منیژه رسولی - گروه هوش مصنوعی، واحد علوم و تحقیقات بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران
مرضیه دادور - گروه هوش مصنوعی، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران
طاهره راستگو - استادیارگروه ریاضی، دانشگاه فرهنگیان پردیس بنت الهدی، بوشهر، ایران

میتر یک ابزار اندازه گیری حجم سیالات میباشد. در پایانه های نفتی شرکت ملی نفت ایران برای اندازه گیری حجمنفت از انواع میترها استفاده میکنند. یکی از میترها که با توجه به خصوصیات فیزیکی نفت کوره مورد استفاده قرار می-گیرد میتر جابجایی مثبت میباشد. میترها حتی اگر کالیبره باشند مانند سایر ابزارهای اندازه گیری نتایج آنها دارای اندکخطایی میباشد. لذا برای جلوگیری از ایجاد خطا و رسیدن به اندازه دقیق حجم ها از ضریب تصحیح استفاده می شود. دراین تحقیق سعی شده که به وسیله الگوریتم رگرسیون بردار پشتیبان به ابزاری جهت پیش بینی ضریب تصحیح میترجابجایی مثبت دست یابیم و عملیات های سنگین فعلی را در محاسبه این ضریب حذف کنیم. برای تنظیم پارامترهایرگرسیون بردار پشتیبان از الگوریتم بهینه سازی اجتماع ذرات استفاده شد و عملکرد این الگوریتم توسط معیارهایارزیابی ضریب همبستگی، میانگین مربع خطاو با هم مقایسه شد.کرنل های مورد استفاده در این الگوریتم ها کرنل خطی، چند جمله ای، RBF می باشد. نتایج شبیه سازی نشان میدهد که الگوریتم پیشنهادی SVR-PSO با کرنل RBF توانسته MSE=8/93 و R=0/98 نتایج و کیفیت برتری نسبت با سایر کرنل ها دارد.

میتر جابجایی مثبت، تخمین، رگرسیون بردار پشتیبان ، الگوریتم بهینه سازی اجتماع ذرات