1. Universidade Federal da Bahia
  2. Escola Politécnica
  3. Trabalho de Conclusão de Curso (Graduação) - Engenharia de Controle e Automação de Processos (Escola Politécnica)
Use este identificador para citar ou linkar para este item: https://repositorio.ufba.br/handle/ri/38957
Registro completo de metadados
Campo DCValorIdioma
dc.creatorAnunciação, Gabriel Azevedo-
dc.date.accessioned2024-01-31T13:17:44Z-
dc.date.available2024-01-31T13:17:44Z-
dc.date.issued2023-12-15-
dc.identifier.urihttps://repositorio.ufba.br/handle/ri/38957-
dc.languageporpt_BR
dc.publisherUniversidade Federal da Bahiapt_BR
dc.subjectredes neuraispt_BR
dc.subjectbombeamento submersopt_BR
dc.subjectmodelagem dinâmicapt_BR
dc.subject.otherneural networkspt_BR
dc.subject.othersubmerged pumpingpt_BR
dc.subject.otherdynamic modelingpt_BR
dc.titleAnálise comparativa de estruturas de redes neurais artificiais para modelagem baseada em dados do bombeio centrífugo submersopt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.publisher.initialsUFBApt_BR
dc.publisher.countryBrasilpt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.contributor.advisor1Fontes, Raony Maia-
dc.contributor.referee1Fontes, Raony Maia-
dc.contributor.referee2Santana, Daniel Diniz-
dc.contributor.referee3Souza, Leonardo Silva-
dc.description.resumoEste trabalho propõe uma comparação das estruturas de redes neurais artificiais com o objetivo de desenvolver um modelo substituto baseado em dados, oferecendo uma alternativa aos modelos fenomenológicos. O modelo visa prever variáveis de interesse, como vazão e pressão na válvula choke, e nível do anular em um sistema de elevação artificial por Bombeio Centrífugo Submerso (BCS), utilizando informações como a frequência do motor da bomba, abertura da válvula choke, pressão de fundo e do reservatório. Os dados para o treinamento e validação do modelo são gerados a partir de um simulador da planta piloto do BCS no Laboratório de Elevação Artificial (LEA) da Universidade Federal da Bahia (UFBA). A avaliação das diferentes estruturas de redes neurais considera métricas de desempenho como Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), velocidades de treinamento e estimação da saída com novos dados, além do critério de Akaike, proporcionando uma análise abrangente e criteriosa.pt_BR
dc.publisher.departmentEscola Politécnicapt_BR
dc.type.degreeBachareladopt_BR
dc.publisher.courseENGENHARIA DE CONTROLE E AUTOMAÇÃO DE PROCESSOS - NOTURNOpt_BR
Aparece nas coleções:Trabalho de Conclusão de Curso (Graduação) - Engenharia de Controle e Automação de Processos (Escola Politécnica)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC_Gabriel_Azevedo_Anunciacao_Ajustado.pdfVersão Final5,18 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.