Redes Neurais Artificiais Aplicadas na Identificação de Gasolina Adulterada

Hoje, existem várias amostras de gasolina fora da especificação sendo comercializado, o que pode ser um indício de adulteração. As autoridades brasileiras por meio das ações da ANP estabelecem qualidade mínima dos combustíveis, assegurando-lhes, em princípio, uniformidade da produção à revenda. Porém, tais especificações foram adotadas, em grande parte visando bom funcionamento do motor e não adulterações.

Com isso, várias práticas têm sido usadas a fim de obter benefícios, uma delas é adulteração planejada com a adição controlada de solventes, que tem o objetivo de manter o produto dentro das especificações vigentes. Devido a isso, pesquisas têm sido realizadas a fim de identificar com eficiência a qualidade da amostra de gasolina. Porém os resultados obtidos ainda não oferecem raízes e praticidade. O objetivo geral desta pesquisa é o desenvolvimento de uma metodologia alternativa que emprega as curvas de destilação e pressão de vapor, obtidas segundo a ASTM D86, em conjunto com redes Neurais Artificiais (RNA). Ao mesmo tempo, a pesquisa buscará por características que viabiliza a identificação da qualidade da gasolina de forma instantânea.

Atualmente, os modelos existentes utilizam propriedades da gasolina provenientes de teste de laboratório. Durante esta pesquisa o enfoque será captar e enviar as características ao modelo de RNA que por sua vez detectara se a gasolina está adulterada. Foram realizados testes utilizando redes neurais artificiais e os resultados deram satisfatórios. A rede neural artificial obteve performance de 96% no treinamento e 93% nos testes. Para redes neurais artificiais, o resultado é considerado ótimo, pois trabalham com rapidez e eficiência. Além do mais, elas possuem capacidade de ‘aprender’, logo com pesquisa, as redes neurais artificiais serão testadas em associação com outros algoritmos conferindo maior poder de processamento.

ORIENTADOR (A): Edyene Cely Amaro Oliveira