Este artículo de acceso abierto está bajo Licencia Creative Commons Attribution 4.0 Internacional
Vol. 1, núm. 1, abril-junio, 2025
Página 53
Predicción de la concentración de hidrógeno en un reactor de
polimerización basado en machine learning
Hydrogen concentration prediction in a polymerization reactor based on
machine learning
DOI: https://doi.org/10.5281/zenodo.15643200
Recibido: 2025-01-23 Aceptado: 2025-03-08
Sabino Montero, Karla Valentina
1
Correo: karlavsm6@gmail.com
Orcid: https://orcid.org/0009-0002-5853-4550
Noguera Hernández, José Ricardo
2
Correo: josericardo95@hotmail.com
Orcid: https://orcid.org/0009-0008-1636-7823
Resumen
Se modeló la concentración de hidrógeno en un reactor de polimerización a través de Machine
Learning en Python. Se emplearon métodos de preprocesamiento de datos (variables rezagadas,
limpieza y detección de valores atípicos). Se aplicaron técnicas estadísticas para la visualización
de correlación de variables a través de Heatmap. Se ajustaron los modelos Linear Regression,
ARIMAX y GBR, obteniendo correlaciones de 0.7950, 0.6722 y 0.6395 respectivamente. Se
seleccionó el modelo predictivo de Linear Regression por su mayor correlación, y se obtuvo una
mejora del 14.96 % mediante agrupación de observaciones. Para el análisis de sensibilidad, se
obtuvo un valor de predicción de la concentración de 0.65 y 0.44 para valores de 3 y 2 kg/h de
flujo de hidrógeno crudo, respectivamente, con relación positiva en la variación del mismo. Los
resultados confirman la efectividad del aprendizaje automático en el análisis predictivo de
procesos industriales.
Palabras clave: python, aprendizaje automático, análisis predictivo, inteligencia artificial.
Abstract
The concentration of hydrogen in a polymerization reactor was modeled using Machine Learning
in Python. Data preprocessing methods (lagged variables, cleaning, and outlier detection) were
employed. Statistical techniques were applied for visualization of variable correlation using
Heatmap. Linear Regression, ARIMAX and GBR models were adjusted, obtaining correlations of
0.7950, 0.6722 and 0.6395 respectively. Linear Regression predictive model was selected for its
higher correlation, and a 14.96% improvement was obtained through observation grouping. For
sensitivity analysis, concentration prediction was achieved with values of 0.65 and 0.44 for 3 and
2 kg/h raw hydrogen flow, respectively, showing a positive relationship with its variation. The
1
Ingeniero Químico, Altamar Trading, C.A., Universidad Rafael Urdaneta. Maracaibo, Venezuela.
2
Ingeniero Químico, Polipropileno de Venezuela, Propilven S.A., La Universidad del Zulia. Maracaibo, Venezuela.
Predicción de la Concentración de Hidrógeno en un Reactor de Polimerización basado en Machine Learning
Sabino Montero, Karla Valentina y Noguera Hernández, José Ricardo
PetroRenova Indexed. Revista Científica de la Energía
Vol. 1, núm. 1, 53-68, abril-junio, 2025.
ISSN-e: 3080-6666/Maracaibo (4005), Zulia - Venezuela
Página 54
results confirm the effectiveness of Machine Learning in the predictive analysis of industrial
processes.
Keywords: python, machine learning, predictive analysis, artificial intelligence
Introducción
La Inteligencia Artificial (IA) es un campo de la informática que se ha convertido en un pilar
fundamental para transformar grandes volúmenes de datos en información valiosa. Un
subconjunto de la IA es el aprendizaje automático, que permite procesar grandes cantidades de
datos de entrada para resolver problemas de modelado, lo que ofrece una visión de posibles
futuros (Dubravova et al., 2024). A nivel mundial, el Machine Learning ha proporcionado diferentes
técnicas o algoritmos para predecir situaciones de acuerdo con grandes cantidades de
información que, a través de un buen procesamiento y filtrado de datos, pueden generar
predicciones muy efectivas (Forero-Corba y Negre, 2024). Los modelos predictivos son
herramientas estadísticas diseñadas para identificar patrones y relaciones, proporcionando la
capacidad de anticipar comportamientos futuros en función del entrenamiento de datos históricos.
Estas capacidades predictivas son fundamentales para la toma de decisiones en múltiples
disciplinas.
En este contexto, la versatilidad y simplicidad del lenguaje de programación Python, son de
utilidad para el procesamiento de datos y el ajuste de modelos predictivos complejos. Las
extensas bibliotecas de Python, como NumPy, SciPy y pandas, proporcionan recursos poderosos
para el análisis de datos, la visualización y el Machine Learning, por lo que se convierte en una
herramienta invaluable para llevar a cabo los modelos predictivos (Kovac et al., 2024). Entre ellos
se destacan el modelo de Regresión Lineal, esencial para examinar y modelar relaciones lineales
entre variables; ARIMAX, especializado en el análisis de series temporales; por último, Gradient
Boosting Regressor, un algoritmo de aprendizaje supervisado que construye árboles de decisión
secuenciales.
