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
No Thumbnail Available
Date
2023-02-21
Authors
Perilla Plata, Erwing Eduardo
Advisors
González Estrada, Octavio Andrés
Ruiz Diaz, Carlos Mauricio
Evaluators
Fuentes Díaz, David Alfredo
Ríos Diaz, Yennifer Yuliana
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
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%.
Description
Keywords
flujo bifásico, inteligencia artificial, Transformer Neural Network