<?xml version="1.0" encoding="UTF-8"?>
<collection>
<dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:invenio="http://invenio-software.org/elements/1.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><dc:language>spa</dc:language><dc:creator>Peralta González, Isabel</dc:creator><dc:creator>Martínez Berges, Isabel </dc:creator><dc:creator>Grasa Adiego, Gemma Susana </dc:creator><dc:creator>Martínez Berges, Isabel</dc:creator><dc:title>Gemelo digital de un reactor de gasificación en lecho fluidizado.</dc:title><dc:identifier>TAZ-TFG-2025-4347</dc:identifier><dc:description>El propósito de este Trabajo de Fin de Grado es elaborar un gemelo digital de un reactor de gasificación en lecho fluidizado para predecir la composición de los compuestos de salida, a partir de los parámetros de entrada.  El modelo tiene como objetivo disminuir el número de ensayos en planta piloto y respaldar la optimización de los métodos sostenibles de conversión de biomasa. Se compararon varios modelos (modelos clásicos, redes neuronales y redes neuronales Bayesianas) y se observó que el perceptrón multicapa proporciona un alto nivel de precisión en especies como etileno; por otro lado, los modelos más sencillos sobresalen en CO y CO₂.  Además, se incluyó un estudio de incertidumbre y el impacto de las biomasas en el entrenamiento. Para concluir, se sugiere un enfoque mixto que combina modelos especializados y generales para maximizar la precisión y la robustez del gemelo en distintos escenarios operativos.&lt;br /&gt;</dc:description><dc:publisher>Universidad de Zaragoza</dc:publisher><dc:date>2025</dc:date><dc:source>http://zaguan.unizar.es/record/169865</dc:source><dc:identifier>http://zaguan.unizar.es/record/169865</dc:identifier><dc:identifier>oai:zaguan.unizar.es:169865</dc:identifier></dc:dc>

</collection>