Resumen

DIAZ-GONZALEZ, L.; HIDALGO-DAVILA, C.A.; SANTOYO, E.  y  HERMOSILLO-VALADEZ, J.. Evaluación de técnicas de entrenamiento de redes neuronales para estudios geotermométricos de sistemas geotérmicos. Rev. Mex. Ing. Quím [online]. 2013, vol.12, n.1, pp.105-120. ISSN 1665-2738.

En este trabajo se reportan los resultados de un análisis multivariado usando redes neuronales artificiales para determinar la contribución relativa de la composición catiónica de fluidos (Na, K, Mg, Ca y Li) en la estimación de la temperatura de fondo de pozos geotérmicos. En este estudio se utilizó una base de datos de composición de 219 muestras de fluidos geotérmicos y mediciones de temperatura de fondo medidas en pozos productores de diversas partes del mundo. Se evaluaron las arquitecturas neuronales usando diferentes técnicas numéricas de entrenamiento, funciones de activación logísticas y lineales, diferentes combinaciones de las entradas, 20 neuronas como máximo en la capa oculta y la temperatura como salida. Los resultados obtenidos de este estudio mostraron que la relación log(Na/K) presentó la más alta contribución relativa (69% al 75%), mientras que las variables log(Mg/Na²) y log(Ca/Na²) mostraron una menor contribución (3-13% y 12-22%, respectivamente). Las variables log(Na/Li), log(Li/√Mg) y Li obtuvieron un 3%. Detalles de la metodología y los resultados de validación son reportados en este trabajo.

Palabras llave : geotermómetros; energía geotérmica; Levenberg-Marquardt; inteligencia artificial; equilibrio químico y termodinámico.