{"id":{"repo_id":"brazil-uff","oai_identifier":"oai:app.uff.br:1/32086"},"canonical_url":"https://search.dev.ndltd.org/etd/brazil-uff/oai:app.uff.br:1/32086","repository":{"repo_id":"brazil-uff","name":"Brazil UFF","base_url":"https://app.uff.br/oai/request"},"display":{"title":"Previsão da viscosidade de emulsões água em óleo utilizando redes neurais artificiais","abstract":"Emulsões do tipo água em óleo (A/O) são comumente formadas em estágios de produção e e ploração de petróleo. Por apresentarem altos valores de viscosidade dinâmica, essas emulsões causam a perda de carga nas linhas, o que acarreta o declínio da produção do sítio explorado. Tendo em vista essa problemática, a literatura apresenta correlações para previsão de viscosidade de emulsões A/O obtidas de forma experimental. Entretanto, a utilização dessas correlações nem sempre é satisfatória, visto que não são genéricas o suficiente, o que faz com que a previsão da viscosidade de emulsões formadas em condições diferentes das utilizadas para a modelagem dessa correlação apresente resultados com erro elevado. Como forma alternativa, estudos reológicos são utilizados a fim de prever o comportamento da viscosidade de emulsões. Entretanto, isso pode representar custos adicionais em face dos gastos relativos à produção de amostras e posterior análise. Desse modo, o uso de algoritmos de inteligência artificial, mais especificamente aprendizagem de máquina, surge como alternativa para a previsão da viscosidade de emulsões A/O. Neste trabalho, a partir de dados experimentais coletados em estudos reológicos de óleos brasileiros, totalizando 9204 dados, foi proposto um modelo de rede neural artificial para a previsão da viscosidade de emulsões A/O, utilizando dados de °API, temperatura, fração de água, viscosidade da fase contínua (óleo cru) e taxa de cisalhamento. Foi possível observar que o modelo proposto foi capaz de obter valores de coeficiente de determinação (R2) superiores a 0,99 entre os valores experimentais e previstos, indicando a capacidade preditiva do modelo. Utilizando método de validação cruzada, tanto os valores da média de R2 quanto de outras métricas demonstram a capacidade generalista do modelo","abstract_html":"Emulsões do tipo água em óleo (A/O) são comumente formadas em estágios de produção e e ploração de petróleo. Por apresentarem altos valores de viscosidade dinâmica, essas emulsões causam a perda de carga nas linhas, o que acarreta o declínio da produção do sítio explorado. Tendo em vista essa problemática, a literatura apresenta correlações para previsão de viscosidade de emulsões A/O obtidas de forma experimental. Entretanto, a utilização dessas correlações nem sempre é satisfatória, visto que não são genéricas o suficiente, o que faz com que a previsão da viscosidade de emulsões formadas em condições diferentes das utilizadas para a modelagem dessa correlação apresente resultados com erro elevado. Como forma alternativa, estudos reológicos são utilizados a fim de prever o comportamento da viscosidade de emulsões. Entretanto, isso pode representar custos adicionais em face dos gastos relativos à produção de amostras e posterior análise. Desse modo, o uso de algoritmos de inteligência artificial, mais especificamente aprendizagem de máquina, surge como alternativa para a previsão da viscosidade de emulsões A/O. Neste trabalho, a partir de dados experimentais coletados em estudos reológicos de óleos brasileiros, totalizando 9204 dados, foi proposto um modelo de rede neural artificial para a previsão da viscosidade de emulsões A/O, utilizando dados de °API, temperatura, fração de água, viscosidade da fase contínua (óleo cru) e taxa de cisalhamento. Foi possível observar que o modelo proposto foi capaz de obter valores de coeficiente de determinação (R2) superiores a 0,99 entre os valores experimentais e previstos, indicando a capacidade preditiva do modelo. Utilizando método de validação cruzada, tanto os valores da média de R2 quanto de outras métricas demonstram a capacidade generalista do modelo","abstract_has_math":false,"creators":["Silva, Victor Hugo Couto e"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":null,"date_issued":"","date_published":null,"updated_at":"2026-07-27T19:00:28Z","subjects":[],"languages":["pt_BR"],"rights":["Open Access"],"rights_urls":[],"identifier_entries":[]},"links":{"outbound_url":"http://app.uff.br/riuff/handle/1/32086","outbound_label":"Repository record","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Silva, Victor Hugo Couto e"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2024-01-26T14:32:28Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2024-01-26T14:32:28Z"]},{"key":"dc:type","label":"Dc Type","values":["Trabalho de conclusão de curso"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["pt_BR"]},{"key":"dc:rights","label":"Dc Rights","values":["Open Access"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["http://app.uff.br/riuff/handle/1/32086"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["Emulsões do tipo água em óleo (A/O) são comumente formadas em estágios de produção e e ploração de petróleo. Por apresentarem altos valores de viscosidade dinâmica, essas emulsões causam a perda de carga nas linhas, o que acarreta o declínio da produção do sítio explorado. Tendo em vista essa problemática, a literatura apresenta correlações para previsão de viscosidade de emulsões A/O obtidas de forma experimental. Entretanto, a utilização dessas correlações nem sempre é satisfatória, visto que não são genéricas o suficiente, o que faz com que a previsão da viscosidade de emulsões formadas em condições diferentes das utilizadas para a modelagem dessa correlação apresente resultados com erro elevado. Como forma alternativa, estudos reológicos são utilizados a fim de prever o comportamento da viscosidade de emulsões. Entretanto, isso pode representar custos adicionais em face dos gastos relativos à produção de amostras e posterior análise. Desse modo, o uso de algoritmos de inteligência artificial, mais especificamente aprendizagem de máquina, surge como alternativa para a previsão da viscosidade de emulsões A/O. Neste trabalho, a partir de dados experimentais coletados em estudos reológicos de óleos brasileiros, totalizando 9204 dados, foi proposto um modelo de rede neural artificial para a previsão da viscosidade de emulsões A/O, utilizando dados de °API, temperatura, fração de água, viscosidade da fase contínua (óleo cru) e taxa de cisalhamento. Foi possível observar que o modelo proposto foi capaz de obter valores de coeficiente de determinação (R2) superiores a 0,99 entre os valores experimentais e previstos, indicando a capacidade preditiva do modelo. Utilizando método de validação cruzada, tanto os valores da média de R2 quanto de outras métricas demonstram a capacidade generalista do modelo"]},{"key":"dc:title","label":"Title","values":["Previsão da viscosidade de emulsões água em óleo utilizando redes neurais artificiais"]}]}],"canonical_facts":{"dc:creator":["Silva, Victor Hugo Couto e"],"dc:date.accessioned":["2024-01-26T14:32:28Z"],"dc:date.available":["2024-01-26T14:32:28Z"],"dc:description.abstract":["Emulsões do tipo água em óleo (A/O) são comumente formadas em estágios de produção e e ploração de petróleo. Por apresentarem altos valores de viscosidade dinâmica, essas emulsões causam a perda de carga nas linhas, o que acarreta o declínio da produção do sítio explorado. Tendo em vista essa problemática, a literatura apresenta correlações para previsão de viscosidade de emulsões A/O obtidas de forma experimental. Entretanto, a utilização dessas correlações nem sempre é satisfatória, visto que não são genéricas o suficiente, o que faz com que a previsão da viscosidade de emulsões formadas em condições diferentes das utilizadas para a modelagem dessa correlação apresente resultados com erro elevado. Como forma alternativa, estudos reológicos são utilizados a fim de prever o comportamento da viscosidade de emulsões. Entretanto, isso pode representar custos adicionais em face dos gastos relativos à produção de amostras e posterior análise. Desse modo, o uso de algoritmos de inteligência artificial, mais especificamente aprendizagem de máquina, surge como alternativa para a previsão da viscosidade de emulsões A/O. Neste trabalho, a partir de dados experimentais coletados em estudos reológicos de óleos brasileiros, totalizando 9204 dados, foi proposto um modelo de rede neural artificial para a previsão da viscosidade de emulsões A/O, utilizando dados de °API, temperatura, fração de água, viscosidade da fase contínua (óleo cru) e taxa de cisalhamento. Foi possível observar que o modelo proposto foi capaz de obter valores de coeficiente de determinação (R2) superiores a 0,99 entre os valores experimentais e previstos, indicando a capacidade preditiva do modelo. Utilizando método de validação cruzada, tanto os valores da média de R2 quanto de outras métricas demonstram a capacidade generalista do modelo"],"dc:identifier.uri":["http://app.uff.br/riuff/handle/1/32086"],"dc:language.iso":["pt_BR"],"dc:rights":["Open Access"],"dc:title":["Previsão da viscosidade de emulsões água em óleo utilizando redes neurais artificiais"],"dc:type":["Trabalho de conclusão de curso"]},"updated_at":"2026-07-27T19:00:28Z"}