پیش بینی و تنظیم بهینه نقطه شبنم در مخلوط های هیدروکربوری

تعیین نقطه ی شبنم یکی از مهمترین عناصر محاسبات مهندسی در صنایع نفت و گاز است. از جمله روشهای مورد استفاده درتعیین نقطه ی شبنم روش آزمایشگاهی است که پرهزینه و زمان بر می باشد. به همین دلیل شناسایی روشهای جایگزین در تعیین نقطه ی شبنم بسیار ضروری به نظر می رسد، یکی از این روشها استفاده از شبکه های عصبی است. هدف این پژوهش ارایه کاربردی دقیق از مدل شبکه ی عصبی جهت پیشبینی 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. و در پایان، با استفاده از الگوریتم ژنتیک، بهترین پارامترهای مدلسازی شبکه عصبی، بهینه سازی شده است. از نرم افزار برنامه نویسی متلب جهت مدلسازی شبکه عصبی و الگوریتم ژنتیک در این پژوهش استفاده شده است. مدلسازی شبکه عصبی براساس بهینه سازی ژنتیک می تواند به عنوان یک مدل دقیق برای تخمین نقطه شبنم درمخلوط 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 اندنمودار پراکندگیy=x در 45 درجه را رسم خواهد کرد که نماینده جواب های واقعی شبکه می باشد.

Keywords:

نقطه شبنم , شبکه عصبی مصنوعی , الگوریتم ژنتیک , کارخانه گاز و گاز مایع مارون