ارائه یک مدل عددی جدید جهت پیش بینی شدت رسوب گذاری در پیش گرمکنهای نفت خام
- سال انتشار: 1387
- محل انتشار: دوازدهمین کنگره ملی مهندسی شیمی ایران
- کد COI اختصاصی: NICEC12_187
- زبان مقاله: فارسی
- تعداد مشاهده: 1364
نویسندگان
آزمایشگاه تحقیقاتی شبیه سازی و کنترل فرآیند، دانشکده مهندسی شیمی، د
آزمایشگاه تحقیقاتی شبیه سازی و کنترل فرآیند، دانشکده مهندسی شیمی، د
چکیده
انتخاب بهترین طراحی برای مبدلهای حرارتی پوسته و لوله بستگی به پیش بینی دقیق ضرایب رسو بگذاری دارد. برای پیش بینی رسوب گذاری نفت خام چندین مدل نیمه تجربی با نام "مدلهای آستانه رسو بگذاری" توسط محققین ارائه شده است. در این تحقیق، یک مدل ریاضی بر گرفته از روش شبکه عصبی برای پیش بینی شدت رسوب گذاری در پیش گرمکنهای نفت خام ارائه شده است. جهت بررسی قابلیت مدل مذکور در پیش بینی رفتار رسو بگذاری نفت خام، چندین داده آزمایشگاهی و صنعتی مورد استفاده قرار گرفته اند. متوسط خطای نسبی برای مدل عصبی ارائه شده در حدود ۱۴,۷ درصد می باشد در حالیکه حداقل متوسط خطای نسبی به دست آمده از بررسی سه مدل آستانه رسو ب گذاری در حدود ۵۲ درصد گزارش شده است. بنابراین، استفاده از مدلهای ریاضی مبتنی بر شبکه عصبی جهت پیش بینی شدت رسو بگذاری در نرم افزارهای طراحی مبدل حرارتی سبب افزایش توانایی آنها در ارائه طرحهای دقیقتر برای ساخت مبدلهای پوسته و لوله میشود.کلیدواژه ها
پیش گرمکن، نفت خام، رسوب گذاری، مدل ریاضی، شبکه عصبیمقالات مرتبط جدید
- سنتز نانو ماده اکسیدگرافن و بررسی تاثیر آن بر روی مقاومت شیمیایی رنگ آلکیدی
- پیش بینی نرخ های تولید چندفازی (نفت، گاز و آب) با استفاده از روش های یادگیری ماشین: مرور بر روش ها و کاربردها
- روشهای کنترل داده محور در مهندسی شیمی
- بررسی جداسازی گاز پروپیلن از پروپان در غشای ۶FDA-durene با استفاده از روش شبیه سازی مولکولی
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.