A pesar de las dificultades técnicas y económicas para obtener suficientes datos
experimentales (Ngige et al., 2022), la incorporación de tecnologías de inteligencia artificial, como
el aprendizaje automático, podría ayudar a las empresas a no solo optimizar la eficiencia
operativa y disminuir costos, sino también prever fallos, asegurar la seguridad en las plantas y
mejorar la calidad de los productos. En base a esto, el presente estudio tuvo como objetivo el
Predicción de la Concentración de Hidrógeno en un Reactor de Polimerización basado en Machine Learning
Sabino Montero, Karla Valentina y Noguera Hernández, José Ricardo
PetroRenova Indexed. Revista Científica de la Energía
Vol. 1, núm. 1, 53-68, abril-junio, 2025.
ISSN-e: 3080-6666/Maracaibo (4005), Zulia - Venezuela
Página 55
modelado dinámico de la concentración de hidrógeno en un reactor de polimerización empleando
técnicas de Machine Learning, mediante el procesamiento de datos históricos, y su posterior
empleo para el entrenamiento de los modelos, generación de predicciones y evaluación de las
métricas relevantes obtenidas con respecto a los valores reportados por la literatura.
1. Fundamentos teóricos
1.1. Bases teóricas
Machine Learning
El aprendizaje automático es una rama particular de la inteligencia artificial que enseña a
una máquina cómo aprender, mientras que la Inteligencia Artificial (IA) es la ciencia general que
busca emular las habilidades humanas. Un método de IA, llamado aprendizaje automático,
enseña a las computadoras a aprender de sus experiencias pasadas. Los algoritmos de
aprendizaje automático no dependen de una ecuación predeterminada como modelo, sino que
"aprenden" información directamente de los datos utilizando técnicas computacionales. A medida
que aumenta la cantidad de ejemplos de aprendizaje, los algoritmos mejoran adaptativamente en
lo que hacen. Este documento proporciona una visión general del campo, así como una variedad
de enfoques de ML, incluyendo el aprendizaje supervisado, no supervisado y por refuerzo, y
varios lenguajes utilizados para el aprendizaje automático (Shaveta, 2023).
Modelo de regresión lineal (Linear regression)
De acuerdo a Qu (2024), la regresión lineal es un método estadístico utilizado para
establecer una relación lineal entre una variable independiente X y una variable dependiente Y.
El objetivo es encontrar una función lineal óptima, es decir, determinar un conjunto de coeficientes
(pesos) de tal manera que la función pueda predecir el valor de la variable dependiente con la
mayor precisión posible. El objetivo principal de los algoritmos de regresión lineal es encontrar la
mejor estimación de parámetros, de manera que la diferencia entre el valor predicho por el modelo
y los datos reales sea mínima. Cuando existen múltiples factores que afectan a la variable
dependiente, se necesita un modelo de regresión lineal múltiple.
Predicción de la Concentración de Hidrógeno en un Reactor de Polimerización basado en Machine Learning
Sabino Montero, Karla Valentina y Noguera Hernández, José Ricardo
PetroRenova Indexed. Revista Científica de la Energía
Vol. 1, núm. 1, 53-68, abril-junio, 2025.
ISSN-e: 3080-6666/Maracaibo (4005), Zulia - Venezuela
Página 56
Modelo ARIMA con variables exógenas (ARIMAX)
Hyndman y Athanasopoulos (2021) definen los modelos ARIMA (AutoRegressive Integrated
Moving Average) como una metodología estadística para pronosticar series temporales
univariantes, combinando tres componentes esenciales: autorregresivo (AR), integrado (I) y
media móvil (MA). De acuerdo a Alharbi y Csala (2022), el modelo ARIMAX es una evolución del
ARIMA que emplea series temporales multivariadas para predecir la variable dependiente. A
diferencia del ARIMA tradicional, incorpora múltiples series temporales como variables exógenas.
Su diseño específico para series temporales distingue al ARIMAX de los modelos de aprendizaje
supervisado, ya que considera la secuencia de las entradas como un factor crucial.
Modelo Gradient Boosting Regressor (GBR)
El Modelo Gradient Boosting Regressor emplea un enfoque de aprendizaje en conjunto,
donde se construyen modelos de predicción robustos mediante la combinación de múltiples
árboles de regresión individuales, conocidos como aprendices débiles. Este tipo de algoritmo
disminuye la tasa de error de estos aprendices débiles (regresores o clasificadores). Los
aprendices débiles son aquellos que presentan un alto sesgo hacia los datos de entrenamiento,
con baja varianza y regularización, y cuyas predicciones solo muestran una ligera mejora en
comparación con conjeturas aleatorias. En general, los algoritmos de impulso (boosting) constan
de tres elementos clave: un modelo aditivo, aprendices débiles y una función de pérdida. El
algoritmo es capaz de modelar relaciones no lineales (Singh et al., 2021).
