MODELAGEM MATEMÁTICA BASEADA EM REDES NEURAIS ARTIFICIAIS PARA MONITORAMENTO DA ESTABILIDADE DE EMULSÕES DE PETRÓLEO
Abstract
Este trabalho tem como objetivo principal desenvolver um modelo matemático baseado na aplicação de redes neurais artificiais para prever o percentual de separação de água em emulsões de petróleo do tipo água-óleo (A/O), permitindo assim aferir sobre a estabilidade destes sistemas. As emulsões foram geradas em laboratório empregando dois petróleos com diferentes características físico-químicas. As propriedades destas emulsões como densidade API, fração S.A.R.A, viscosidade, teor de água e distribuição de tamanho das gotículas foram empregadas como variável de entrada para o modelo matemático. Desenvolveu-se uma rede preceptron Multi-layer com arquitetura feedforward back-propagation, variando o algoritmo de treinamento (Levenberg-Marquardt, gradiente conjugado, gradiente descendente, gradiente descendente com momentum e gradiente descendente com taxa adaptativa.), as funções de ativação (linear, tangente hiperbólica) e o número de neurônios (2 a 15). Foram testadas diferentes arquiteturas, onde contemplaram um modelo para cada tipo de óleo estudado e outros modelos construidos com o banco de dados completo. Observou-se que o melhor modelo foi definido na configuração 4-15-2 com algoritmo de treinamento Levenberg-Marquardt e funções de ativação tangente hiperbólica nas duas camadas obtento exito em seu poder de predição e generalização. Essa nova arquitetura teve a capacidade de predizer o percentual de separação de água do óleo e também a viscosidade do fluido em função de 4 parâmetros (ºAPI, TA, DTG e tempo).