Técnicas de inteligencia artificial para la caracterización hidrodinámica de flujos bifásicos líquido-gas: una visión general y análisis bibliométrico

Abstract

Estimar con precisión e instantáneamente las características hidrodinámicas en flujos bifásicos líquido-gas es crucial para industrias como la del petróleo, el gas y otros sectores de flujo multifásico, ya que les permite reducir costos y emisiones, aumentar la eficiencia y mejorar la seguridad operativa. Este tipo de flujo implica un deslizamiento constante entre las fases gaseosa y líquida causado por una interfaz deformable, lo que resulta en cambios en la fracción volumétrica del gas y la creación de estructuras conocidas como patrones de flujo. Los métodos empíricos y numéricos utilizados para la predicción suelen presentar imprecisiones significativas durante los procesos de ampliación. Actualmente, se aplican diferentes metodologías basadas en inteligencia artificial (IA) para predecir las características hidrodinámicas en flujos bifásicos líquido-gas, lo cual se corroboró con el análisis bibliométrico, donde se encontró que las técnicas de IA se han aplicado en el reconocimiento de patrones de flujo, la determinación de la fracción volumétrica para cada fluido y la estimación del gradiente de presión. Los resultados revelaron que un total de 178 palabras clave en 70 artículos, 29 de los cuales alcanzaron el umbral (aprendizaje automático, patrón de flujo, flujo bifásico, inteligencia artificial y redes neuronales como el alto predominio), se publicaron principalmente en Flow Measurement and Instrumentation. Esta revista cuenta con el mayor número de artículos publicados relacionados con el tema estudiado, con nueve artículos. El autor más relevante es Efteknari-Zadeh, E., del Instituto de Óptica y Electrónica Cuántica.