| dc.description.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). | pt_BR |
