بهینه سازی پیش بینی ضریب تراکم پذیری گاز طبیعی با استفاده ازترکیب شبکه های عصبی و الگوریتم ژنتیک بر پایه معادله حالت MMA
- سال انتشار: 1393
- محل انتشار: سومین همایش علمی مهندسی مخازن هیدروکربوری و صنایع بالا دستی
- کد COI اختصاصی: RESERVOIR03_064
- زبان مقاله: فارسی
- تعداد مشاهده: 1085
نویسندگان
دانشجوی کارشناسی ارشد مهندسی شیمی دانشگاه شهید باهنر کرمان
استاد مهندسی شیمی، دانشگاه شهید باهنر کرمان
استادیار مهندسی نفت، دانشگاه صنعت نفت اهواز
چکیده
اندازه گیری خواص فشار-حجم-دمای گاز طبیعی درون خطوط انتقال، سیستم های ذخیره گاز، و مخازن گاز نیازمند مقدار درستی از ضریب تراکم پذیری میباشد.گرچه معادلات حالت و روابط تجربی زیادی در این زمینه جهت تخمین این ضریب مورد استفاده قرار گرفته است، اما تخمینی صحیح تنها با استفاده از این معادلات اساسا وابسته به بازه ای از داده ها بوده که روابط بر پایه آنها حاصل شده است.یکی از این معادلات معادله حالت محمدی خواه-محبی-ابولقاسمی (MMA) بوده که در آن ضریب تراکم پذیری به عنوان تابعی از پارامترM، ، تعریف می شود.از آنجایی که تقاضا برای روش های نوین، قابل اعتمادتر و البته مدل های آسان تر و سریع تر می باشد، لذا محققان را برآن داشته است تا مدل های جدیدی بر پایه سیستم های هوش مصنوعی ارائه دهند.در این مقاله علاوه بر دمای نقصانی و فشار نقصانی، که بطور معمول در تخمین ضریب تراکم پذیری مورد استفاده واقع می شوند، پارامتر دیگری به نام M به یک مدل از شبکه عصبیبه عنوان ورودی اضافه گردیده و پارامترضریب تراکم پذیری نیز به عنوان خروجی شبکه در نظر گرفته شده است. این مقاله الگوریتم ژنتیک را به عنوان یک الگوریتم جستجوی تصادفی مبتنی بر جمعیت جهت بهینه سازی ساختار شبکه عصبی و همچنین تنظیم وزن ها و بایاس های مرتبط با آن معرفی میکند. نتایج این تحقیق با تعدادی از معادلات مرسوم مورد مقایسه قرار می گیرد. ضریب همبستگی ( ) بین پیش گویی مدل این مطالعه و داده های تجربی برابر با 0.99445 می باشدکلیدواژه ها
ضریب تراکم پذیری گاز طبیعی، شبکه عصبی، الگوریتم ژنتیک، معادله حالت MMAمقالات مرتبط جدید
- مروری بر فرآیند حذف یون های سرب (II) از محلول های آبی به روش جذب سطحی با استفاده از نانولوله های کربنی
- بررسی تغییر ترشوندگی سطح ماسه سنگ در مجاورت با سوسپانسیون پایه آبی ذرات ژل
- مطالعه آزمایشگاهی برهمکنش آب-نفت در روش ترکیبی آب کم شور-ذرات ژل پیش ساخته
- مروری بر نانوسیالات و بررسی کاربرد های آنها
- روش های پیشرفته جداسازی آب از نفت خام
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.