Coeficiente de Determinación (R²)
Según Chicco, Warrens y Jurman (2021), el coeficiente de determinación (R²) se puede
interpretar como la proporción de la varianza en la variable dependiente que es explicada o
predecible por las variables independientes, es decir, indica qué porcentaje de la variación en la
variable que se quiere predecir (la dependiente) puede explicarse por las variables que se utilizan
para la predicción (las independientes). Es una métrica clave para evaluar la capacidad de un
modelo de regresión para explicar la variabilidad de la variable objetivo. Un R² de 1 señala un
ajuste perfecto, donde el modelo explica toda la varianza, mientras que un R² de 0 implica que el
modelo no ofrece mejor predicción que la media de los datos.
Predicción de la Concentración de Hidrógeno en un Reactor de Polimerización basado en Machine Learning
Sabino Montero, Karla Valentina y Noguera Hernández, José Ricardo
PetroRenova Indexed. Revista Científica de la Energía
Vol. 1, núm. 1, 53-68, abril-junio, 2025.
ISSN-e: 3080-6666/Maracaibo (4005), Zulia - Venezuela
Página 57
1.2. Revisión de Antecedentes
Calofir et al. (2024) propuso una metodología innovadora para evaluar el daño sísmico en
estructuras de marcos resistentes a momentos mediante el uso de algoritmos de aprendizaje
automático que fueron entrenados y probados con un extenso conjunto de datos, generados a
través de simulaciones numéricas, para replicar el índice de daño estructural de Park-Ang. Se
ajustó el porcentaje de entrenamiento y prueba para optimizar la generalización, evitando tanto
el subajuste como el sobreajuste, y utilizando la validación cruzada para asegurar la robustez del
modelo. De esta investigación se verificó la metodología seguida, así como el porcentaje de la
data empleada para el entrenamiento y las técnicas para evitar el sobreajuste y lograr buena
generalización en la predicción.
Por otro lado, en el estudio realizado por Mansi et al. (2023) se propone un modelo de
aprendizaje automático supervisado, basado en regresión lineal y redes neuronales artificiales
(ANNs), para evaluar la eficiencia de la recuperación mejorada de gas (EGR) mediante inyección
de CO2 en yacimientos de lutitas, un proceso complejo controlado por múltiples parámetros.
Utilizando un amplio conjunto de datos de simulaciones y experimentos, el modelo buscó predecir
el incremento de CH4 recuperado. De este trabajo, se logró verificar tanto la metodología como
el empleo del coeficiente de correlación para la evaluación del desempeño de los modelos. Así
mismo, Gou et al. (2024) entrenó cuatro modelos de aprendizaje automático (regresión lineal
múltiple, árboles de decisión, regresores Adaboost y bagging) para predecir la producción y
composición de biocarbón a partir de residuos orgánicos, superando las limitaciones de precisión
y coste computacional de los modelos existentes. Entrenados con datos de pruebas de pirólisis,
los modelos logran un R2 de hasta 0.96, demostrando una precisión predictiva significativamente
superior. Destaca como aporte de investigación las técnicas de preprocesamiento de datos
empleados, además de la metodología desarrollada y el empleo del coeficiente de determinación
para la evaluación de los modelos.
2. Metodología
La presente investigación se caracteriza por ser de tipo correlacional, al determinar la
relación o asociación entre las variables de proceso, y predictiva, por predecir valores futuros de
la concentración de hidrógeno basándose en datos históricos. Su diseño es no experimental,
cuantitativo y retrospectivo. La población estudiada es clasificada como accesible, referida a los
Predicción de la Concentración de Hidrógeno en un Reactor de Polimerización basado en Machine Learning
Sabino Montero, Karla Valentina y Noguera Hernández, José Ricardo
PetroRenova Indexed. Revista Científica de la Energía
Vol. 1, núm. 1, 53-68, abril-junio, 2025.
ISSN-e: 3080-6666/Maracaibo (4005), Zulia - Venezuela
Página 58
datos históricos de las variables de proceso seleccionadas. La muestra fue seleccionada en un
rango de tiempo de 3 días, con intervalos de 5 minutos. Por otro lado, como técnica de recolección
de datos se empleó la observación documental, y como instrumentos se utilizaron la Hoja de
Excel para la recolección de datos registrados en el programa Uniformance Process Studio, y el
lenguaje de programación Python, mediante el editor de código Visual Studio Code, para el
procesamiento de los mismos. Esta metodología permitió verificar el rendimiento de los modelos
predictivos, garantizando la precisión y relevancia de los resultados obtenidos.
3. Resultados
3.1. Preprocesamiento de datos
Se aplicaron las técnicas de creación de rezagos, limpieza de datos faltantes y detección
de valores atípicos, obteniendo finalmente el marco de datos preprocesado con valores
representativos del proceso. En la Tabla 1 se observan las variables seleccionadas.
