پیش بینی وزن مخصوص نفت خام به کمک شبکه عصبی - فازی
- سال انتشار: 1391
- محل انتشار: دومین همایش ملی نفت ،گاز و پتروشیمی
- کد COI اختصاصی: NCOGP02_359
- زبان مقاله: فارسی
- تعداد مشاهده: 1160
نویسندگان
دانشگاه آزاد اسلامی شهرضا
چکیده
دراین پژوهش وزن مخصوص نفت خام براساس پارامترهای دما فشارومیزان گاز H2S با استفاده ازمدل شبکه عصبی فازی پیش بنی شده است درمدل عصبی فازی ANFIS پارامترهای epoch تعداد تابع عضویت نوع تابع عضویت و روش بهینه مورد بررسی قرارگرفت که ساختاربهینه برای مدل عصبی فازی به ترتیب 60و333 تابع عضویت مثلثیhybrid )trimf بدست آمد برای ساختاربهینه مقدار MSE=3/5364×10 -7 و R²=0/9299 و %AAD=6/64 بدست آمد نتایج بدست آمده توسط مدل شبکه عصبی - فازی و مقایسه آن با داده های ازمایشگاهی نشان میدهد که تطابق خوبی میان آنها وجود داردکلیدواژه ها
مدل عصبی - فازی، تعدادتابع عضویت، روش بهینه، وزن مخصوص نفت خاممقالات مرتبط جدید
- نگاهی به نقش اقتصاد سیاسی ایران در مدیریت مصرف انرژی
- مقایسه روشهای نورتابی شیمیایی رادیکال *CH و *OH در استخراجپاسخ دینامیکی شعله جریان متقابل
- مطالعه عددی اثر تحریک جریان ورودی بر عملکرد یک انژکتور هممحور برشی تحت شرایط گذربحرانی
- مطالعه ساختار شعله متان هیدروژن در مشعل پیچشی سیدنی با استفاده از مدل احتراقی حجمی
- مطالعه تجربی اثر احتراق جریان چرخشی غیر پیش مخلوط بر پایداری، شدت تابش نور و دینامیک شعله پروپان - اکسیژن/هوا
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.