پیش بینی و تنظیم بهینه نقطه شبنم در مخلوط های هیدروکربوری
Publish place: دومین کنفرانس بین المللی پژوهش در علوم و مهندسی
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 554
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICRSIE02_049
Index date: 2 August 2017
پیش بینی و تنظیم بهینه نقطه شبنم در مخلوط های هیدروکربوری abstract
تعیین نقطه ی شبنم یکی از مهمترین عناصر محاسبات مهندسی در صنایع نفت و گاز است. از جمله روش های مورد استفاده در تعیین نقطه ی شبنم روش آزمایشگاهی است که پرهزینه و زمان بر می باشد. به همین دلیل شناسایی روش های جایگزین در تعیین نقطه ی شبنم بسیار ضروری به نظر می رسد، یکی از این روش ها استفاده از شبکه های عصبی است. هدف این پژوهش ارایه کاربردی دقیق از مدل شبکه ی عصبی جهت پیش بینی نقطه ی شبنم مخلوط های گازی زیراشباع است. به همین منظور مدلسازی با استفاده از شبکه عصبی، تعداد 149 داده ی آزمایشگاهی از نمونه جداکننده های کارخانه گاز و گاز مایع مارون از توابع شرکت مناطق نفت خیز جمع آوری شد. سپس با استفاده از مدلسازی شبکه عصبی نتایج به دست آمده براساس پارامترهای مختلف این مدل گزارش داده شده است. سازی شده است. از نرم افزار برنامه نویسی متلب جهت مدلسازی شبکه عصبی در این پژوهش استفاده شده است. مدلسازی شبکه عصبی می تواند به عنوان یک مدل دقیق برای تخمین نقطه شبنم در مخلوط های گازی هیدروکربنی و غیر کربنی در نظر گرفته شود.نتایج بدست آمده به شدت تابعی از تعداد لایه های مخفی و همچنین تعداد نرون های هر لایه می باشد.دمای نقطه شبنم متناظر با داده هایی که برای شبیه سازی وآزمایش به کار رفته اند نمودار پراکندگی y=x در 45 درجه را رسم خواهد کرد که نماینده جواب های واقعی شبکه می باشد.
پیش بینی و تنظیم بهینه نقطه شبنم در مخلوط های هیدروکربوری Keywords:
پیش بینی و تنظیم بهینه نقطه شبنم در مخلوط های هیدروکربوری authors
رضا مالکی زاده
گروه مهندسی شیمی،واحد ماهشهر،دانشگاه آزاد اسلامی،ماهشهر،ایران.
رامین روغنیان
گروه مهندسی شیمی،واحد ماهشهر،دانشگاه آزاد اسلامی،ماهشهر،ایران.
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 :