Resumen

En esta investigación se utilizaron modelos de redes neuronales para predecir la acción de los fenómenos de sloshing en un tanque que contiene fluido bajo excitación armónica. En este análisis se propone una nueva metodología para comprobar y simular el comportamiento del chapoteo del fluido en el tanque. El comportamiento de sloshing fue primero modelado usando el método de hidrodinámica de partículas suaves (SPH). A continuación, se utilizó el algoritmo de retropropagación del error para aplicar las dos redes neuronales multicapa feed-forward y la red neuronal recurrente. Los resultados del proceso SPH se emplean en el entrenamiento y la prueba de las redes neuronales. Los datos de entrada de la red neuronal incluyen la posición, la velocidad y la aceleración del tanque, los datos de salida neuronal y la posición de la onda de la curva de chapoteo del fluido. Los resultados de las redes neuronales se correlacionaron con las pruebas experimentales proporcionadas en la literatura. Los resultados revelaron que las redes neuronales pueden utilizarse para predecir el chapoteo del fluido.

• Materias:Dióxido de carbono Perforación de pozos de minas Yacimientos minerales Minería Minas y minería Geofluidos
• Subjects:Carbon dioxide Shaft sinking Mineral deposits Mining Mines and mining Geofluids
• Palabras claves:red neuronal, comportamiento de chapoteo del fluido, modelo de red neuronal, red neuronal recurrente, datos de la red neuronal, acción de chapoteo, curva de posición de la onda, curva de chapoteo del fluido, datos de salida neuronal, hallazgo
• Keywords:neural network, fluid sloshing behavior, neural network model, recurrent neural network, neural network data, action of sloshing, curve wave position, fluid sloshing curve, neural output data, finding