ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

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

سال انتشار: 1388
کد COI مقاله: NEPC01_035
زبان مقاله: فارسیمشاهده این مقاله: 1,055
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

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

محمد حیدری - دانشگاه آزاد اسلامی واحد الیگودرز ، گروه مکانیک

چکیده مقاله:

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 .

کلیدواژه ها:

لزجت- نفت خام عربستان - شبکه عصبی پایه شعاعی - روش گوی غلتان - مدل Khan

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا NEPC01_035 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/60695/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
حیدری، محمد،1388،محاسبه لزجت نفت خام عربستان سعودی به کمک شبکه عصبی پایه شعاعی،کنگره ملی کاوش نفت و گاز - تولید صیانتی،اهواز،https://civilica.com/doc/60695

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1388، حیدری، محمد؛ )
برای بار دوم به بعد: (1388، حیدری؛ )
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Tarek, A., Hydrocarbon Phase Behavior, Gulf Publishing Company, 1989. ...
  • Dexheimer, D., Jackson, C. M., Barrufet, M. A., A modification ...
  • Glaso, O., Generalized pressure- volum e-tem perature correlations for crude ...
  • Khan, S. A., Al-Mahroum, M. A., Duffuaa, S. O., Abu-Khansin, ...
  • Beggs, H. D., Robinson, J. R., Estimation the viscosity of ...
  • Chew, J., Connally, C. A., A viscosity correlation for gas- ...
  • Beal, C., The viscosity of air, natural gas, crude oil ...
  • AI-sharkawy, A.M., Alikhan, A. A., Modeling for predicting the viscosity ...
  • Labedi, R., Improved correlation for predicting the viscosity of light ...
  • Wasserman, P.D., Neural computing: Theory and Practice, Van Nostrand Reinhold, ...
  • Freeman, J.A., Simulating neural networks, Ad dison-Wesley Publishing Company, Inc., ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 407
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی