Medellín - Minas - Maestría en Ingeniería - Ingeniería de Sistemas · 2023
Método para el cálculo del porcentaje de agua en emulsiones agua-crudo usando aprendizaje de máquinas
Se realizó un estudio sobre las emulsiones de agua en aceite (W/O) en crudos pesados provenientes de las imágenes adquiridas del laboratorio de Fenómenos de Superficie Michael Polanyi, mediante el uso de herramientas de microscopia óptica. El interés por el estudio de estas imágenes se crea con el fin de determinar el porcentaje de agua contenido en una emulsión llamado por las siglas %BSW (Basic Sediment and Water) sin hacer uso de técnicas químicas que requieren inversión de recursos. Para abordar la solución se emplea un análisis de características, determinando las principales variables que pueden ser extraídas de las imágenes obtenidas del laboratorio, como lo es la cantidad de partículas, el tamaño, la masa, la señal, la excentricidad, el épsilon, la ubicación de las partículas, todo realizado por medio de un método de visión por computador que permite identificar estos atributos en las emulsiones con un algoritmo basado en el seguimiento de partículas. Una vez son extraídas las variables se emplean técnicas estadísticas para identificar tendencias, correlaciones y selección de variables para un posterior uso de técnicas de aprendizaje de máquina supervisado como lo son los Bosques Aleatorios, Regresión Logística Multinomial, Redes Neuronales y de la Potenciación del Gradiente, evaluando en cada modelo el rendimiento de acuerdo a la capacidad de predicción del contenido de agua %BSW con varias medidas de validación y también por medio de imágenes encontradas en la literatura se comprueba el rendimiento del método seleccionado, con respecto a los resultados indicados por el autor del artículo. Al final se presenta una interfaz de consulta con las soluciones previamente mencionadas. (Texto tomado de la fuente)
Texto completo 106 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- Lista de figurasp. 10
- Lista de tablasp. 14
- Lista de ecuacionesp. 16
- Introducciónp. 17
- 1.1 Motivaciónp. 17
- 1.2 Trabajos previosp. 19
- 1.3 Descripción del problemap. 20
- 1.4 Objetivosp. 20
- 1.4.1 Objetivo generalp. 20
- 1.4.2 Objetivos específicosp. 21
- 1.5 Alcancep. 21
- 1.6 Estructura del documentop. 21
- Marco teórico de referenciap. 23
- 3. Revisión sistemática de la literaturap. 41
- 3.1 Fuentes de informaciónp. 41
- 3.2 Trabajos relacionadosp. 44
- empleando técnicas de aprendizaje de máquinap. 52
- 4.1 Materialesp. 53
- 4.2 Identificación de variables y parámetrosp. 55
- 4.2.1 Algoritmo de seguimiento de partículas (Trackpy)p. 55
- 4.2.2 Correlación entre las variablesp. 73
- pesado empleando técnicas de aprendizaje de máquinas supervisadop. 78
- 4.4 Resultadosp. 85
- resultados en la literaturap. 91
- Aplicación de la solución implementadap. 94
- Conclusionesp. 97
- Trabajo futurop. 100
- Referenciasp. 101
- 2015)p. 23
- Figura 2: Distribución del tamaño de la gota medida en micrones (Kokal, 2005)p. 24
- Oviedo, s.f.)p. 26
- Figura 4: Esquema básico de una Red Neuronal (Leoca, 2017)p. 30
- Figura 5: Red Neuronal Recurrente (Digital Guide Ionos, 2020)p. 31
- Figura 6: Bosques Aleatorios (TIBCO, s.f.)p. 34
- Figura 7: Potenciación del Gradiente (Muhammad Shahani & Muhammad, 2021)p. 35
- Figura 8: Área bajo la curva (Di Sipio, 2021)p. 40
- máquina (ML)p. 43
- máquina (ML)p. 43
- (Unnikrishnan, Donovan, Macpherson, & Tormey, 2020)p. 48
- micrografías (Unnikrishnan, Donovan, Macpherson, & Tormey, 2020)p. 51
- Figura 13: Arquitectura de la solución (elaboración propia)p. 52
- Polanyi, s.f.)p. 54
- del %BSW (Michael Polanyi, s.f.)p. 55
- (Trackpy Contributors, Trackpy Documentation, 2015)p. 56
- y finalp. 58
- %BSWp. 60
- y en una fase final del %BSWp. 61
- fase final promedio del %BSWp. 62
- y en una fase final del %BSWp. 61
- promedio del %BSWp. 64
- fase final %BSWp. 65
- promedio del %BSWp. 64
- fase finalp. 68
- una fase final del %BSWp. 69
- y en una fase final del %BSWp. 61
- y en una fase final del %BSWp. 61
- Figura 30: Análisis de correlación por muestras con respecto a la señal y la masap. 75
- Figura 31: Componentes Principales para las variables que componen a la emulsiónp. 76
- contribución Total a Cp1 y Cp2p. 78
- predicho), b) Hiperparámetros, c) Variables importantesp. 81
- predicho), b) Hiperparámetros, c) Variables importantesp. 81
- vs. predicho), b) Hiperparámetros, c) Variables importantesp. 83
- b) Hiperparámetros, c) Variables importantesp. 85
- supervisadosp. 86
- Figura 39: Resultados del porcentaje de sensibilidad de los modelos supervisadosp. 87
- Figura 40: Resultados del porcentaje de especificidad de los modelos supervisadosp. 88
- supervisadosp. 86
- supervisados en las cinco categorías del %BSWp. 90
- aplicadosp. 92
- “Looker Studio” (Looker Studio, 2022)p. 96
- Tabla 1: Palabras claves de búsquedap. 41
- Tabla 2: Recursos digitales de material bibliográficop. 42
- emulsiones mediante la librería Trackpyp. 57
- y la diferencia entre el %BSW inicial y finalp. 58
- muestrasp. 59
- las muestrasp. 62
- muestrasp. 59
- muestrasp. 59
- muestrasp. 59
- Macpherson, & Tormey, 2020)p. 73
- supervisadosp. 86