Tabla 1. Variables seleccionadas para el marco de datos preprocesado
Variable
Descripción
Unidad
CH2
Concentración de hidrógeno en el reactor de
polimerización
Fracción molar
FH2 CRUDO
Flujo de hidrógeno crudo hacia el reactor
kg/h
FCAT
Flujo de catalizador hacia el reactor
kg/h
FH2 REC
Flujo de hidrógeno recirculado hacia el reactor
kg/h
C PASTA
Concentración de la pasta en el reactor
Fracción molar
CH2 208
Concentración de hidrógeno en el tambor de
reciclo
Fracción molar
C H2(i)
Rezago de la concentración de hidrógeno en el
reactor para la posición i
Fracción molar
Fuente: elaborado por los autores, datos de la investigación
Predicción de la Concentración de Hidrógeno en un Reactor de Polimerización basado en Machine Learning
Sabino Montero, Karla Valentina y Noguera Hernández, José Ricardo
PetroRenova Indexed. Revista Científica de la Energía
Vol. 1, núm. 1, 53-68, abril-junio, 2025.
ISSN-e: 3080-6666/Maracaibo (4005), Zulia - Venezuela
Página 59
3.2. Análisis de correlación de variables
Se aplicaron técnicas para la verificación de la correlación entre las variables de proceso y
los rezagos correspondientes a la concentración de hidrógeno. De esa manera, se generó la
matriz de correlación visualizándose en forma de Heatmap. tal como se observa en la Figura 1,
de esta forma es posible apreciar visualmente la correlación en una matriz de colores
relacionados a escala, donde la correlación positiva perfecta fue representada por el valor 1, la
correlación negativa por el -1, y la ausencia de correlación por el 0 (Khodabakhshi y Bijani, 2024).
Figura 1. Mapa de calor (Heatmat) de las variables de proceso
Fuente: elaborado por los autores, datos de la investigación
3.3. Selección del modelo de predicción
En la Figura 2, se puede apreciar la predicción de la concentración de hidrógeno comparada
con los datos reales en cada uno de los modelos de predicción utilizados. Se destacan cuatro
modelos en el análisis: Linear Regression, ARIMAX y Gradient Boosting Regressor (GBR). La
visualización demuestra cómo cada modelo aborda la predicción de la concentración de
hidrógeno, permitiendo identificar las diferencias y similitudes en sus aproximaciones. Es evidente
Predicción de la Concentración de Hidrógeno en un Reactor de Polimerización basado en Machine Learning
Sabino Montero, Karla Valentina y Noguera Hernández, José Ricardo
PetroRenova Indexed. Revista Científica de la Energía
Vol. 1, núm. 1, 53-68, abril-junio, 2025.
ISSN-e: 3080-6666/Maracaibo (4005), Zulia - Venezuela
Página 60
que el modelo de Linear Regression sigue más de cerca la tendencia de los datos reales,
mostrando un ajuste más preciso y una menor desviación en comparación con los otros modelos.
Figura 2. Predicción de la concentración de hidrógeno en el reactor de polimerización basado en el
modelo: (1) Linear Regression, (2) ARIMAX, (3) GBR
Fuente: elaborado por los autores, datos de la investigación
Se seleccionó el modelo predictivo de Linear Regression por su correlación de 0.7950, con
respecto a las variables de proceso seleccionadas para el marco de datos preprocesado. Esto
puede evidenciarse en la Tabla 2, donde se visualiza el coeficiente de determinación obtenido
para cada modelo.
Tabla 2. Coeficiente de determinación obtenido para cada modelo predictivo
Modelo predictivo
Coeficiente de determinación
Linear Regression
0.7950
ARIMAX
0.6722
Gradient Boosting Regressor
0.6395
Fuente: elaborado por los autores, datos de la investigación
Predicción de la Concentración de Hidrógeno en un Reactor de Polimerización basado en Machine Learning
Sabino Montero, Karla Valentina y Noguera Hernández, José Ricardo
PetroRenova Indexed. Revista Científica de la Energía
Vol. 1, núm. 1, 53-68, abril-junio, 2025.
ISSN-e: 3080-6666/Maracaibo (4005), Zulia - Venezuela
Página 61
3.4. Ajuste del modelo
A partir del modelo seleccionado, se aplicaron nuevas técnicas con el fin de aumentar la
precisión de la predicción. Se realizó entonces el agrupamiento de variables en intervalos de 2 y
3 mediciones temporales. Posterior a ello, se generaron las curvas de predicción y residuales; se
visualizaron así mismo los coeficientes e intercepto de la ecuación de regresión. de manera que
se lograra incrementar la correlación, verificar la magnitud de los residuales, y corroborar la
relación entre variables. En cuanto al agrupamiento de observaciones, se determinó la correlación
a diferentes porcentajes de datos seleccionados para el entrenamiento y, de acuerdo al
agrupamiento entre cada dos y tres mediciones temporales, tal como se muestra en la Tabla 3.
