Title

Modelo de Rendimento de enxofre no coque – Uma abordagem orientada por dados

Sulfur yield prediction in cokemaking – A data-driven approach

Authorship

SOUZA, RAPHAEL MARIANO DE; RAPOSO, LEONARDO LOBO CERQUEIRA; ALMEIDA, THIAGO PEREIRA DE; BATISTA, ALANDERSON DE OLIVEIRA; JESUS, LUIS CLÁUDIO DOS SANTOS DE; COSTA, DIEGO SALMIN; SILVA, BRUNO PINHEIRO DA

SOUZA, RAPHAEL MARIANO DE

I am this author

RAPOSO, LEONARDO LOBO CERQUEIRA

I am this author

ALMEIDA, THIAGO PEREIRA DE

I am this author

BATISTA, ALANDERSON DE OLIVEIRA

I am this author

JESUS, LUIS CLÁUDIO DOS SANTOS DE

I am this author

COSTA, DIEGO SALMIN

I am this author

SILVA, BRUNO PINHEIRO DA

I am this author

DOI

10.5151/2594-357X-43651

Downloads

Abstract

A retenção de enxofre no coque metalúrgico é uma variável crítica na coqueificação e na operação do alto-forno, mas sua predição é desafiadora devido ao comportamento não-aditivo do enxofre em misturas de carvão. Este trabalho apresenta um modelo de regressão orientado por dados para predizer o coeficiente de retenção de enxofre (Ks) na coqueificação, com base em 48 misturas industriais. Uma análise de correlação identificou as principais variáveis físico-químicas entre descritores petrográficos, de rank e composicionais. A regressão multivariada inicial apresentou multicolinearidade severa (VIF > 10) devido à interdependência entre descritores de rank e de desvolatilização. Para superar isso, o modelo final foi reduzido a duas variáveis independentes: a reflectância média da vitrinita (Ro), associada ao rank e à condensação aromática, e a proporção de carvão de alto volátil (%HV-HCC HS), associada ao comportamento de desvolatilização. O modelo resultante (Ks = 0,6381 − 0,00226·%HV-HCC HS + 0,2101·Ro) reduziu o erro absoluto médio em ~50%, aumentou o coeficiente de correlação de 0,51 para 0,70 e enquadrou 75% das predições dentro de ±0,04 do valor medido, preservando plena interpretabilidade física.

Sulfur retention in metallurgical coke is a critical variable in cokemaking and downstream blast-furnace operation, yet its prediction is challenging due to the non-additive behavior of sulfur across coal blends. This work presents a data-driven regression model to predict sulfur retention (Ks) during cokemaking, based on 48 industrial blends. A correlation analysis was performed to identify the dominant physicochemical drivers among petrographic, rank and compositional variables. The initial multivariate regression suffered from severe multicollinearity (VIF > 10) due to the intrinsic interdependence between coal-rank and devolatilization descriptors. To overcome this, the final model was reduced to two independent variables representing distinct physicochemical domains: mean vitrinite reflectance (Ro), associated with rank and aromatic condensation, and the proportion of high-volatile hard coking coal (%HV-HCC HS), associated with devolatilization behavior. The resulting model (Ks = 0.6381 – 0.00226·%HV-HCC HS + 0.2101·Ro) reduced the mean absolute error by approximately 50% compared with a sulfur-input-only regression, increased the correlation coefficient from 0.51 to 0.70 and brought 75% of predictions within ±0.04 of the measured value, while preserving full physical interpretability.

Keywords

Coqueria, Rendimento de enxofre, Mistura de carvão, Modelo de regressão

Cokemaking, Sulfur yield, Coal blend, Regression model