Navegando por Assunto "Redes neurais artificiais"
Agora exibindo 1 - 5 de 5
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Determinação da porosidade - integração do testemunho e do perfil de densidade através da rede neural backpropagation(2008) BRITO, Daivison Nyvou Calado de; ANDRADE, André José Neves; http://lattes.cnpq.br/8388930487104926A porosidade é uma das mais importantes propriedades petrofísicas para a qualificação dos reservatórios de óleo e gás. Para estimar a porosidade nas rochas reservatórios são utilizadas duas fontes de dados, que são os testemunhos e os perfis geofísicos. A análise do testemunho que é realizada em laboratório fornece a medida direta da porosidade, enquanto que os perfis apresentam informações indiretas sobre a porosidade, mas contínuas ao longo da profundidade do poço. A porosidade e sua relação com o perfil de densidade é muito conhecida na geofísica de poço. Porém, a falta de conhecimento sobre a densidade da matriz da rocha reservatório e sobre a densidade do fluido são os principais problemas para o cálculo da porosidade. Este trabalho tem por objetivo realizar a integração ou mapeamento dos dados do perfil de densidade com os resultados da análise dos testemunhos, que produzem valores diretos da porosidade através de uma interpolação não-linear utilizando como metodologia a técnica de redes neurais treinadas com o algoritmo de backpropagation. A obtenção da porosidade com a rede neural artificial possibilita um menor custo para a aquisição dessa importante informação petrofísica, permitindo ao intérprete de perfis de poço optar ou não pela exploração de uma unidade estudada com uma visão mais completa. A aplicabilidade dessa metodologia é verificada com a utilização do perfil de densidade e valores de porosidade produzidos pela analise de testemunho para um poço perfurado no Campo de Namorado da Bacia de Campos, Brasil. Para os experimentos aqui realizados, essa metodologia exibiu estimativas de porosidade semelhantes aos valores produzidos na analise de testemunho.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Identificação de fáceis reservatório em perfis de poço através de rede neural multicamadas(2009) GOMES, Kívia do Carmo Palheta; ANDRADE, André José Neves; http://lattes.cnpq.br/8388930487104926O aumento da produção de hidrocarbonetos em um campo petrolífero é de extrema importância para a indústria do petróleo e profundamente dependente do conhecimento dos reservatórios em função das suas propriedades petrofísicas, que variam segundo as diversas fácies geológicas atravessadas pelos poços. A mais completa descrição das fácies reduz potencialmente os erros na predição destas propriedades, refletindo em estimativas de volumes de hidrocarboneto mais realistas. A aplicação das técnicas de testemunhagem é, normalmente, realizada em um número restrito de poços perfurados em um campo, fazendo com que descrições detalhadas das fácies, pela análise de testemunhos, tornem-se rarefeitas e conseqüentemente não permitindo uma caracterização realista dos reservatórios. Neste trabalho é apresentado um algoritmo inteligente capaz de produzir o transporte da informação das fácies realizada pela análise do testemunho para todos os poços perfilados em um campo petrolífero, através do projeto de uma rede neural treinada para realizar um mapeamento da informação geológica extraída do testemunho em termos das propriedades físicas registradas nos perfis. A aplicabilidade desta metodologia é verificada com a utilização de três poços offshore, testemunhados e perfurados no Campo de Namorado, Bacia de Campos, Brasil. Para os casos aqui avaliados a rede neural apresentou resultados compatíveis com a análise de testemunho e de forma completamente independente da dimensão do conjunto de treinamento.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Predição de séries temporais da velocidade do vento no Brasil(2021-10-06) FIGUEIREDO, Yann Fabricio Cardoso de; CAMPOS, Lídio Mauro Lima de; http://lattes.cnpq.br/0970111009687779; https://orcid.org/0000-0003-4315-829XHistoricamente o Brasil tˆem sua produ¸c˜ao de energia el´etrica sustentada por duas principais fontes de gera¸c˜ao, a hidroel´etrica e a termoel´etrica, sendo que a segunda, em muitas das usinas, ´e utilizada mais quando a primeira tem um per´ıodo de baixa. Nos ´ultimos anos o Brasil vem aumentando as pesquisas e consequentemente o uso de outro tipo de gera¸c˜ao de energia, a e´olica, sendo esta atualmente a segunda maior fonte de gera¸c˜ao de energia no pa´ıs. A gera¸c˜ao de energia e´olica possui como vantagem o fato de ser um tipo de energia limpa, ajudando assim na preserva¸c˜ao do meio ambiente. Apesar de ser ben´efica e mais barata que as demais fontes de energia citadas, a gera¸c˜ao por turbinas e´olicas enfrenta um problema de imprevisibilidade quanto ao