En base a estos resultados, se emplea un porcentaje de entrenamiento de 80% y un
agrupamiento de dos mediciones para evitar la reducción excesiva en la cantidad de datos y
capacidad de generalización del modelo.
Tabla 3. Coeficientes de determinación del modelo de Linear Regression en agrupamientos
entre cada dos y tres mediciones temporales
Entrenamiento (%)
r2 (Original)
r2 (2 Mediciones)
r2 (3 Mediciones)
10
0.7591
0.8940
0.9204
20
0.7739
0.8793
0.9237
30
0.7828
0.9077
0.9458
40
0.7824
0.9077
0.9535
50
0.7908
0.9091
0.9536
60
0.7925
0.9078
0.9536
70
0.7871
0.9084
0.9538
80
0.7928
0.9102
0.9542
90
0.7933
0.9106
0.9544
Fuente: elaborado por los autores, datos de la investigación
En la Figura 3 se observa el gráfico de la predicción de los datos reales por el modelo de
Linear Regression, junto al respectivo grafico de residuales en la parte inferior, a partir del cual
se obtuvo una correlación en el rango de 0.88 – 0.92 para los distintos porcentajes de
entrenamiento en conjunto con los cambios realizados.
Predicción de la Concentración de Hidrógeno en un Reactor de Polimerización basado en Machine Learning
Sabino Montero, Karla Valentina y Noguera Hernández, José Ricardo
PetroRenova Indexed. Revista Científica de la Energía
Vol. 1, núm. 1, 53-68, abril-junio, 2025.
ISSN-e: 3080-6666/Maracaibo (4005), Zulia - Venezuela
Página 62
Figura 3. Predicción de la concentración de hidrógeno en el reactor de polimerización
basado en el modelo Linear Regression (1) junto al grafico de residuales (2)
Fuente: elaborado por los autores, datos de la investigación
Por otro lado, se determinaron los coeficientes del modelo de regresión lineal multivariable
ajustado en la Ec. 1, junto al término de intersección referido a la ordenada en el origen.
𝑌 = 0.0616 + 1.0319 ∙ 10−2𝑋1 + 1.3326 ∙ 10−4𝑋2 − 1.7982 ∙ 10−3𝑋3 − 3.9423 ∙ 10−5𝑋4 𝑬𝒄. 𝟏
+ 3.1326 ∙ 10−2𝑋5 + 8.0524 ∙ 10−1𝑋6 + 6.4393 ∙ 10−2𝑋7 + 8.1450 ∙ 10−2𝑋8
3.5. Análisis de sensibilidad
En la Tabla 4, se observa el valor inicial y final, además del valor de alcanzado antes y
después del cambio en el flujo de hidrógeno crudo con respecto a la predicción de la
concentración de hidrógeno, lo cual se registró a partir de los gráficos de la Figura 5. Por otro
lado, los valores de referencia basados en la data histórica extraída pueden visualizarse en la
Figura 6.
Predicción de la Concentración de Hidrógeno en un Reactor de Polimerización basado en Machine Learning
Sabino Montero, Karla Valentina y Noguera Hernández, José Ricardo
PetroRenova Indexed. Revista Científica de la Energía
Vol. 1, núm. 1, 53-68, abril-junio, 2025.
ISSN-e: 3080-6666/Maracaibo (4005), Zulia - Venezuela
Página 63
Tabla 4. Flujo de hidrógeno crudo inicial y final ajustado, junto a la predicción de la concentración de
hidrógeno antes y después del punto de cambio
Prueba
FH2 Crudo Inicial
(kg/h)
FH2 Crudo Final
(kg/h)
CH2 Inicial
(fracción molar)
CH2 Final
(fracción molar)
1
3
3
0.65
0.65
2
2
2
0.44
0.44
3
2
3
0.44
0.65
4
3
2
0.65
0.44
Fuente: elaborado por los autores, datos de la investigación
Figura 5. Análisis de sensibilidad para la prueba: (1) 3 kg/h, (2) 2 kg/h, (3) Incremento,
(4) Disminución
Fuente: elaborado por los autores, datos de la investigación
Figura 6. Concentración de hidrógeno en el reactor de polimerización frente al flujo de
hidrógeno crudo, datos históricos: (1) 3 kg/h, (2) 2 kg/h
Fuente: elaborado por los autores, datos de la investigación
Predicción de la Concentración de Hidrógeno en un Reactor de Polimerización basado en Machine Learning
Sabino Montero, Karla Valentina y Noguera Hernández, José Ricardo
PetroRenova Indexed. Revista Científica de la Energía
Vol. 1, núm. 1, 53-68, abril-junio, 2025.
ISSN-e: 3080-6666/Maracaibo (4005), Zulia - Venezuela
Página 64
4. Análisis y discusión de los resultados
Se llevaron a cabo técnicas de preprocesamiento en los datos industriales extraídos,
fundamentales debido a la naturaleza incompleta, inconsistente o inesperada de estos registros,
como evidenció el estudio de Gou et al. (2024), que reportó numerosos valores faltantes en los
datos recuperados, resaltando la importancia crítica de este paso para garantizar la limpieza,
estructuración adecuada y optimización del rendimiento de modelos de aprendizaje automático.
