Banca de DEFESA: STÉFANO PRAXEDES CORRÊA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : STÉFANO PRAXEDES CORRÊA
DATA : 28/05/2024
HORA: 14:00
LOCAL: https://conferenciaweb.rnp.br/webconf/pgbio-ufba
TÍTULO:

PREDIÇÃO DA TEMPERATURA DE DESAPARECIMENTO DE PARAFINA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS

PALAVRAS-CHAVES:

Deposição de parafina; Rede neural artificial; Temperatura de desaparecimento da parafina; Análise de sensibilidade.

PÁGINAS: 79
RESUMO:

A deposição de parafinas é um problema recorrente na indústria petrolífera e que tem ganhado cada vez mais relevância devido ao aumento da produção offshore em águas profundas. Portanto, vários estudos foram realizados com o objetivo de compreender melhor tal fenômeno, além de fornecer estimativas da temperatura de desaparecimento da parafina (WDT), que representa o verdadeiro ponto de equilíbrio sólido-líquido. Informações como estas podem ser úteis para apoiar a tomada de decisão a respeito de intervenções em dutos e unidades de produção. No entanto, o estudo da deposição de parafinas é fortemente dependente da realização de experimentos, que geralmente são onerosos e podem tornar este tipo de análise inviável. Foi desenvolvido um modelo generalista a partir de técnica de machine learning para prever esse fenômeno. Nesse estudo, uma rede neural artificial (RNA) foi desenvolvida a fim de testar se há um modelo capaz de prever a WDT a partir da pressão e da massa molar do óleo cru como variáveis de entrada com auxílio da ferramenta MATLAB. A RNA foi treinada utilizando diferentes arquiteturas a fim de otimiza-la em relação ao número de neurônios na camada escondida, sendo testado de 1 a 10. Resultados mostraram que a arquitetura com 3 neurônios na camada escondida foi capaz de prever a temperatura de desaparecimento da parafina com erro quadrático médio (MSE) abaixo de 1% e o coeficiente de correlação (R²) de 0,94. Os resultados obtidos mostraram que a rede neural artificial proposta é generalista e capaz de prever o sistema de forma precisa, sem a interferência de fenômenos de overfitting e underfitting. Os dados obtidos possibilitaram a realização da análise de sensibilidade, na qual a pressão foi a variável independente mais determinante no processo, para as condições analisadas.

MEMBROS DA BANCA:
Presidente - 2195745 - GEORGE SIMONELLI
Interno - 1701531 - LUIZ CARLOS LOBATO DOS SANTOS
Interno - ***.804.684-** - KLEBERSON RICARDO DE OLIVEIRA PEREIRA - UFBA
Externo à Instituição - JOAO PAULO LOBO DOS SANTOS - UFS