zagrebu, Fakultet kemijskog inženjerstva i tehnologije, 2015. https://urn.nsk.hr/urn:nbn:hr:149:102823

Cvetnić, Matija. "Razvoj modela softverskih senzora primjenom "bootstrapping" metode." Diplomski rad, Sveučilište u Zagrebu, Fakultet kemijskog inženjerstva i tehnologije, 2015. https://urn.nsk.hr/urn:nbn:hr:149:102823

Cvetnić, M. (2015). 'Razvoj modela softverskih senzora primjenom "bootstrapping" metode', Diplomski rad, Sveučilište u Zagrebu, Fakultet kemijskog inženjerstva i tehnologije, citirano: 23.11.2024., https://urn.nsk.hr/urn:nbn:hr:149:102823

Cvetnić M. Razvoj modela softverskih senzora primjenom "bootstrapping" metode [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet kemijskog inženjerstva i tehnologije; 2015 [pristupljeno 23.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:149:102823

M. Cvetnić, "Razvoj modela softverskih senzora primjenom "bootstrapping" metode", Diplomski rad, Sveučilište u Zagrebu, Fakultet kemijskog inženjerstva i tehnologije, Zagreb, 2015. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:149:102823

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:149:102823
Podaci o radu
NaslovRazvoj modela softverskih senzora primjenom "bootstrapping" metode
Naslov (engleski)Soft sensor model development based on bootstrapping method
AutorMatija Cvetnić
MentorNenad Bolf (mentor)
Član povjerenstvaNenad Bolf (predsjednik povjerenstva)
Član povjerenstvaIgor Dejanović (član povjerenstva)
Član povjerenstvaŽeljka Ujević Andrijić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet kemijskog inženjerstva i tehnologije
Zagreb
Datum i država obrane2015-07-20, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Kemijsko inženjerstvo
Analiza, sinteza i vođenje kemijskih procesa
Sažetak
U rafinerijskim postrojenjima ključne procesne veličine kao što su sastavi procesnih struja i svojstva proizvoda mjere se pomoću procesnih analizatora. Budući da su procesni analizatori često nedostupni, ključna svojstva moraju se određivati rijetkim i dugotrajnim laboratorijskim analizama. U radu je prikazan razvoj modela softverskih senzora za procjenu sadržaja benzena u lakom reformatu. Prikazana je usporedba više modela softverskih senzora razvijenih na temelju malog skupa eksperimentalnih podataka. Softverski senzori razvijeni su primjenom viševeličinske linearne regresije, viševeličinske adaptivne regresije (MARSpline) te primjenom neuronskih mreža. Svi razvijeni modeli pokazali su dobro vladanje na skupu podataka za vrednovanje modela uz visoke korelacijske faktore i male pogreške modela. Kao najbolji modeli među razvijenima pokazale su se neuronske mreže. Nešto lošije, ali i dalje zadovoljavajuće vladanje dali su modeli viševeličinske adaptivne regresije te linearni model. Linearni viševeličinski model razvijen na generiranim podacima daje donekle lošije rezultate uz zadovoljavajuće vladanje pri određenim procesnim uvjetima.
Sažetak (engleski)
In refinery plants, key process variables like contents of process stream and fuel properties needs to be continuously monitored using adequate measuring devices. Measuring devices are often unavailable or malfunction, and laboratory assays, which are irregular and therefore not suitable for process control, are inevitable alternative. In this study, soft sensors for the estimation of benzene content of light reformate are developed. This research shows a comparison of soft sensor models developed on the basis of a small data sets. Soft sensors have been developed using multivariable linear regression, multivariable adaptive regression splines (MARSpline) and neural networks. Within the validation data set, all models have shown good results with high correlation factors and small errors. Best results are achieved by neural network-based models. Models developed on small data set by multivariable adaptive regression splines and by multivariable linear regression are satisfactory and still applicable for benzene content estimation while multivariable linear regression developed on resampled data set showed slightly worse behavior on particular data range.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:149:102823
Studijski programNaziv: Kemijsko inženjerstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka kemijskog inženjerstva (mag. ing. cheming.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2017-03-06 10:59:21