پیش بینی قطر متوسط قطرات ( قطر ساتر) در برج های استخراج ضربانی با سینی هایغربالی، با استفاده از شبکه عصبی مصنوعی
- سال انتشار: 1401
- محل انتشار: اولین همایش بین المللی هوش مصنوعی، علم داده و تحول دیجیتال در صنعت نفت و گاز
- کد COI اختصاصی: OILANDGAS01_037
- زبان مقاله: فارسی
- تعداد مشاهده: 321
نویسندگان
استادیار گروه مهندسی شیمی، دانشگاه آزاد اسلامی واحد بوشهر،
چکیده
قطر متوسط قطرات، پارامتری اساسی برای محاسبات هیدرودینامیکی برج های استخراج است و پارامترهای مهم دیگری ازجمله: حداکثر بار برج، نقطه طغیان و مقدار انتقال جرم را تعییین میکند. روابط تجربی ارائه شده، در بردارنده تمامیمتغیرهای تاثیرگذار بر این پارامتر نیست. به همین دلیل، نتایج حاصل از این روابط خطای زیادی دارد. از سوی دیگر شبکهعصبی در حل مسائلی که به دلیل در دسترس نبودن اطلاعات مربوط به تمامی عوامل تاثیرگذار و یا وجود رابطه ای بسیارپیچیده بین داده ها، مدل سازی ریاضی در مورد آنها ممکن و یا عملی نیست، توانایی بالایی دارد. در این تحقیق، قطر متوسط( قطر ساتر) در برج های ضربانی با سینی های غربالی با استفاده از شبکه عصبی مصنوعی پیش بینی شد. برای مدلسازی ازشبکه پرسپترون چند لایه با الگوریتم آموزش لونبرگ – مارکوآرت استفاده گردید. تعداد بهینه لایه ها و نرون های لایه مخفیبا حدس و خطا تعیین و نتایج مدلسازی با نتایج مدل تجربی و مقادیر آزمایشگاهی مقایسه شد. نتایج، معرف تطابق عالیبین مقادیر آزمایشگاهی و نتایج پیش بینی شده شبکه عصبی با ضریب همبستگی R۲=۰/۹۹۶۳ و خطای بسیار پایین بود. بنابراین می توان بیان نمود که شبکه عصبی مصنوعی یک روش قوی برای پیش بینی قطر ساتر در برج های استخراج ضربانیبا سینی های غربالی با دقت بالا استکلیدواژه ها
برج استخراج ضربانی، سینی غربالی، قطر متوسط قطرات، شبکه عصبی مصنوعیمقالات مرتبط جدید
- غربالگری باکتریهای احیاکننده گوگردی و آنالیز فلاکسهای متابولیک در آنها
- بررسی پارامترهای پتروفیزیکی یکی از میادین نفتی جنوب غرب ایران با استفاده از ابزارهای چاه پیمایی
- بررسی فناوریهای نوین در تصفیه آب و چالشهای محیط زیستی با تاکید بر صنایع نفت و گاز
- راهکار یکپارچه برای احیای دینامیکی و ارزیابی عملکرد مخازن نفت و گاز در چاه های فاقد جریان سیال
- مطالعه مروری بررسی تاثیر تزریق آب بر رسوب آسفالتین و آسیب سازند
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.