ورود
مقالات فارسیISIکنفرانسهاژورنالها

Investigating Natural Gas Leakage Rates from pipeline at Supercritical Conditions: A CFDand Machine Learning Approach

محل انتشار: اولین کنفرانس بین المللی علم و فناوری خوارزمی
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 85

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:
https://civilica.com/doc/2023632

شناسه ملی سند علمی:

KHWARIZ01_006

تاریخ نمایه سازی: 18 تیر 1403

چکیده مقاله:

Natural gas leakage from pipelines at supercritical conditions was investigated using computationalfluid dynamics (CFD) and artificial neural networks (ANN). Important factors were analyzed to understandtheir impact on the pipeline leakage rate. An ANN was trained with ۲۱۰ data points from the CFD model topredict leakage rates

کلیدواژه ها:

Pipeline ، Supercritical ، ANN

نویسندگان

Moslem Abrofarakh

Ph.D. student, Department of Chemical Engineering, Shaid Nikbakhat Faculty of Engineering, University of Sistanand Baluchistan, Zahedan, Iran.

Mortaza Zivdar

Academic staff, Department of Chemical Engineering, Shaid Nikbakhat Faculty of Engineering, University ofSistan and Baluchistan, Zahedan, Iran.۳Academic staff, Department of Chemical Technologies, Iranian Research Organization for Science andTechnology (I

Davod Mohebbi-Kalhori

Academic staff, Department of Chemical Engineering, Shaid Nikbakhat Faculty of Engineering, University ofSistan and Baluchistan, Zahedan, Iran.