محاسبه لزجت نفت خام عربستان سعودی به کمک شبکه عصبی پایه شعاعی
Publish place: First National Exploration and Production Congress
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,293
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:
NEPC01_035
تاریخ نمایه سازی: 22 مهر 1387
Abstract:
در این مقاله برای تخمین لزجت نفت خام از یک روش عددی استفاده شده است. به منظور اندازه گیری ویسکوزیته نفت خام برای سه حالت، لزجت نفت اشباع، لزجت در بالای نقطه حباب و لزجت در زیر فشار اشباع اقدام می شو د. سپس با استفاده از مدل Khan و روش گوی غلتان لزجت نفت خام تخمین زده می شود. آنگاه با استفاده از این داده ها که شامل شرایط موثر در اندازه گیری لزجت است ویسکوزیته تخمین زده شده توسط مدل ارائه شده، یک شبکه عصبی پایه شعاعی آموزش داده می شود. این شبکه یک نوع شبکه عصبی مصنوعی دو لایه است که تابع تحریک لایه پنهان آن تابع گوسی بوده و برای آموزش آن از الگوریتمهای آموزش نظارت شده استفاده می شود. پس از آموزش شبکه عصبی پایه شعاعی، نتایج روش آزمایشگاهی و هوش مصنوعی با یکدیگر مقایسه می شود. با آموزش این شبکه قادر خواهیم بود که لزجت نفت خام را بدون استفاده از مدل Khan و شرایط آزمایشگاهی، تحت هر شرایط دیگری با دقت قابل قبولی تخمین بزنیم. نتایج نشان می دهد که شبکه عصبی شعاعی توانایی بالایی در تخمین لزجت نفت خام دارد. صرفه جویی در وقت و هزینه از دیگر مزایای این تحقیق است .
Keywords:
لزجت- نفت خام عربستان - شبکه عصبی پایه شعاعی - روش گوی غلتان - مدل Khan
Authors
محمد حیدری
دانشگاه آزاد اسلامی واحد الیگودرز ، گروه مکانیک
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 :