Otimização por enxame de partículas de rede neural artificial para previsão de pressão de falha em dutos corroídos

Abstract

O estudo de integridade estrutural em dutos com defeitos (e.g., corroídos) é um assunto relevante, visto que falhas podem causar grandes acidentes e perdas financeiras consideráveis. Assim, se faz necessário conhecer as pressões de falha de dutos em tais condições, de modo a garantir a segurança e confiabilidade da operação. Nesse contexto, (FERREIRA, 2022) propôs uma metodologia para predição da pressão de falha em dutos com defeitos axissimétricos do perfil tipo river bottom, usando redes neurais artificiais (RNA). Portanto, o objetivo deste trabalho é o de complementar a metodologia proposta por (FERREIRA, 2022), otimizando a arquitetura da RNA, implementando uma metaheurística, o particle swarm optimization (PSO) (BRATTON; KENNEDY, 2007), que se baseia no movimento coletivo de partículas pelo espaço de busca até encontrar a solução ótima, resultando no PSO+RNA. Desse modo, busca-se encontrar uma arquitetura (i.e., número de camadas ocultas, neurônios por camada e funções de ativação) cujo erro quadrático médio (EQM) entre a pressão de falha observada e a prevista pela rede seja o menor possível. A metodologia foi implementada em Python, e suas execuções foram realizadas através do Google Colaboratory. Os resultados obtidos foram comparados com os encontrados por (FERREIRA, 2022), e se mostraram satisfatórios, com valores melhores para o EQM e para o coeficiente de determinação, apesar da rede encontrada ter sido mais complexa. Além disso, foi feita uma análise de sensibilidade para avaliar o impacto do tempo de treinamento e do tamanho do espaço de busca na aplicabilidade do PSO+RNA (i.e., fornecer resultados em tempo hábil). Foi possível observar que esses parâmetros influenciam na qualidade das arquiteturas obtidas bem como no tempo de simulação. Ainda assim, é uma metodologia flexível, permitindo encontrar soluções de acordo com o grau de complexidade requerido, e é capaz de fornecer resultados úteis com respeito à arquitetura ótima a ser usada para a previsão de pressões de falha, e em outros problemas envolvendo RNA.