استفاده از هوش مصنوعی در پیش بینی کسر حجمی در جریان های سه فازی

سال انتشار: 1402
محل انتشار: بیستمین کنفرانس دینامیک شاره ها
کد COI اختصاصی: CFD20_004
زبان مقاله: فارسی
تعداد مشاهده: 297

نویسندگان

دانشیار گروه فیزیک، دانشکده علوم پایه، دانشگاه قم

چکیده

پیش بینی صحیح کسر حجمی در جریان های سه فازی در شرایط عملیاتی حساس، پارامتری مهم در صنعت نفت و پتروشیمی است. در این تحقیق روشی جدید برای پیش بینی درصد کسر حجمی در سیستم های چند فازی آب- گازوئیل-هوا بر اساس روش پرتو گاما و پرسپترون چند لایه (MLP) ارائه گردید. سیستم آشکارسازی از چیدمان تک چشمه- تک آشکارساز استفاده می کند. این چیدمان تجربی، داده های مورد نیاز را برای آموزش و آزمایش شبکه فراهم می کند. با استفاده از این روش پیشنهادی، کسر حجمی در جریان های سه فاز آب- گازویل-هوا با میانگین درصد خطای نسبی (MRE%) کمتر از ۴/۶۴% و ریشه میانگین مربعات خطا (RMSE)؛ ۱/۴۹ پیش بینی شد. نتایج نشان داد تطابق خوبی بین درصد کسر حجمی پیش بینی شده و داده های واقعی وجود دارد. سیستم های قدیمی بدلیل استفاده از آشکارسازها و چشمه های متعدد پیچیده بودند در حالی که طراحی جدید ساده است. همچنین، شرایط ایمنی و حفاظت در برابر پرتو و الزامات الکترونیکی بهینه شده است، بنابراین هزینه تا حد امکان به حداقل می رسد.

کلیدواژه ها

تک چشمه- تک آشکارساز، پرتو گاما، درصد کسر حجمی، جریان های سه فازی، شبکه عصبی مصنوعی

مقالات مرتبط جدید

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.