Estudo inicial da aplicação de Redes Neurais Artificiais para a previsão de padrões de fluxo em escoamento multifásico
DOI:
https://doi.org/10.14808/sci.plena.2022.084802Palavras-chave:
escoamento multifásico, padrão de fluxo, redes neuraisResumo
O estudo dos padrões de fluxo no escoamento multifásico é bastante usado na indústria do petróleo. Muitas ferramentas estão sendo desenvolvidas para auxiliar na previsão desses padrões de fluxo. A Inteligência Artificial é uma ferramenta com alto desempenho e grande uso para caracterizar fenômenos físicos, podendo ser usada para a previsão desses padrões de fluxo no escoamento multifásico. Desenvolvemos uma Rede Neural Artificial para reconhecer e prever os padrões de fluxo do escoamento multifásico utilizando uma base de dados experimentais. Além do uso da rede neural também foi realizado o tratamento dos dados para melhorar a eficácia da ferramenta. Para uma análise completa, treinamos a rede com diversas combinações dos padrões, sendo os padrões: intermitente, anular e estratificado. Não utilizamos o padrão de bolhas devido a diferença da quantidade de dados disponíveis entre esse e os demais padrões. A rede apresentou uma eficácia de até 90% em algumas combinações da análise entre os padrões de fluxo. Analisando os 3 padrões juntos, a rede apresentou uma eficácia de aproximadamente 67%. Analisamos os resultados do comportamento do erro da rede durante o seu treinamento e a taxa de acerto após o treinamento. Nesse artigo utilizamos a rede neural artificial como ferramenta para prever o padrão de fluxo no escoamento multifásico, com o máximo de parâmetros do escoamento disponível.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Jair Rodrigues Neyra, Thiago Rafael da Silva Moura
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
