@MASTERSTHESIS{ 2014:330805364,
 	title = {Desenvolvimento de um sensor virtual para estimativa da viscosidade aparente de fluidos de perfura??o ? base de ?gua},
 	year = {2014},
 	url = "https://tede.ufrrj.br/jspui/handle/jspui/2902",
 	abstract = "A explora??o de petr?leo em campos mar?timos localizados em ?guas profundas e ultraprofundas vem sendo um dos desafios na produ??o de petr?leo. Para viabilizar a explora??o, in?meras pesquisas est?o agregando tecnologia aos fluidos de perfura??o de modo que atendam ?s necessidades exigidas em campo. Dessa forma, a compreens?o e o monitoramento das propriedades do fluido s?o de vital import?ncia para a explora??o e produ??o de petr?leo. O objetivo deste trabalho foi desenvolver um sensor virtual para estimar uma das propriedades reol?gicas de fluidos de perfura??o ? base de ?gua, a viscosidade aparente. Este sensor foi baseado no modelo de redes neuronais artificiais com estrutura do tipo perceptron multi-camadas (Multi-Layer Perceptron ? MLP). A etapa inicial do trabalho consistiu em averiguar a influ?ncia dos aditivos na viscosidade aparente do fluido de perfura??o. Para isso, foi realizado um planejamento fatorial completo a tr?s n?veis e com tr?s r?plicas no ponto central, onde os aditivos empregados foram goma xantana, bentonita e barita. Uma vez que a temperatura do fluido de perfura??o que retorna do po?o para a superf?cie ? diferente daquela injetada na coluna de perfura??o, esta vari?vel tamb?m foi considerada no planejamento a fim de avaliar sua influ?ncia na viscosidade do fluido de perfura??o. A partir deste planejamento, foram formulados 84 fluidos de perfura??o ? base ?gua, nos quais a viscosidade aparente foi determinada em um viscos?metro (Fann 35A) a 300 rpm e em diferentes temperaturas. A partir da an?lise estat?stica dos resultados, verificou-se que todas as vari?veis consideradas influenciavam a viscosidade aparente e, atrav?s do teste de an?lise de vari?ncia (ANOVA), foi poss?vel obter um modelo de regress?o que leva em considera??o os efeitos cruzados de cada componente sobre a vari?vel de resposta. A rede neuronal utilizada neste trabalho ? do tipo MLP, contendo fun??es de ativa??o hiperb?lica nos neur?nios da camada intermedi?ria e linear no neur?nio da camada de sa?da. Para o treinamento e valida??o da rede neuronal foram utilizados 750 e 267 dados experimentais, respectivamente, que foram obtidos variando-se a temperatura entre 20oC e 60oC em cada um dos 84 fluidos formulados na etapa de planejamento de experimentos. Foram realizadas diversas simula??es durante a etapa de aprendizagem da rede neuronal variando-se o n?mero de neur?nios da camada intermedi?ria com objetivo de obter a melhor a arquitetura. Verificou-se que a rede com 6 neur?nios na camada escondida apresentou a melhor capacidade de generaliza??o e, portanto, as melhores predi??es. A capacidade de predi??o da rede neuronal selecionada foi comparada com a do modelo de regress?o estat?stico atrav?s do erro quadr?tico m?dio e do teste de inspe??o visual. Verificou-se que o desempenho do modelo neuronal foi superior, tendo apresentado erros de predi??o significativamente menores.",
 	publisher = {Universidade Federal Rural do Rio de Janeiro},
 	scholl = {Programa de P?s-Gradua??o em Engenharia Qu?mica},
 	note = {Instituto de Tecnologia}
}