برآورد خواص قیر با شبکه عصبی مصنوعی و رویکردی برای مدیریت زمان و هزینه آزمایش ها

آزمایشاتی که به منظور اندازه گیری خواص مختلف قیر استفاده می شوند به هزینه و زمان قابل توجهی نیاز دارند. در حالیکه تعدادی از این آزمایشات با هزینه کمتری به دست می آیند، دستیابی به تعداد دیگری از خواص قیر به هزینه و زمان بیشتری نیاز دارد. در نتیجه، استفاده از یک روش عددی به منظور دستیابی به این خواص با استفاده از خواص کم هزینه تر کاربرد و اهمیت فراوانی خواهد داشت. در این مطالعه از شبکه عصبی مصنوعی به منظور مدلسازی خواص قیر استفاده شده است. با استفاده از شبکه عصبی سه خاصیت قیر شامل کشش در آزمایش TFOT، کاهش درجه نفوذ در آزمایش TFOT و حلالیت با تری کلرو اتیلن با استفاده از پنج خاصیت دیگر قیر شامل نقطه نرمی، نقطه اشتعال، وزن مخصوص، درجه نفوذ و کاهش وزن در آزمایش TFOT محاسبه می شوند. در این مطالعه از نتایج آزمایشات انجام شده بر روی ۵۲ نمونه قیر به منظور ساخت یک شبکه عصبی سه لایه ای استفاده شده است. این داده ها به سه دسته با اندازه های ۲۷ (داده های آموزش)، ۱۴ (داده های راستی آزمایی) و ۱۱ (داده های آزمایش) تقسیم بندی شده اند. به منظور ارزیابی عملکرد شبکه عصبی توسعه داده شده و همچنین سنجش حساسیت پارامترهای خروجی شبکه عصبی نسبت به پارامترهای ورودی، از نمودارهای متعدد جهت مقایسه داده های آزمایشگاهی و محاسباتی و خطای محاسبات استفاده شده است. مقایسه نتایج حاصل از شبکه عصبی با اندازه گیری های آزمایشگاهی با استفاده از معیار خطای نسبی نشان می دهد که پارامتر حلالیت قیر کمترین خطا در مجموع داده ها با میانگین ۰.۰۳% را دارد. در صورتی که از معیار خطای جذر میانگین مربع ها نرمال شده با انحراف معیار جهت مقایسه نتایج شبکه عصبی با اندازه گیری های آزمایشگاهی استفاده گردد، پارامتر کاهش درجه نفوذ کمترین خطا را داشته (۰.۷۳) و پس از آن پارامترهای حلالیت قیر و کشش با خطای، به ترتیب، ۱.۲۳ و ۱.۳۲ قرار دارند. در صورت استفاده از فرآیند محاسباتی معرفی شده به منظور محاسبه سه خاصیت قیر (کشش در آزمایش TFOT، کاهش درجه نفوذ در آزمایش TFOT و حلالیت با تری کلرو اتیلن) امکان صرفه جویی به میزان ۸.۰۴۰.۰۰۰ ریال (در سال ۱۴۰۰) برای هر نمونه قیر فراهم می گردد.

کلیدواژه ها:

قیر نفتی ، شبکه عصبی مصنوعی ، آزمایشات خواص قیر