Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Souza, Troner Assenheimer de | - |
Autor(es): dc.contributor | Ahón, Víctor Rolando Ruiz | - |
Autor(es): dc.contributor | Santos, Lizandro de Sousa | - |
Autor(es): dc.contributor | Young, André Ferreira | - |
Autor(es): dc.creator | Silva, Victor Hugo Couto e | - |
Data de aceite: dc.date.accessioned | 2024-07-11T17:22:47Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T17:22:47Z | - |
Data de envio: dc.date.issued | 2024-01-25 | - |
Data de envio: dc.date.issued | 2024-01-25 | - |
Fonte completa do material: dc.identifier | http://app.uff.br/riuff/handle/1/32086 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/749114 | - |
Descrição: dc.description | Emulsões do tipo água em óleo (A/O) são comumente formadas em estágios de produção e e ploração de petróleo. Por apresentarem altos valores de viscosidade dinâmica, essas emulsões causam a perda de carga nas linhas, o que acarreta o declínio da produção do sítio explorado. Tendo em vista essa problemática, a literatura apresenta correlações para previsão de viscosidade de emulsões A/O obtidas de forma experimental. Entretanto, a utilização dessas correlações nem sempre é satisfatória, visto que não são genéricas o suficiente, o que faz com que a previsão da viscosidade de emulsões formadas em condições diferentes das utilizadas para a modelagem dessa correlação apresente resultados com erro elevado. Como forma alternativa, estudos reológicos são utilizados a fim de prever o comportamento da viscosidade de emulsões. Entretanto, isso pode representar custos adicionais em face dos gastos relativos à produção de amostras e posterior análise. Desse modo, o uso de algoritmos de inteligência artificial, mais especificamente aprendizagem de máquina, surge como alternativa para a previsão da viscosidade de emulsões A/O. Neste trabalho, a partir de dados experimentais coletados em estudos reológicos de óleos brasileiros, totalizando 9204 dados, foi proposto um modelo de rede neural artificial para a previsão da viscosidade de emulsões A/O, utilizando dados de °API, temperatura, fração de água, viscosidade da fase contínua (óleo cru) e taxa de cisalhamento. Foi possível observar que o modelo proposto foi capaz de obter valores de coeficiente de determinação (R2) superiores a 0,99 entre os valores experimentais e previstos, indicando a capacidade preditiva do modelo. Utilizando método de validação cruzada, tanto os valores da média de R2 quanto de outras métricas demonstram a capacidade generalista do modelo | - |
Descrição: dc.description | Water-in-oil (W/O) emulsions are commonly formed during oil production and exploration. As a result of their high dynamic viscosity values, these emulsions cause pressure loss in the lines, which leads to a decline in production at the site being explored. In view of this problem, the literature presents correlations for predicting the viscosity of W/O emulsions obtained experimentally. However, the use of these correlations is not always satisfactory, since they are not generic enough, which means that the prediction of the viscosity of emulsions formed under conditions different from those used to model this correlation presents results with high error. As an alternative, rheological studies are used to predict the viscosity behavior of emulsions. However, this can represent additional costs due to the expense of sample production and subsequent analysis. Thus, the use of artificial intelligence algorithms, more specifically machine learning, has emerged as an alternative for predicting the viscosity of W/O emulsions. In this work, based on experimental data collected in rheological studies of Brazilian oils, totaling 9,204 data points, an artificial neural network model was proposed for predicting the viscosity of A/O emulsions, using data on °API, temperature, water fraction, viscosity of the continuous phase (crude oil) and shear rate. It waspossible to observe that the proposed model was able to obtain a coefficient of determination (R2) greater than 0.99 between the experimental and predicted values, indicating the predictive capacity of the model. Using the cross-validation method, both the average R2 values and other metrics show the model's generalist capacity | - |
Descrição: dc.description | 52 f. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Emulsões | - |
Palavras-chave: dc.subject | Viscosidade | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Viscosidade | - |
Palavras-chave: dc.subject | Emulsão | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Emulsions | - |
Palavras-chave: dc.subject | Viscosity | - |
Palavras-chave: dc.subject | Artificial Intelligence | - |
Título: dc.title | Previsão da viscosidade de emulsões água em óleo utilizando redes neurais artificiais | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: