پیش بینی میزان رسوب واکس با استفاده از شبکه های عصبی و الگوریتم ژنتیک و مقایسه آن با مدل چند جامدی (Multi-solid) در سیستمهای نفت خام
Publish place: 12th National Iranian Chemical Engineering Congress
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,855
This Paper With 12 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:
NICEC12_812
تاریخ نمایه سازی: 30 شهریور 1387
Abstract:
این مقاله یکی از کاربردهای جدید تکنولوژی شبکه عصبی و برنامه ژنتیک در مهندسی نفت می باشد. روشهای هوشمند جهت محاسبه میزان رسوب واکس در مخلوط های نفت خام در دامنه های مختلف دمایی استفاده شده است. در این کار، یک شبکه عصبی چند لایه ای Feed forward معمولی و نظریه طراحی شبکه عصبی با استفاده از الگوریتم ژنتیک جهت پیش بینی میزان رسوب واکس پیشنهاد شده است. دقت این مدل در پیش بینی میزان رسوب واکس با استفاده از اطلاعات سیال مخزن که در آموزش شبکه شرکت نکرده اند امتحان شده است. همچنین کارکرد این مدل در مقایسه با مدل چند جامدی فیروز آبادی و همکارانش برای پیش بینی میزان رسوب واکس با اطلاعات آزمایشگاهی نتایج بهتری میدهد. نهایتا ، نتایج مدل نشان میدهد که این مدل پیشنهادی از جهت دقت و عمومیت نسبت به سایر مدلهای پیشنهادی برتری زیادی دارد.
Keywords:
Authors
عباس خاکسار منشاد
دانشگاه آزاد اسلامی واحد امیدیه ، امیدیه ، خوزستان
محسن عدالت
قطب نفت وگاز ، گروه مهندسی شیمی دانشکده فنی ، دانشگاه تهران
سیاوش عاشوری
گروه مهندسی نفت ، دانشگاه صنعت نفت ، اهواز
غلامحسین منتظری
قطب نفت وگاز ، گروه مهندسی شیمی دانشکده فنی ، دانشگاه تهران
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 :