Abstract
Os sistemas de fluxo bifásico envolvem o movimento de duas fases distintas, tais como líquido-líquido ou óleo-gás. Eles são amplamente utilizados na indústria petroquímica e de energia, com aplicações na produção e escoamento de petróleo e gás, dentre outras. Os padrões de escoamento em dutos dependem de vários fatores, como sua velocidade e direção, as propriedades dos fluidos envolvidos e a geometria da instalação. Neste trabalho foram implementadas e avaliadas diferentes técnicas de aprendizagem de máquina, objetivando identificar padrões de escoamento do tipo líquido-líquido em tubulações. Os dados utilizados para treinar e avaliar os modelos de aprendizagem foram coletados a partir de estudos disponíveis na literatura. O objetivo da pesquisa foi analisar as acurácias dos modelos e compará-las com valores encontrados nas referências. De acordo com os resultados obtidos, a técnica Random Forest (Floresta Aleatória) foi a que apresentou maior acurácia, com um valor de 96,24%. Ela foi seguida pelas técnicas SVM (Máquinas de vetores de suporte) e KNN (K-Vizinhos Mais Próximos), que alcançaram acurácias de 94,13% e 89,20%, respectivamente.

This publication has 22 references indexed in Scilit: