مدلسازی پارامترهای موثربرتنظیم فشاربخار میعانات گازی بوسیله مدلهای شبکه های عصبی مطالعه موردی: شرکت پالایش گازپارسیان

حجم عظیم میعانات گازی تولیدی درکشور ایران و ارزش روزافزون این فراورده گازی جهت رسیدن به شرایط مطلوب نگهداری انتقال وفروش بصورت پایدار فرایند تثبیت میعانات گازی راواجداهمیت کرده است ترکیبات میعانات گازی تولیدی بایددارای مشخصات ویژهای بوده و استانداردهایی درتولید آنها رعایت شده باشد تا دربازارهای جهانی امکان حضور و فروش مطلوب داشته باشند RVPازجمله مهمترین خصوصیات موردتوجه است که علاوه برکیفیت و قیمت ازنظر ایمنی هنگام انتقال و ذخیره سازی نیز فوق العاده مهم می باشد و همواره به عنوان یکی ازمشخصه های فنی محصول بایددرحدمطلوب کنترل شود فاکتورهای مختلفی ازجمله فشاردما درتنظیم RVP نقش دارند بنابراین شناخت و تنظیم عوامل موثربرRVPمیتواند درکارایی و ارتقا راندمان واحدهای تثبیت و درنهایت درافزایش کیفیت نهایی محصول موثرباشد دراین تحقیق روابط بین RVPوپارامترهای موثر درواحدهای تثبیت مانند فشارودما دردوقسمت تخمین و پیش بینی توسط شبکه های عصبی مصنوعی مدلسازی شده است با استفاده ازمعماری شبکه های پرسپترون چندلایه انتخاب متغیرهای ورودی و خروجی استفاده ازالگوریتم پس انتشارخطا جهت اموزش و درنهایت ارزیابی عملکرد شبکه ها مدل شبکه عصبی بهینه حاصل گردید نتایج حاصل ازشبیه سازی این شبکه درمقایسه با نتایج واقعی ثبت شده نشان ازتوانایی شبکه های عصبی درتخمین یاپیش بینی متغیرهای هدف مسیله دارد

کلیدواژه ها:

شبکه های عصبی مصنوعی ، تثبیت میعانات گازی ، RVP ، مدلسازی