پیش بینی میزان رسوب واکس با استفاده از شبکه های عصبی و الگوریتم ژنتیک و مقایسه آن با مدل چند جامدی (Multi-solid) در سیستمهای نفت خام

این مقاله یکی از کاربردهای جدید تکنولوژی شبکه عصبی و برنامه ژنتیک در مهندسی نفت می باشد. روشهای هوشمند جهت محاسبه میزان رسوب واکس در مخلوط های نفت خام در دامنه های مختلف دمایی استفاده شده است. در این کار، یک شبکه عصبی چند لایه ای Feed forward معمولی و نظریه طراحی شبکه عصبی با استفاده از الگوریتم ژنتیک جهت پیش بینی میزان رسوب واکس پیشنهاد شده است. دقت این مدل در پیش بینی میزان رسوب واکس با استفاده از اطلاعات سیال مخزن که در آموزش شبکه شرکت نکرده اند امتحان شده است. همچنین کارکرد این مدل در مقایسه با مدل چند جامدی فیروز آبادی و همکارانش برای پیش بینی میزان رسوب واکس با اطلاعات آزمایشگاهی نتایج بهتری میدهد. نهایتا ، نتایج مدل نشان میدهد که این مدل پیشنهادی از جهت دقت و عمومیت نسبت به سایر مدلهای پیشنهادی برتری زیادی دارد.

کلیدواژه ها:

رسوب واکس ، مدل چند جامدی ، شبکه عصبی ، الگوریتم ژنتیک ، مدل هوشمند