پیمان اعرابی جشوقانی - دانشجوی دکتری، دانشکده فیزیک، دانشگاه اصفهان
خدیجه رضایی - دانشیار، دانشکده فیزیک، دانشگاه اصفهان
سیدامیرحسین فقهی - استاد، دانشکده مهندسی هسته ای، دانشگاه شهید بهشتی
آزاده جعفری - استادیار، دانشکده مهندسی مکانیک، دانشگاه تهران
فروغ عاملی - استادیار، دانشکده مهندسی شیمی، دانشگاه علم و صنعت

استفاده از شبکه های عصبی مصنوعی عمیق نظیر شبکه های کانولوشنال از مباحث روز جهت استفاده در صنایع مختلف از جمله صنایع نفت و گاز است. در این پژوهش، در روشی جدید از طیف ارتفاع پالس (سیگنال) ثبت شده در آشکارساز یدور سدیم به عنوان ورودی شبکه عصبی کانولوشنالی جهت پیش بینی کسرحجمی هوا در جریان دوفازی آب-هوا استفاده شد. داده های مورد نیاز برای آموزش شبکه عصبی عمیق از حلقه جریان دوفازی دینامیک که قابلیت ایجاد رژیم های مختلف دوفازی نظیر توپی، حبابی، حلقوی و ... را دارد، در شرایط تجربی به دست آمده است. پس از آموزش شبکه عصبی عمیق، کسرحجمی هوا با مربعات میانگین خطای ۳ درصد پیش بینی شد. حداقل مقدار خطا در مقادیر پیش بینی شده نشان از کاربردی بودن شبکه های عصبی کانولوشنالی در صنایع نفت و گاز و دبی سنجی جریان های چند فازی است.

جریان دوفازی، رژیم دوفاز مایع گاز، شبکه عصبی عمیق، جریان سنج چند فازی، رژیم غیر همگن