recurso principal, o vento. Surge ent˜ao uma necessidade cada vez maior em pesquisar formas de predizer a disponibilidade do vento com base em certas vari´aveis, como a velocidade do vento. Este trabalho tˆem o objetivo de desenvolver modelos de predi¸c˜ao da velocidade do vento, usando para isto t´ecnicas de inteligˆencia artificial aplicadas juntamente de Redes Neurais Artificiais Profundas (RNAPs) atrav´es das arquiteturas de rede direta (Deep Feedforward) e recorrente (LSTM), para assim ter uma no¸c˜ao mais completa da disponibilidade de energia e´olica nas regi˜oes estudadas. A pesquisa foi feita com base em vari´aveis meteorol´ogicas dos reposit´orios do INMET (Instituto Nacional de Meteorologia), no caso da esta¸c˜ao e´olica de Macau (RN), e do SONDA (Sistema de Organiza¸c˜ao Nacional de Dados Ambientais), no caso da esta¸c˜ao e´olica de Petrolina (PE). Ambas bases de dados cont´em informa¸c˜oes do per´ıodo de 1 de janeiro de 2004 a 31 de maio de 2017 na base com dados em formato de dias, 1 de junho de 2016 a 31 de maio de 2017 na base com dados em formato de horas, e 27 de maio de 2017 a 31 de maio de 2017 com a base em formato de minutos. Para um ´unico modelo de predi¸c˜ao espec´ıfico, com a base em formato de dias, a s´erie temporal vai de 1 de janeiro de 2015 a 31 de julho de 2018. No total foram gerados 15 modelos, criados a partir da aplica¸c˜ao de Ensemble Learning Methods, no caso voting e bagging, em diversos submodelos criados para cada base e prazo de dados. O melhor modelo foi usando a base de Petrolina de curto prazo, com registros disponibilizados no formato de horas, obtido ao ser usado o m´etodo bagging para criar o modelo final. O melhor modelo obteve MAE de 0.0036, MAPE de 0.0012% e RMSE de 0.0143.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Predição do consumo de água por meio de redes neurais artificiais: um estudo de caso em Belém-PA(2018-03-02) ROCHA, Jessé da Costa; ARAÚJO, Fabíola Pantoja Oliveira; http://lattes.cnpq.br/7676631005873564A escassez de água é um problema sério e constante em muitas cidades do Pará e do Brasil. Neste cenário, as várias técnicas de Inteligência Artificial, especialmente as Redes Neurais Artificiais, aparecem como alternativas capazes de auxiliar no planejamento e gerenciamento de Sistemas de Abastecimento de Água. Entre as muitas abordagens possíveis, optamos por analisar as variações no consumo de água em função do clima (temperatura, umidade e precipitação). Esta escolha é justificada porque o clima está entre os fatores que mais influenciam o consumo de água e também porque ainda há poucos estudos publicados nesta linha de pesquisa. Nesta perspectiva, o principal objetivo deste trabalho foi elaborar uma Rede de Neurais Artificiais para prever o consumo de água em um Sistema de Abastecimento localizado na cidade de Belém-PA e a principal motivação foi estimular a coleta e armazenamento de consumo de água, bem como o uso desses dados em sistemas inteligentes capazes de apoiar as decisões dos gestores de recursos hídricos na cidade de Belém e no Estado do Pará. Após quatro experimentos concluiu-se que a melhor arquitetura e configuração de RNA para resolver o problema proposto é uma rede com uma única camada escondida com 5 neurônios e função de ativação sigmoidal e uma camada de saída com um neurônio com função de ativação linear.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Previsão de vazão afluente da UHE-Tucuruí por redes neurais recorrentes LSTM(2022-07-11) SANTOS, Ayla Lis Lopes; TEIXEIRA, Raphael Barros; http://lattes.cnpq.br/4902824086591521A previsão de vazões afluentes aos reservatórios das usinas hidrelétricas é de grande importância na otimização do planejamento de operação, e tem como objetivo apresentar um cenário futuro que poderá impactar no processo de geração de energia através do aumento ou diminuição de vazão afluente prevista. Neste processo de previsão são geralmente utilizados modelos matemáticos computacionais baseados em redes neurais. Neste trabalho apresentamos um estudo da aplicação de Redes Neurais Recorrentes Long Short-Term Memory (LSTM) no problema de previsão de vazão afluente diária da Usina Hidrelétrica (UHE) de Tucuruí localizada na Bacia Hidrográfica Tocantins Araguaia, no horizonte de 1 até 7 dias à frente, considerando as séries históricas de dados medidos pela Agência Nacional de Águas (ANA) de UHE’s localizadas à montante do seu reservatório. Os resultados obtidos através do treinamento do modelo, mostraram viabilidade de sua aplicação para previsão de vazão afluente diária por meio dos testes e análises realizadas ao longo do trabalho, onde o ajuste de cada cenário apresentado ficou em aproximadamente 91% ao ser realizada a comparação entre os valores computacionais, com a porção dos dados originais do conjunto separados para a validação.