Submitted by Almir Azevedo (barbio1313@gmail.com) on 2016-05-13T13:22:37Z No. of bitstreams: 0 / Made available in DSpace on 2016-05-13T13:22:37Z (GMT). No. of bitstreams: 0 Previous issue date: 2016-04 / Este trabalho apresenta uma metodologia baseada nos princípios de atenuação de raios gama para a identificação de frações de volume em sistemas bifásicos compostos por óleo-gás e água-gás que são encontrados na indústria petrolífera offshore e onshore. Esta metodologia baseia-se no reconhecimento de contagens por segundo no fotopico da fonte de radiação, utilizando um sistema de detecção composto por um detector de Nal(TI), uma fonte de Cs137 sem colimação posicionada a 180º com relação ao detector em um regime de fluxo estratificado liso. A modelagem matemática para a simulação computacional utilizando o código Monte Carlo N-Particle eXtended (MCNP-X) foi realizada utilizando as medições experimentais das características do detector (resolução energética e eficiência), das características dos materiais água e óleo (densidade e coeficiente de atenuação) e a medição das frações de volume. Para a predição destas frações foram utilizadas redes neurais artificiais (RNAs) e para se obter um treinamento adequado das RNAs para a predição das frações de volume foram simuladas no código MCNP-X um maior número de frações de volume. Dados experimentais foram utilizados no conjunto de padrões necessários para a validação das RNAs e os dados gerados por meio do código computacional MCNP-X foram utilizados nos conjuntos de treinamento e teste das RNAs. Foram utilizadas RNAs do tipo feed-forward multilayer perceptron (MLP) e analisadas duas funções de treinamento, Levenberg-Marquadt (LM) e gradiente descendente com momento (GDM), ambas utilizando o algoritmo de treinamento Backpropagation. As RNAs identificaram corretamente as frações de volume no sistema multifásico, com erros relativos médios inferiores a 1,21%, possibilitando a aplicação desta metodologia para tal propósito