Identificación de patrones de flujo bifásico en tuberías verticales mediante redes neuronales transformadoras

Abstract

El sector del petróleo y el gas adopta constantemente tecnologías innovadoras debido a los elevados costes asociados al transporte de hidrocarburos, a los problemas de corrosión de los oleoductos y a la necesidad de comprender mejor las características del flujo bifásico. Estas soluciones implican la implementación de modelos predictivos que utilizan redes neuronales. En este trabajo de investigación, se ha recopilado meticulosamente una base de datos exhaustiva que comprende 4864 puntos de datos, con información relativa a las propiedades del flujo bifásico de petróleo y agua en oleoductos verticales. Posteriormente, se empleó una red neuronal transformadora (TNN) de tipo «solo codificador» para identificar los patrones de flujo bifásico. Se propusieron diversas configuraciones para el modelo TNN, que implicaban ajustes de parámetros como el número de cabezales de atención, la función de activación, la tasa de abandono y la tasa de aprendizaje, con el objetivo de seleccionar la configuración que ofreciera resultados óptimos. Tras el entrenamiento de la red, se generaron predicciones utilizando un conjunto de datos reservado, lo que facilitó la creación de mapas de flujo que representaban los patrones previstos por el modelo. El modelo TNN desarrollado predijo con éxito 9 de los 10 patrones de flujo presentes en la base de datos, alcanzando una precisión máxima del 53,07 %. Además, los diversos patrones de flujo predichos mostraron una precisión media del 63,21 % y una exactitud media del 86,51 %.