Experimental Study of Heavy Liquid Hydrocarbon Pyrolysis: Application of Neural Network to Predict the Main Product Yields
محل انتشار: چهاردهمین همایش بین المللی نفت، گاز و پتروشیمی
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,428
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IOGPC17_163
تاریخ نمایه سازی: 3 آبان 1389
چکیده مقاله:
products distribution of thermal cracking of heavy liquid hydrocarbon feedstock were investigated in a tubular reactor at atmospheric pressure. Central composite design CCD was used as an experimental design. The design variables were coli outlet temperature COT steam ratio and feed flow rate. maximum yields of ethylene were 30.37 wt.% at COT,steam ratio and residence time of 869 C , 1.22 gr/gr and 0.208 sec respectively. maximum yields of propylene was 15.37 wt.% at COT , steam ratio and residence time of 825 C , 0.95gr/gr and 0.147 sec respectively. maximum yield of olefin ethylene +propylene was obtained at 842.5 C, steam ratio of 1.24 gr/gr and residence time of 0.17 sec. in these conditions , the yields of ethylene and propylene are 27.2 and 13.6 weight percent respectively. finally , a three layer perceptron neural network , with back propagation BP training algorithm , was developed for modeling of thermal cracking of heay feedstock. the optimum structure of neural network was determined by a trial and error method and different structures were tried.
کلیدواژه ها:
نویسندگان
mehdi sedighi
chemical engineering department faculty of engineering tarbiat modaress university
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :