Modelo predictivo para el cálculo de la fracción volumétrica de un flujo bifásico agua-aceite en la horizontal utilizando una red neuronal artificial

Carlos Mauricio Ruiz Diaz; Marlon Mauricio Hernández Cely; Octavio Andrés González Estrada

Ayuda

Modelo predictivo para el cálculo de la fracción volumétrica de un flujo bifásico agua-aceite en la horizontal utilizando una red neuronal artificial

Ruiz-Díaz , Carlos Mauricio ; Hernández-Cely , Marlon Mauricio ^[2] ; González-Estrada, Octavio Andrés ^[1]
1. [1] Universidad Industrial de Santander
  
  Universidad Industrial de Santander
  
  Colombia
2. [2] Universidad de São Paulo
Localización: Revista UIS Ingenierías, ISSN-e 2145-8456, ISSN 1657-4583, Vol. 21, Nº. 2, 2022 (Ejemplar dedicado a: Revista UIS Ingenierías), págs. 155-164
Idioma: español
Títulos paralelos:
- A predictive model to calculate the holdup in horizontal biphasic water-oil flow using an artificial neuronal network
Enlaces
- Texto completo (pdf)
Resumen
- español
  Este artículo presenta la aplicación de una red neuronal artificial (RNA) para el desarrollo de un modelo capaz de predecir la fracción volumétrica de un flujo bifásico compuesto por agua y aceite mineral en una tubería horizontal. Se utilizan las velocidades superficiales de cada fluido y el diferencial de presión en la tubería como parámetros de entrada de la red neuronal artificial multicapa con retropropagación, mientras que la fracción volumétrica de los fluidos se utiliza como parámetro de salida en el entrenamiento de la misma. Los 56 datos experimentales con los que se trabajó se obtuvieron en el laboratorio LabPetro - CEPETRO-UNICAMP. Los resultados que arrojó el modelo predictivo con mejor rendimiento presentan un error absoluto medio porcentual (AAPE) de 3,01 % y un coeficiente de determinación de 0,9964 utilizando 15 neuronas en la capa oculta de la red y la función de transferencia TanSig.
- English
  This paper presents the application of an artificial neural network (ANN) to develop a model able to predict the holdup of a two-phase flow composed of water and mineral oil in a horizontal pipe. The surface velocities of each fluid and the pressure differential in the pipe are used as input parameters of the multi-layer artificial neural network with back-propagation, while the volumetric fraction of the fluids is used as an output parameter in the training. The 56 experimental data were obtained in the laboratory LabPetro-CEPETRO-UNICAMP. The results of the predictive model with the best performance show a mean absolute error (AAPE) of 3.01 % and a coefficient of determination R^2 of 0.9964, using 15 neurons in the hidden layer of the network and the TanSig transfer function.