Inicialmente, se abordó la limpieza de datos faltantes y la detección de valores atípicos mediante
el método estadístico de puntuación Z, sustituyendo dichos valores por la media calculada en una
ventana móvil de referencia para preservar la integridad temporal de los datos. Posteriormente,
se generaron variables rezagadas, considerando que los cambios en una variable de perturbación
pueden influir en la concentración de hidrógeno del reactor de polimerización con cierto retraso,
inherente a la dinámica del proceso.
Por otro lado, el análisis de correlación es uno de los enfoques más utilizados para indicar
la relación entre dos o más variables cuantitativas en el modelado predictivo, siendo esenciales
para comprender la dependencia entre las variables de entrada/salida, para la selección de los
predictores, y para evitar el sobreajuste del modelo (Mansi et al., 2023). De esa manera, se
observa en el Heatmap realizado (Figura 1) que existe una fuerte relación positiva de la variable
de entrada en relación a su variable de rezago de un paso temporal, seguida del resto de retrasos.
Puede destacarse una fuerte relación negativa de la concentración de hidrógeno con respecto al
flujo de catalizador hacia el reactor de polimerización, siendo coherente con la relación teórica.
Para la obtención de los tres modelos de predicción para su evaluación, se decidió trabajar
con un porcentaje de entrenamiento del 80 % de la data suministrada, a modo de seleccionar el
modelo con el mejor comportamiento para el análisis predictivo, tal como fue ejecutado en el
estudio de Calofir (2024). Los resultados obtenidos pueden compararse con el estudio realizado
por Mansi et al. (2023) sobre la predicción de la recuperación mejorada de CH4 por inyección de
CO2, donde se registraron correlaciones de 0.68 para el modelo de regresión lineal, y de 0.778
para el segundo modelo evaluado, referido al de redes neuronales artificiales, mientras que en la
presente investigación se logró un mayor coeficiente de determinación para el modelo Linear
Regression, (0.7950) siendo seleccionado como el más adecuado para la predicción de la
concentración de hidrógeno (Figura 2) en comparación con los modelos de ARIMAX (0.6722) y
Predicción de la Concentración de Hidrógeno en un Reactor de Polimerización basado en Machine Learning
Sabino Montero, Karla Valentina y Noguera Hernández, José Ricardo
PetroRenova Indexed. Revista Científica de la Energía
Vol. 1, núm. 1, 53-68, abril-junio, 2025.
ISSN-e: 3080-6666/Maracaibo (4005), Zulia - Venezuela
Página 65
Gradient Boosting Regressor (0.6395). Esta precisión se evidencia en la menor desviación de las
predicciones respecto a los valores reales.
Posteriormente se logró verificar que el agrupamiento de los datos entre cada dos y tres
mediciones temporales mejoró la correlación en un 14.55 % y 20.33 % respectivamente en
relación al marco de datos original, tomando como referencia el porcentaje de entrenamiento del
80 %. Sin embargo, se decidió trabajar con un agrupamiento de dos mediciones, ya que no es
conveniente la supresión masiva de datos para ajustar y entrenar el modelo predictivo, tomando
en consideración que la mejora con respecto al agrupamiento entre tres mediciones no es
significativa.
En el gráfico de residuales (Figura 3) se visualizó una variación entre la predicción y el
comportamiento real en un rango aproximado de -0.2 y 0.2, con un pico máximo en -0.4, punto
en el cual coincide con un cambio abrupto en el comportamiento de la data real, producto de un
corte repentino del flujo de hidrógeno alimentado. Sin embargo, se aprecia de igual forma que el
modelo predictivo reproduce con efectividad el comportamiento esperado ante la perturbación
mencionada. También se observa su dificultad de predicción sobre la disminución de la
concentración de hidrógeno, ya que en el rango de observaciones del marco de datos agrupado
entre 140 y 210, donde se reduce la concentración tanto en la data real como en la línea de
predicción, se visualizan mayores valores de error, al igual que en el rango de 330 a 340.
Por otro lado, en la ecuación del modelo de regresión lineal multivariable (Ec. 1), se aprecia
una relación positiva de la concentración de hidrógeno en el reactor (Y) con respecto a las
variables independientes de flujo de hidrógeno crudo (X1), flujo de hidrógeno recirculado (X2), y
la concentración de hidrógeno de reciclo (X5), lo que implica que, al aumentar estas variables de
perturbación, debería incrementarse la variable dependiente. De igual forma, el flujo de
catalizador (X3) y la concentración de pasta en el reactor (X4), registraron un coeficiente negativo,
indicando una relación inversa con respecto a la variable dependiente estudiada. En cuanto a las
variables de rezago de la concentración de hidrógeno, se obtuvo que en el retraso número 1, 3 y
5, la relación fue positiva, correspondiente a las variables X6, X7 y X8 respectivamente. Estos
resultados fueron los esperados según la relación teórica, confirmando la validez del modelo
propuesto y su capacidad para capturar el comportamiento de la data histórica.
En cuanto al análisis de sensibilidad efectuado, se aprecia que para un valor constante de
flujo de hidrógeno crudo hacia el reactor de 3 kg/h, se obtuvo una predicción de la concentración
Predicción de la Concentración de Hidrógeno en un Reactor de Polimerización basado en Machine Learning
Sabino Montero, Karla Valentina y Noguera Hernández, José Ricardo
PetroRenova Indexed. Revista Científica de la Energía
Vol. 1, núm. 1, 53-68, abril-junio, 2025.
ISSN-e: 3080-6666/Maracaibo (4005), Zulia - Venezuela
Página 66
de hidrógeno final de 0.65, tal como se observa en la sección (1) de la Figura 5. Por otro lado,
para un valor constante de flujo de hidrógeno crudo de 2 kg/h, se obtuvo una predicción de la
concentración de hidrógeno final de 0.44, tal como se observa en la sección (2) de la Figura 5.
Esto concuerda con los valores registrados de la data histórica, ya que para un valor de flujo de
hidrógeno de 3 kg/h, se visualizó en la sección (1) de la Figura 6 una concentración en el rango
de 0.6 a 0.8, mientras que para un valor de 2 kg/h, se obtuvo una concentración en el rango de
0.4 a 0.6, lo cual logra apreciarse en la sección (2) de la Figura 6.
Para la tercera prueba realizada, donde se ejecutó un cambio del flujo de hidrógeno fresco
desde 2 hasta 3 kg/h, se observó en la sección (3) de la Figura 5 una estabilización de la
concentración de hidrógeno en un valor de 0.44, y luego de pasar el punto de cambio (observado
en el eje de las abscisas), se incrementó hasta estabilizarse en el valor de 0.65, lo cual concuerda
con los valores reportados anteriormente, apreciando una relación positiva entre ambas variables.
Para la última prueba, donde se ejecutó una reducción del flujo de hidrógeno fresco en el mismo
punto desde 3 hasta 2 kg/h, se observó en la sección (4) de la Figura 5 una estabilización de la
concentración de hidrógeno a un valor de 0.65, y luego se redujo hasta estabilizarse a un valor
de 0.44, lo cual concuerda con los valores reportados anteriormente, por lo que se aprecia de
igual manera una relación positiva entre ambas variables.
Conclusiones
Se obtuvo una estructura de datos con valores representativos del proceso, por medio de
la aplicación de métodos para el preprocesamiento de datos de las variables, incluyendo la
creación de rezagos, la limpieza de datos faltantes y la detección de valores atípicos.
Se identificaron las variables con mayor sensibilidad y aporte de información al modelo, a
través de la implementación de técnicas estadísticas de correlación entre variables y visualización
de la matriz de correlación en forma de Heatmap.
Se seleccionó el modelo de Linear Regression para el análisis predictivo dado su mayor
coeficiente de determinación luego del entrenamiento (0.7950), frente a lo reportado para
ARIMAX (0.6722) y GBR (0.6395).
Se obtuvo una mejora del 14.55 % para la correlación del modelo predictivo seleccionado,
mediante la agrupación de observaciones entre cada dos mediciones temporales, con
Predicción de la Concentración de Hidrógeno en un Reactor de Polimerización basado en Machine Learning
Sabino Montero, Karla Valentina y Noguera Hernández, José Ricardo
PetroRenova Indexed. Revista Científica de la Energía
Vol. 1, núm. 1, 53-68, abril-junio, 2025.
ISSN-e: 3080-6666/Maracaibo (4005), Zulia - Venezuela
Página 67
coeficientes de determinación en el rango de 0.88 – 0.92 al variar el porcentaje de datos empleado
para el entrenamiento.
Durante el análisis de sensibilidad, se observó que la concentración de hidrógeno en el
reactor presentó valores de 0.65 y 0.44 al variar el flujo de hidrógeno crudo a 3 kg/h y 2 kg/h,
respectivamente. Estos resultados evidenciaron una relación directamente proporcional entre el
flujo de hidrógeno y su concentración en el reactor, tanto al incrementar como al reducir el flujo.
Referencias
Alharbi, F. y Csala, D. (2022). A Seasonal Autoregressive Integrated Moving Average with
Exogenous Factors (SARIMAX) Forecasting Model-Based Time Series Approach.
Inventions, 7(4), 94. https://doi.org/10.3390/inventions7040094
Calofir, V., Munteanu, R., Simoiu, M. y Lemnaru, K. (2024). Innovative approach to estimate
structural damage using linear regression and K-nearest neighbors machine learning
algorithms. Results in Engineering, 22. https://doi.org/10.1016/j.rineng.2024.102250
Chicco, D., Warrens, M. y Jurman, G. (2021). The coefficient of determination R-squared is more
informative than SMAPE, MAE, MAPE, MSE and RMSE in regression analysis evaluation.
