Cálculo de la fracción volumétrica de las sustancias aceite y agua en flujo bifásico al interior de tuberías horizontales aplicando Long Short Term Memory (LSTM)
No Thumbnail Available
Date
2023-05-24
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
Este artículo presenta la implementación de una red neuronal Long Short Term Mémory con el fin de
calcular la fracción volumétrica del aceite y agua en un fluido bifásico que se transporta por una tubería horizontal.
Se implementa una base de datos de la literatura que contiene pruebas de 13 autores para el entrenamiento del
modelo, las entradas del modelo están dadas por un vector que contiene las velocidades superficiales de aceite y
agua, la mezcla del fluido, el diámetro interno de la tubería y la viscosidad; teniendo como parámetro de salida el
vector que contiene la fracción volumétrica del aceite. El proceso de entrenamiento y validación se realizan con una
base de datos que contiene 2156 datos, los cuales se segmentan en 80% y 20% respectivamente, con el fin de obtener
resultados concluyentes y poder realizar la validación del sistema. Se presentó un diseño de experimentos el cual
permitía realizar todas las pruebas posibles al modelo según parámetros especificados anteriormente, habiendo
realizado para el presente estudio 216 pruebas de rendimiento del modelo. Los resultados que presentó el modelo
predictivo con mejor rendimiento evidencia tener un MSE de 3,5651E-05, un MAE de 0.0045 y un MAPE de
3.0250%, este resultado se obtiene ingresando una función de transferencia ReLu, unas épocas de 20, una learnin rate
de 0.1, función de transferencia sigmoid, un batch size de 1, optimizador ADAM y 150 neuronas en la capa oculta.
Description
Keywords
LSTM, Flujo bifásico líquido - líquido, Tubería horizontal, Redes neuronales recurrentes, Industria 4.0