Modelagem empírica do processo de desemulsificação de petróleos via micro-ondas utilizando redes neurais
Com o intuito de desestabilizar as emulsões água-óleo extraídas pelas companhias de petróleo, diversos métodos de separação foram desenvolvidos. Hoje, a aplicação de micro-ondas mostra-se como uma opção atraente, mas ainda exige aperfeiçoamentos. Redes neurais representam uma alternativa eficaz para a modelagem empírica de dados do processo. No presente trabalho, a modelagem do processo de desemulsificação por micro-ondas foi realizada via treinamento em backpropagation de uma rede neural feedfoward utilizando o algoritmo Levenberg-Marquardt. As variáveis de entrada escolhidas (temperatura, pressão, energia aplicada e teor de água inicial) são de fácil medição. A camada oculta contém apenas cinco neurônios (função sigmóide), e a camada de saída (função linear) gera predições para o teor de água ao final do processo. Apesar da baixa quantidade de amostras, os resultados foram promissores (R>0,9) e certificam o uso de redes neurais como solução para aplicação otimizada deste processo.