محاسبه لزجت نفت خام عربستان سعودی به کمک شبکه عصبی پایه شعاعی

در این مقاله برای تخمین لزجت نفت خام از یک روش عددی استفاده شده است. به منظور اندازه گیری ویسکوزیته نفت خام برای سه حالت، لزجت نفت اشباع، لزجت در بالای نقطه حباب و لزجت در زیر فشار اشباع اقدام می شو د. سپس با استفاده از مدل Khan و روش گوی غلتان لزجت نفت خام تخمین زده می شود. آنگاه با استفاده از این داده ها که شامل شرایط موثر در اندازه گیری لزجت است ویسکوزیته تخمین زده شده توسط مدل ارائه شده، یک شبکه عصبی پایه شعاعی آموزش داده می شود. این شبکه یک نوع شبکه عصبی مصنوعی دو لایه است که تابع تحریک لایه پنهان آن تابع گوسی بوده و برای آموزش آن از الگوریتمهای آموزش نظارت شده استفاده می شود. پس از آموزش شبکه عصبی پایه شعاعی، نتایج روش آزمایشگاهی و هوش مصنوعی با یکدیگر مقایسه می شود. با آموزش این شبکه قادر خواهیم بود که لزجت نفت خام را بدون استفاده از مدل Khan و شرایط آزمایشگاهی، تحت هر شرایط دیگری با دقت قابل قبولی تخمین بزنیم. نتایج نشان می دهد که شبکه عصبی شعاعی توانایی بالایی در تخمین لزجت نفت خام دارد. صرفه جویی در وقت و هزینه از دیگر مزایای این تحقیق است .