Prediction of scale thickness in pipelines using artificial neural network and gamma rays by MCNP6 code

Autores

  • William Luna Salgado Universidade Federal do Rio de Janeiro
  • Roos Sophia de Freitas Dam Universidade Federal do Rio de Janeiro
  • Renato Raoni Werneck Affonso Universidade Federal do Rio de Janeiro
  • César Marques Salgado Instituto de Engenharia Nuclear

Resumo

This report presents a method to study the deposition of scale in pipelines of multiphase systems (oil/water/gas), commonly found in the petroleum industry.

Linha principal do CV-28: lente quadripolar e distribuidor magnético

Downloads

Publicado

2021-08-12

Como Citar

Luna Salgado, W. ., Dam, R. S. de F., Affonso, R. R. W. ., & Salgado, C. M. (2021). Prediction of scale thickness in pipelines using artificial neural network and gamma rays by MCNP6 code. Instituto De Engenharia Nuclear: Progress Report, (4). Recuperado de https://revistas.ien.gov.br/index.php/ienprogressreport/article/view/423

Edição

n. 4 (2021): IEN - Progress Report 2018-2020 n.4

Seção

Application of Nuclear Techniques in Industry

Licença

Copyright (c) 2021 William Luna Salgado, Roos Sophia de Freitas Dam, Renato Raoni Werneck Affonso, César Marques Salgado

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.