رضا سنگل زاده - دانشجوی دکتری مهندسی نفت مخازن، دانشگاه صنعت نفت
خلیل شهبازی - دانشیار دانشکده مهندسی نفت، دانشگاه صنعت نفت

تزریق دی اکسید کربن یکی از روشهای شناخته شده و مقرون به صرفه برای ازدیاد برداشت است. برخلاف تاثیر بالای دی اکسید کربن بر ازدیاد برداشت حلالیت اندک نرمال آلکان ها در CO2 فوق بحرانی کاربرد این روش در صنعت را با محدودیت روبرو کرده است. بنابراین تعیین میزان حلالیت نرمال آلکان های مختلف در CO2 فوق بحرانی از اهمیت بالایی برخوردار است. به دلیل زمان بر و پرهزینه بودن تعیین حلالیت نرمال آلکان ها در این مقاله با استفاده از روشهای هوش مصنوعی تلاش شده تا مدلی برای تعیین میزان حلالیت نرمال آلکان ها در CO2 فوق بحرانی و تا فشار 45.9MPa ارایه شود. به همین منظور در روش شامل مدل شبکه عصبی و همچنین روش ترکیبی شبکه عصبی-منطق فازی (ANFIS) و همچنین استفاده از الگوریتم بهینه سازی (PSO) برای مدل شبیه سازی استفاده شده است. طبق نتایج ارایه شده توسط مدل ANFIS-PSO مقادیر پیش بینی شده برای درصد وزنی نرمال آلکان حل شده در CO2 فوق بحرانی تطابق خیلی بالایی با مقادیر اندازه گیری شده دارند. نتایج این کار نشان می دهد که ANFIS-PSO روشی موثر در پیش بینی میزان حلالیت نرمال آلکان ها در CO2 فوق بحرانی است.

حلالیت نرمال آلکان، CO2 فوق بحرانی، تزریق CO2 روشهای هوش مصنوعی، PSO