Using artificial neural net work top redict the specific v olume of polymeri c High temperat ure and h igh pressu re densit y predicti on of hydr ocarbons using artificial neural network method

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 80

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISPTC15_0105

تاریخ نمایه سازی: 11 دی 1400

چکیده مقاله:

The volu metric prop erties of hy drocarbons are of particular interest in connec tion with t he producti on and refining of petroleum. Density prediction of h ydrocarbons at extrem e temperature and pressure conditions are m ost relevant to petroleum engineering studies of ultra-deep reservoirs [۱]. An artificial neural network ( ANN) can be a suitable alternative to model the different thermodynamic properties. ANN i an especially efficient algorithm to approxim ate any function with a finite numb er of discon tinuities by learning the relationshi ps between the input and output ve ctors [۲]. Thus, an ANN is an appropriate technique to model the nonlinear behavi or of chemic al properties.

کلیدواژه ها:

Hydrocarbon ، ANN ، Group contribution method (GCM) ، Molar density.

نویسندگان

Majid Moosavi

Dept. of Che mistry, Faculty of Sciences, U niversity of Is fahan, Isfahan ۸۱۷۴۶-۷۳۴۴۱, Iran

Nima Soltani

Dept. of Che mistry, Faculty of Sciences, U niversity of Is fahan, Isfahan ۸۱۷۴۶-۷۳۴۴۱, Iran