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)

Carreño Verdugo, Alejandro

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)

dc.contributor.advisor	González Estrada, Octavio Andrés
dc.contributor.advisor	Ruiz Diaz, Carlos Mauricio
dc.contributor.advisor	Hernández Cely, Marlon Mauricio
dc.contributor.author	Carreño Verdugo, Alejandro
dc.contributor.evaluator	Martínez, Manuel Del Jesús
dc.contributor.evaluator	Amaris Castilla, Carlos Fidel
dc.date.accessioned	2023-05-25T13:53:00Z
dc.date.available	2023-05-25T13:53:00Z
dc.date.created	2023-05-24
dc.date.issued	2023-05-24
dc.description.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.
dc.description.abstractenglish	This paper presents the implementation of a Long Short Term Memory neural network in order to calculate the volume fraction of oil and water in a two-phase fluid transported through a horizontal pipe. A literature database containing evidence from 13 authors is implemented for the training of the model, the model inputs are given by a vector containing the surface velocities of oil and water, the fluid mixture, the internal diameter of the pipe and the viscosity; having as output parameter the vector containing the oil volume fraction. The training and validation process is carried out with a database containing 2156 data, which are segmented into 80% and 20% respectively, in order to obtain conclusive results and be able to validate the system. A design of experiments was presented which allowed all possible tests to be performed on the model according to previously specified parameters, having carried out 216 model performance tests for the present study. The results presented by the predictive model with the best performance showed an MSE of 3.5651E-05, an MAE of 0.0045 and a MAPE of 3.0250%, this result was obtained by entering a ReLu transfer function, epochs of 20, a learnin rate of 0.1, sigmoid transfer function, a batch size of 1, ADAM optimizer and 150 neurons in the hidden layer.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Mecánico
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/14352
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería Mecánica
dc.publisher.school	Escuela de Ingeniería Mecánica
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	LSTM
dc.subject	Flujo bifásico líquido - líquido
dc.subject	Tubería horizontal
dc.subject	Redes neuronales recurrentes
dc.subject	Industria 4.0
dc.subject.keyword	LSTM
dc.subject.keyword	Biphasic liquid-liquid flow
dc.subject.keyword	Horizontal tubery
dc.subject.keyword	Recurrent neural network
dc.subject.keyword	Industry 4.0
dc.title	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)
dc.title.english	Calculation of the volume fraction of the substances oil and water in two-phase flow in horizontal pipes in two-phase flow inside horizontal pipelines by applying long short-term memory (LSTM)
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type