The use of multilayer perceptron artificial neural networks for the classification of ethanol samples by commercialization region

Érica Signori Romagnoli, Lívia Ramazzoti Chanan Silva, Karina Gomes Angilelli, Bruna Aparecida Denobi Ferreira, Aline Regina Walkoff, Dionisio Borsato
2016 Acta Scientiarum: Technology  
Samples of automotive ethanol, marketed in the northern and eastern regions of the state of Paraná, Brazil, underwent physical and chemical tests. Rates were assessed by Multilayer Perceptron (MLP) neural network for classification. For network training, two hundred epochs, a 0.05 learning rate and a random subdivision of samples in three groups with 70 for training, 15 for test and 15% for validation were employed. Sixty networks were trained from three different initializations. Three
more » ... ions. Three networks, one at each start-up, were highlighted and the one with the best performance presented 8 neurons in the hidden layer, with 95 accuracy training, 96 in the test and 96% in validation. The most important variables in classifications, identified by the network, occurred in the following order: alcohol content, density, pH and electrical conductivity. Application of MLP segmented ethanol samples and identified the commercialization regions. Utilização de Redes Neurais Artificiais Perceptron de Múltiplas Camadas para classificação de amostras de etanol com a região de comercialização RESUMO. Amostras de álcool etílico automotivo, comercializadas nas regiões Norte e Leste do Estado do Paraná, foram submetidas a ensaios físico-químicos e os valores tabulados foram apresentados à rede neural do tipo Perceptron de múltiplas camadas (MLP) para classificação. Para o treinamento das redes foram utilizadas 200 épocas, uma taxa de aprendizagem de 0.05 e uma subdivisão das amostras, de forma aleatória, em três grupos sendo 70 para treinamento, 15 para teste e 15% para validação. Foram treinadas 60 redes obtidas a partir de três inicializações diferentes. Três redes (uma de cada inicialização) foram destacadas, e aquela com melhor desempenho apresentou oito neurônios na camada oculta com 95 de acerto no treinamento, 96 no teste e 96% na validação. As variáveis mais importantes na classificação, identificadas pela rede, seguiram a seguinte ordem: teor alcoólico, pH, massa específica e condutividade elétrica. A aplicação da rede MLP permitiu a segmentação das amostras de álcool e, com isso, identificar as regiões de comercialização. Palavras-chave:biocombustível, retropropagação, camada oculta, treinamento. 228 Romagnoli et al.
doi:10.4025/actascitechnol.v38i2.27597 fatcat:qwthohsr4fg6lfp64e4mymmuiy