مدلسازی پارامترهای موثربرتنظیم فشاربخار میعانات گازی بوسیله مدلهای شبکه های عصبی مطالعه موردی: شرکت پالایش گازپارسیان
- سال انتشار: 1396
- محل انتشار: سومین کنفرانس سراسری پیشرفتهای نوین در مهندسی صنایع، مدیریت، اقتصاد و حسابداری
- کد COI اختصاصی: AIMEA03_020
- زبان مقاله: فارسی
- تعداد مشاهده: 474
نویسندگان
کارشناس ارشدمهندسی صنایع آزاد شیراز
کارشناس ارشد مهندسی شیمی آزاد اهر
چکیده
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 داردکلیدواژه ها
شبکه های عصبی مصنوعی، تثبیت میعانات گازی، RVP،مدلسازیمقالات مرتبط جدید
- کالیبراسیون مبتنی بر مقایسه قطعه با قطعه مرجع به جای ابزار مرجع (Master-Part)
- نقش واسطه ای IT و مدیریت یکپارچه زیست محیطی در ارتباط بین IT و عملکرد زیست محیطی– یک مطالعه موردی
- Application of Machine Learning and Deep Learning in Pancreatic Cancer Diagnosis: A Review
- Adoption of Artificial Intelligence in Small and Medium Manufacturing Enterprises: An HBR Perspective and a Human – Machine Collaboration Framework
- کاربرد شبکه های بیزین در مدیریت نگهداری و تعمیرات پیش بینانه: مطالعه ای موردی بر خطوط تولید شرکت سیمان تهران
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.