PeerJ Computer Science, 7, 623. https://doi.org/10.7717/peerj-cs.623
Dubravova, H., Cap, J., Holubova, K. y Hribnak, L. (2024). Artificial Intelligence as an Innovative
Element of Support in Policing. Procedia Computer Science, 237, 237-244.
https://doi.org/10.1016/j.procs.2024.05.101
Forero-Corba, W. y Negre, F. (2024). Técnicas y aplicaciones del Machine Learning e Inteligencia
Artificial en educación: una revisión sistemática. Revista Iberoamericana de Educación a
Distancia, 27(1), 209-253. https://doi.org/10.5944/ried.27.1.37491
Gou, J., Sajid, G., Sabri, M., El-Meligy, M., El Hindi, K. y Othman, N. (2024). Optimizing biochar
yield and composition prediction with ensemble machine learning models for sustainable
production. Ain Shams Engineering Journal, 16. https://doi.org/10.1016/j.asej.2024.103209
Hyndman, R. y Athanasopoulos, G. (2021). Forecasting: principles and practice. (3.ª ed.). OTexts.
https://otexts.com/fpp3/
Khodabakhshi, M. y Bijani, M. (2024). Predicting scale deposition in oil reservoirs using machine
learning optimization algorithms. Results in Engineering, 22.
https://doi.org/10.1016/j.rineng.2024.102263
Kovac, N., Ratkovic, K., Farahani, H. y Watson P. (2024). A practical applications guide to machine
learning regression models in psychology with Python. Methods in Psychology, 11.
https://doi.org/10.1016/j.metip.2024.100156
Mansi, M., Almobarak, M., Ekundayo, J., Lagat C. y Xie, Q. (2023). Application of supervised
machine learning to predict the enhanced gas recovery by CO2 injection in shale gas
reservoirs. Petroleum, 10, 124-134. https://doi.org/10.1016/j.petlm.2023.02.003
Predicción de la Concentración de Hidrógeno en un Reactor de Polimerización basado en Machine Learning
Sabino Montero, Karla Valentina y Noguera Hernández, José Ricardo
PetroRenova Indexed. Revista Científica de la Energía
Vol. 1, núm. 1, 53-68, abril-junio, 2025.
ISSN-e: 3080-6666/Maracaibo (4005), Zulia - Venezuela
Página 68
Ngige, G., Ovuoraye, P., Igwegbec, C., Fetahi, E., Okekec, J., Yakubud, A. y Onyechi, P. (2022).
RSM optimization and yield prediction for biodiesel produced from alkali-catalytic
transesterification of pawpaw seed extract: Thermodynamics, kinetics, and Multiple Linear
Regression analysis. Digital Chemical Engineering, 6.
https://doi.org/10.1016/j.dche.2022.100066
Qu, K. (2024). Research on linear regression algorithm. MATEC Web of Conferences, 395.
https://doi.org/10.1051/matecconf/202439501046
Shaveta, N. (2023). A review on machine learning. International Journal of Science and Research
Archive, 9(1), 281–285. https://doi.org/10.30574/ijsra.2023.9.1.0410
Singh, U., Rizwan, M., Alaraj, M. y Alsaidan, I. (2021). A Machine Learning-Based Gradient
Boosting Regression Approach for Wind Power Production Forecasting: A Step towards
Smart Grid Environments. Energies, 14(16), 5196. https://doi.org/10.3390/en14165196
Declaración de conflicto de interés y originalidad
Conforme a lo estipulado en el Código de ética y buenas prácticas publicado en PetroRenova
Indexed, Revista Científica de la Energía, los autores Sabino Montero, Karla Valentina y
Noguera Hernández, José Ricardo, declaran al Comité Editorial que no tienen situaciones que
representen conflicto de interés real, potencial o evidente, de carácter académico, financiero,
intelectual o con derechos de propiedad intelectual relacionados con el contenido del artículo:
Predicción de la Concentración de Hidrógeno en un Reactor de Polimerización basado en
Machine Learning, en relación con su publicación. De igual manera, declaran que el trabajo es
original, no ha sido publicado parcial ni totalmente en otro medio de difusión, no se utilizaron
ideas, formulaciones, citas o ilustraciones diversas, extraídas de distintas fuentes, sin mencionar
de forma clara y estricta su origen y sin ser referenciadas debidamente en la bibliografía
correspondiente. Consienten que el Comité Editorial aplique cualquier sistema de detección de
plagio para verificar su originalidad.
Para citar este artículo:
Sabino, K. y Noguera, J. (2025). Predicción de la Concentración de Hidrógeno en un Reactor de
Polimerización basado en Machine Learning. PetroRenova, Revista Científica de la
Energía. Vol. 1, núm. 1, abril-junio. https://doi.org/10.5281/zenodo.15643200
