Tese

Neural network meta-models for FPSO motion estimation from environmental data (2023)

• Authors:
  • Cotrim, Lucas Pereira
  • Tannuri, Eduardo Aoun (Orientador)
  • Reali Costa, Anna Helena (coorient)
• Autor USP: COTRIM, LUCAS PEREIRA - EP
• Unidade: EP
• Sigla do Departamento: PMI
• Subjects: APRENDIZADO COMPUTACIONAL; ENGENHARIA NAVAL E OCEÂNICA; REDES NEURAIS
• Language: Inglês
• Abstract: O processo atual de projeto de sistemas de amarração de unidades flutuantes de produção, armazenamento e transferência (em inglês Floating Production, Storage, Offloading, ou FPSOs) é altamente dependente de um modelo matemático hidrodinâmico da plataforma e da precisão de simulações dinâmicas, através das quais séries temporais de movimento são avaliadas de acordo com requisitos de projeto. Esse processo é demorado e pode apresentar resultados imprecisos devido às limitações do modelo matemático e à complexidade geral da dinâmica da plataforma. Neste trabalho é proposto um Simulador Neural, um conjunto de modelos alternativos baseados em dados, que recebem condições meteoceânicas como entrada e são especializados na previsão de diferentes estatísticas de movimento relevantes ao projeto do sistema de amarracao de uma FPSO: Máximo ângulo de roll, Máximo Offset do centro de gravidade da plataforma e deslocamentos de seus fairleads. Os meta-modelos são treinados por dados de correntes, ventos e ondas fornecidos em períodos de 3 horas da Bacia de Campos de 2003 a 2010 e a resposta dinâmica associada de uma FPSO do tipo spread-moored obtida por simulação através do software Dynasim. Técnicas de otimização de hiperparâmetros são realizadas para obtenção de arquiteturas de Redes Neurais Artificiais (ANNs) otimizadas para previsão de cada variável de projeto e para diferentes calados da FPSO. Finalmente, mostra-se que os modelos propostos capturam corretamente a dinâmica da plataforma quando comparados com os resultados obtidos pelo Dynasim. Conclui-se que redes neurais podem ser treinadas em dados meteoceânicos reais para previsão adequada de variáveis de projeto em tempo computacional reduzido em comparação com métodos tradicionais baseados em simulação dinâmica.A arquitetura proposta pode ainda ser integrada em um framework de aprendizado automatizado por meio do treinamento contínuo dos modelos conforme novos dados são medidos.
• Imprenta:
  • Publisher place: São Paulo
  • Date published: 2023
• Data da defesa: 30.03.2023


---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  COTRIM, Lucas Pereira. Neural network meta-models for FPSO motion estimation from environmental data. 2023. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3152/tde-02062023-080712/. Acesso em: 01 jan. 2026.

• APA

  Cotrim, L. P. (2023). Neural network meta-models for FPSO motion estimation from environmental data (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3152/tde-02062023-080712/

• NLM

  Cotrim LP. Neural network meta-models for FPSO motion estimation from environmental data [Internet]. 2023 ;[citado 2026 jan. 01 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3152/tde-02062023-080712/

• Vancouver

  Cotrim LP. Neural network meta-models for FPSO motion estimation from environmental data [Internet]. 2023 ;[citado 2026 jan. 01 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3152/tde-02062023-080712/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Neural network meta-models for FPSO motion prediction from environmental data with different platform loads