Identificação de regimes de fluxo e predição de frações de volume em sistemas multifásicos usando técnica nuclear e rede neural artificial

Este trabalho apresenta uma nova metodologia baseada nos principios de atenuacao de raios gama, por meio de simulacoes de Monte Carlo (MC), e redes neurais artificiais (RNAs) supervisionadas para predicoes de fracoes de volume e identificacao de regimes de fluxo em sistemas multifasicos tipo, gas, agua e oleo encontrados na industria petrolifera off-shore. O principio baseia-se no reconhecimento das distribuicoes de altura de pulsos obtidas por detectores cintiladores que sao utilizadas inteiramente para alimentar de forma simultânea as RNAs. As curvas-resposta (resolucao energetica e eficiencia) de um detector real sao consideradas. O sistema de deteccao simulado utiliza dois detectores NaI(Tl) e duas energias de raios gama com feixe largo. A geometria proposta considera os feixes transmitido e espalhado tornando o sistema menos dependente do regime de fluxo. O conjunto de padroes necessario para treinamento e avaliacao das RNAs foi gerado por meio do codigo computacional MCNP-X baseado no metodo de MC a partir de modelos teoricos ideais e estaticos de regimes multifasicos - anular, estratificado e homogeneo. As RNAs mapearam adequadamente os dados simulados com as fracoes de volume sem a necessidade do conhecimento, a priori, do regime de fluxo. As RNAs identificaram corretamente todos os regimes com predicao satisfatoria das fracoes de volume em sistemas multifasicos indicando a possibilidade de aplicacao desta metodologia para tal proposito.