Publicación:

Aplicación de la técnica de aprendizaje automático transformer neural network en la identificación de patrones de flujo bifásico de aceite y agua en ductos verticales

Resumen

Con el alto costo en el transporte de hidrocarburos, la corrosión en tuberías y la necesidad de conocer el comportamiento de los flujos bifásicos, el crecimiento de la industria 4.0 en la industria oil & gas ha permitido la introducción de nuevas tecnologías para la solución de estas problemáticas. Dichas soluciones consisten en la introducción de modelos predictivos usando redes neuronales. Para este proyecto, a partir de diversos autores se estructuro una base de 4864 datos con información de las propiedades de flujo bifásico aceite-agua en tubería vertical. Posteriormente, se desarrolló una estructura de transformer neural network (TNN), la cual consta únicamente con la estructura del Codificador del arreglo original. A su vez, se propusieron diversas configuraciones (dentro de los parámetros que se modificaron se encuentra el número de cabezas atencionales, la función de activación, el dropout y la tasa de aprendizaje) para el modelo de TNN y así seleccionar aquel con mejores resultados. Una vez entrenada la red, se realizan predicciones con un set de datos con el que el modelo no haya interactuado y así realizar mapas de flujo con los patrones predichos por el modelo. El modelo de TNN desarrollado es capaz de predecir 9 de 10 patrones de flujo implementados en la base de datos, con una precisión máxima del 53,07%. Asimismo, de los diferentes patrones de flujo predichos se presenta una precisión promedio del 63,21% y una exactitud promedio del 86,51%.