Avaliação do monitoramento do teor de óleos e graxas no descarte da água produzida por modelos de aprendizado de máquina: estudo de caso (2025)
- Authors:
- Autor USP: GERMINIANI, JULIANA CORDEIRO - EP
- Unidade: EP
- Sigla do Departamento: PQI
- Subjects: ANÁLISE DE DADOS; ÁGUA DO MAR; APRENDIZADO COMPUTACIONAL
- Language: Português
- Abstract: A crescente produção de petróleo em plataformas no Brasil traz desafios para o gerenciamento da água produzida, que é extraída junto com o óleo e é normalmente descartada no mar. A legislação brasileira CONAMA 393/07 estabelece método gravimétrico para quantificação do óleo e os limites do teor de óleos e graxas (TOG) no descarte. Essa técnica exige o uso de balança analítica e, por isso, é realizada em ambiente terrestre. Outras metodologias analíticas são adotadas a bordo da plataforma para manter o controle operacional. A baixa correlação observada entre as metodologias de campo e a oficial na unidade em estudo representa um desafio à gestão operacional do descarte, resultando na necessidade de direcionar preventivamente a vazão de água para os tanques da embarcação. Isso gera acúmulo de água nos tanques, custos com biocida e impactos na integridade dos tanques da embarcação. O procedimento operacional adotado envolve a atuação em variáveis de operação na planta e nos poços, tais como restrições de poços, alteração na temperatura de produção e na vazão de água de dessalgação, dosagem de produtos químicos. Assim, não há possibilidade de isolar os efeitos de variáveis individuais sobre a concentração de óleo final na água produzida. Dadas essas dificuldades e devido à grande quantidade de dados disponíveis, o presente estudo visou avaliar os modelos baseados em aprendizado de máquina para associar as variáveis operacionais ao TOG na água produzida. Foram considerados algoritmos tais como análise de regressão múltipla, árvore de decisão, random forest, vetores suporte e redes neurais usando as variáveis de processo como preditoras para verificar os resultados dos modelos frente ao TOG real. As aplicações dos métodos foram feitas utilizando base de dados históricosdisponibilizados pela Petrobras para uma das suas unidades em produção no pré-sal brasileiro e a metodologia baseada em trabalhos anteriores. Os resultados obtidos mostram que a técnica random forest apresentou melhor coeficiente de determinação geral, 79%, com erro médio de 2,6 mg/L associado.
- Imprenta:
- Data da defesa: 28.04.2025
-
ABNT
GERMINIANI, Juliana Cordeiro. Avaliação do monitoramento do teor de óleos e graxas no descarte da água produzida por modelos de aprendizado de máquina: estudo de caso. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3137/tde-13102025-100449/pt-br.php. Acesso em: 11 jan. 2026. -
APA
Germiniani, J. C. (2025). Avaliação do monitoramento do teor de óleos e graxas no descarte da água produzida por modelos de aprendizado de máquina: estudo de caso (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3137/tde-13102025-100449/pt-br.php -
NLM
Germiniani JC. Avaliação do monitoramento do teor de óleos e graxas no descarte da água produzida por modelos de aprendizado de máquina: estudo de caso [Internet]. 2025 ;[citado 2026 jan. 11 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3137/tde-13102025-100449/pt-br.php -
Vancouver
Germiniani JC. Avaliação do monitoramento do teor de óleos e graxas no descarte da água produzida por modelos de aprendizado de máquina: estudo de caso [Internet]. 2025 ;[citado 2026 jan. 11 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3137/tde-13102025-100449/pt-br.php
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
