سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بهینه سازی پیش بینی ضریب تراکم پذیری گاز طبیعی با استفاده ازترکیب شبکه های عصبی و الگوریتم ژنتیک بر پایه معادله حالت MMA

Publish Year: 1393
Type: Conference paper
Language: Persian
View: 1,182

This Paper With 11 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

RESERVOIR03_064

Index date: 12 July 2014

بهینه سازی پیش بینی ضریب تراکم پذیری گاز طبیعی با استفاده ازترکیب شبکه های عصبی و الگوریتم ژنتیک بر پایه معادله حالت MMA abstract

اندازه گیری خواص فشار-حجم-دمای گاز طبیعی درون خطوط انتقال، سیستم های ذخیره گاز، و مخازن گاز نیازمند مقدار درستی از ضریب تراکم پذیری میباشد.گرچه معادلات حالت و روابط تجربی زیادی در این زمینه جهت تخمین این ضریب مورد استفاده قرار گرفته است، اما تخمینی صحیح تنها با استفاده از این معادلات اساسا وابسته به بازه ای از داده ها بوده که روابط بر پایه آنها حاصل شده است.یکی از این معادلات معادله حالت محمدی خواه-محبی-ابولقاسمی (MMA) بوده که در آن ضریب تراکم پذیری به عنوان تابعی از پارامترM، ، تعریف می شود.از آنجایی که تقاضا برای روش های نوین، قابل اعتمادتر و البته مدل های آسان تر و سریع تر می باشد، لذا محققان را برآن داشته است تا مدل های جدیدی بر پایه سیستم های هوش مصنوعی ارائه دهند.در این مقاله علاوه بر دمای نقصانی و فشار نقصانی، که بطور معمول در تخمین ضریب تراکم پذیری مورد استفاده واقع می شوند، پارامتر دیگری به نام M به یک مدل از شبکه عصبیبه عنوان ورودی اضافه گردیده و پارامترضریب تراکم پذیری نیز به عنوان خروجی شبکه در نظر گرفته شده است. این مقاله الگوریتم ژنتیک را به عنوان یک الگوریتم جستجوی تصادفی مبتنی بر جمعیت جهت بهینه سازی ساختار شبکه عصبی و همچنین تنظیم وزن ها و بایاس های مرتبط با آن معرفی میکند. نتایج این تحقیق با تعدادی از معادلات مرسوم مورد مقایسه قرار می گیرد. ضریب همبستگی ( ) بین پیش گویی مدل این مطالعه و داده های تجربی برابر با 0.99445 می باشد

بهینه سازی پیش بینی ضریب تراکم پذیری گاز طبیعی با استفاده ازترکیب شبکه های عصبی و الگوریتم ژنتیک بر پایه معادله حالت MMA Keywords:

ضریب تراکم پذیری گاز طبیعی , شبکه عصبی , الگوریتم ژنتیک , معادله حالت MMA

بهینه سازی پیش بینی ضریب تراکم پذیری گاز طبیعی با استفاده ازترکیب شبکه های عصبی و الگوریتم ژنتیک بر پایه معادله حالت MMA authors

سعید افشاری منش

دانشجوی کارشناسی ارشد مهندسی شیمی دانشگاه شهید باهنر کرمان

علی محبی

استاد مهندسی شیمی، دانشگاه شهید باهنر کرمان

ولی احمد سجادیان

استادیار مهندسی نفت، دانشگاه صنعت نفت اهواز

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 :
E. Sanjari, E. Nemati, Lay, Estimation of natural gas compressibility ...
E. Heidaryan, A. Salarabadi, J. Moghadasi, A novel correlation approach ...
Bahadori, A., Mokhatab, S., Towler, B.F., 2007. Rapidly estimating natural ...
A. Kamari, A. Hemmati- Sarapardeh, S.M. Mirabbasi, M. Nikookar, A.H. ...
A. Normandin, P.A. Grandjean, J. Thibauld, PVT Data Analysis Using ...
M. Kamyab Jr., J.H.B. Sampaio, F. Qanbari, A.W. Eustes III, ...
Magee, J.W., Haynes, W.M., and Hiza, M...Isochoric (p_ p_T) measuremens ...
Capla, P., Buryan, J., Jedelsk y, M., Rottner, and L ...
Duschek, W., Kleinrahm, R., and Wagner, W. , Measurement of ...
A. Chamkalani, S. Zendehboudi, R. Chamkalani, A. Lohi, A. Elkamel, ...
A. Chamkalani, A. Mae'soumi, A. Sameni, An intelligent approach for ...
P.M. Dranchuk, J.H. Abou-Kassem, Calculation of Z Factors For Natural ...
N. Azizi, R. Behbahani, M.A. Isazadeh, An efficient correlation for ...
(Dranchuk and Abou-Kassemt 975) (Heidaryan-S alarab a di-M oghadasi20 10) ...
J. Nat. Gas Chem. 19 (2010) 642-645. ...
4] M o hammadikhah, R., Abolghasemi, H., and Mohebbi, A.A ...
نمایش کامل مراجع

مقاله فارسی "بهینه سازی پیش بینی ضریب تراکم پذیری گاز طبیعی با استفاده ازترکیب شبکه های عصبی و الگوریتم ژنتیک بر پایه معادله حالت MMA" توسط سعید افشاری منش، دانشجوی کارشناسی ارشد مهندسی شیمی دانشگاه شهید باهنر کرمان؛ علی محبی، استاد مهندسی شیمی، دانشگاه شهید باهنر کرمان؛ ولی احمد سجادیان، استادیار مهندسی نفت، دانشگاه صنعت نفت اهواز نوشته شده و در سال 1393 پس از تایید کمیته علمی سومین همایش علمی مهندسی مخازن هیدروکربوری و صنایع بالا دستی پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله ضریب تراکم پذیری گاز طبیعی، شبکه عصبی، الگوریتم ژنتیک، معادله حالت MMA هستند. این مقاله در تاریخ 21 تیر 1393 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1182 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که اندازه گیری خواص فشار-حجم-دمای گاز طبیعی درون خطوط انتقال، سیستم های ذخیره گاز، و مخازن گاز نیازمند مقدار درستی از ضریب تراکم پذیری میباشد.گرچه معادلات حالت و روابط تجربی زیادی در این زمینه جهت تخمین این ضریب مورد استفاده قرار گرفته است، اما تخمینی صحیح تنها با استفاده از این معادلات اساسا وابسته به بازه ای از داده ها بوده ... . این مقاله در دسته بندی موضوعی الگوریتم ژنتیک و شبکه عصبی طبقه بندی شده است. برای دانلود فایل کامل مقاله بهینه سازی پیش بینی ضریب تراکم پذیری گاز طبیعی با استفاده ازترکیب شبکه های عصبی و الگوریتم ژنتیک بر پایه معادله حالت MMA با 11 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.