Para citar este trabalho use um dos padrões abaixo:
Este trabalho tem como objetivo desenvolver e validar um modelo de rede neural artificial supervisionada capaz de prever simultaneamente a viscosidade e o fator de compressibilidade do gás natural típico do pré-sal, a partir de variáveis de entrada como pressão e temperatura. Para isso, foi construído um banco de dados com 722 amostras baseado em correlações clássicas, considerando a presença de não hidrocarbonetos na composição do gás. A rede foi implementada no ambiente MATLAB/Simulink, utilizando a função de ativação tansig e o algoritmo de treinamento Levenberg-Marquardt. Foram testadas diferentes topologias, sendo a configuração com 2 neurônios na camada oculta a que apresentou melhor desempenho, com MSE de 2,63x10⁻⁶, RMSE de 1,62x10-3 e coeficiente de correlação R = 0,9999. Os resultados indicam alta precisão e capacidade de generalização, demonstrando que o modelo proposto é eficiente, robusto e de baixo custo computacional para aplicação em problemas de engenharia do gás natural.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo