Algoritmo para la inferencia de la propiedad fisicoquímica gravedad api de crudos a partir de la lectura rmn utilizando redes neuronales artificiales con entrenamiento basado en optimización bioinspirada

Abstract

En la industria petrolera, es de suma importancia el estudio de las propiedades fisi- coquímicas del petróleo, ya que estas proporcionan información que ayuda al experto a decidir la calidad del crudo. Una de estas propiedades es la Gravedad API, que suministra información sobre que tan pesado o liviano es un crudo en comparación al agua. Para obtener estas propiedades fisicoquímicas es necesario realizar pruebas de laboratorio que muchas veces son costosas y el tiempo en el laboratorio es considerable. Se requieren entonces métodos que agilicen este proceso. En este trabajo se presenta el desarrollo de un algoritmo basado en optimización por colonia de hormigas que, dada la arquitectura de una red neuronal artificial encuentre los pesos iniciales adecuados que harán que la red neuronal obtenga resultados confiables. La red neuronal es entrenada con los datos de la RMN y como datos de salida los valores de la propiedad fisicoquímica gravedad API. El algoritmo de entrenamiento utilizado es el Backpropagation, este tiene una característica y es que algunas veces se queda atrapado en un minimo local haciendo que la red neuronal no de resultados satisfactorios. Con la ayuda del algortimo de optimización por colonia de hormigas se evita este problema, haciendo que la red neuronal tenga una rápida convergencia