MODELING AND PREDICTING CATALYTIC NAPHTHA REFORMINGPROCESS VARIABLES USING GMDH NETWORK
- سال انتشار: 1396
- محل انتشار: چهارمین همایش بین المللی نفت،گاز و پتروشیمی
- کد COI اختصاصی: ICOGPP04_109
- زبان مقاله: انگلیسی
- تعداد مشاهده: 665
نویسندگان
Catalytic Reaction Engineering Department, Catalysis Technology Development Division, Research Institute of Petroleum Industry (RIPI), P.O. Box ۱۴۶۶۵-۱۳۷,Tehran, Iran
Catalytic Reaction Engineering Department, Catalysis Technology Development Division, Research Institute of Petroleum Industry (RIPI), P.O. Box ۱۴۶۶۵-۱۳۷,Tehran, Iran
School of Chemical Engineering, College of Engineering, University of Tehran, P.O. Box۱۱۱۵۵-۴۵۶۳, Tehran, Iran
چکیده
In this study, the group method of data handling (GMDH) networks is applied for estimating themomentous process variables of a commercial scale heavy naphtha catalytic reforming unit (CRU). Theproposed model can predict the research octane number (RON) and yield of gasoline by using a grandpolynomial correlation which is a function of days on stream (DOS), liquid hourly space velocity (LHSV),H2 to hydrocarbon ratio (H2/HC), inlet temperature of reactors and weight average bed temperature (WABT).To do such a task, ninety eight data are obtained from the target plant during a life cycle (about 877 days).Then, the GMDH network uses 70% of these data points for self-training whilst using the remained ones forthe validation step. The results showed that this model can precisely estimate the gasoline product propertiesduring the cycle life. Moreover, it is confirmed that the proposed model is capable of predicting RON andyield of gasoline with the average absolute deviation (AAD%) of 0.406% and 0.655%, respectively.Moreover, the root means square error (RMSE %) of the mentioned parameters are 0.507% and 0.888%,respectively.کلیدواژه ها
Modeling, GMDH, Neural network, Catalytic reforming, RON, Yieldمقالات مرتبط جدید
- ارزیابی ریسک های ایمنی و زیست محیطی شرکت ملی پخش فرآورده های نفتی با کمک تکنیک هازن
- بررسی هیدرودینامیک و زمان اختلاط مخرن همزندار با استفاده از تکنیکهای سرعت سنجی ذرات و القای صفحهای نور فلئورسانس
- کاربردها و چالش های موجود در استفاده از روش تست سازند جهت بررسی خواص استاتیک و دینامیک مخزن
- کاربرد هوش مصنوعی در پیش بینی فرصت های صادرات محصولات صنعت پتروشیمی
- روش های ازدیاد برداشت نفت با استفاده از گاز در میادین فراساحلی: ویژگی ها، نحوه اجرا و شرایط عملیاتی
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.