Identificación de patrones de flujo bifásico conformado por aceite lubricante y agua en tuberías verticales aplicando técnicas de inteligencia artificial

La estructuración de mapas de flujo en la industria de hidrocarburos se ha desarrollado a partir de correlaciones empíricas que integran características del flujo, como velocidades superficiales y fracciones volumétricas, en conjunto con propiedades físicas de las sustancias en análisis como densidad y viscosidad, además de utilizar parámetros geométricos como la inclinación y el diámetro interno de las tuberías. En la actualidad, se han desarrollado avances tecnológicos que permiten optimizar el proceso de identificación de patrones de flujo, a partir de la implementación de técnicas de inteligencia artificial, debido a que existen limitaciones para monitorear el patrón de flujo generado al interior de las tuberías de las plataformas instaladas en altamar, dadas las condiciones de trabajo extremas que allí se presentan. En este estudio se desarrolló una red neuronal recurrente de memoria a largo y corto plazo (LSTM), capaz de predecir los patrones de flujo generados al interior de tuberías verticales. La red LSTM fue entrenada y posteriormente validada con la información contenida en una base de datos obtenida de la literatura, mostrando un error generado en las predicciones del modelo inferior al 1%.

• Autores: Quispe Suarez, Brayan Gonzalo
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad Industrial de Santander
• Repositorio: Repositorio UIS
• Idioma: spa
• OAI Identifier: oai:noesis.uis.edu.co:20.500.14071/12163
• Acceso en línea: https://noesis.uis.edu.co/handle/20.500.14071/12163; https://noesis.uis.edu.co
• Palabra clave: LSTM; Redes neuronales recurrentes; Flujo bifásico líquido-líquido; Patrones de flujo; LSTM; Recurrent neural networks; Liquid-liquid two-phase flow; Flow pattern
• Rights: openAccess
• License: Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)