Prediction of H2S Concentration in Gas Sweetening Processing Units by Using Artificial Neural Networks
Publish place: The 1st National Conference for Technology Development in Oil, Gas & Petrochemical Industries
Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: English
View: 2,431
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TOIL01_018
تاریخ نمایه سازی: 4 اسفند 1389
Abstract:
Gas sweetening is a fundamental step in gas treatment processes. In gas sweetening units, acid gases (H2 S and CO2 ) are chemically absorbed from a gas using aqueous alkanolamine solutions, to product a sweet gas. The solvent is regenerated in a desorption column and the purified solvent is recycled to the absorption column. Gas sweetening units can be controlled if all of operation data for example sweet gas, lean amine and rich amine flow rates, concentration and temperatures existed. In this paper a new method based an Artificial Neural Network (ANN) for prediction of H S concentration in lean amine stream. Sour gas and sweet gas have been input variables of the network and have been set as network output. These predictions can be prevented operation problems. The results according to R value and mean squared error shows good accuracy of this type of modeling.
Keywords:
Authors
Omid Rahmanpour
Petroleum University of Technology, Gas Engineering Department, Ahwaz, Iran
Hadi Ajami
Petroleum University of Technology, Gas Engineering Department, Ahwaz, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :