بهینه سازی الگوریتم ماشین بردارپشتیبان برای تخمین نتایج میتر جابجایی مثبت نفت کوره

میتر یک ابزار اندازه گیری حجم سیالات می باشد. در پایانه های نفتی شرکت ملی نفت ایران برای اندازه گیری حجم نفت از انواع میترها استفاده می کنند. یکی از میترها که با توجه به خصوصیات فیزیکی نفت کوره مورد استفاده قرار می گیرد میتر جابجایی مثبت می باشد. میترها حتی اگر کالیبره باشند مانند سایر ابزارهای اندازه گیری نتایج آنها دارای اندک خطایی می باشد. لذا برای جلوگیری از ایجاد خطا و رسیدن به اندازه دقیق حجم ها از ضریب تصحیح استفاده می شود. در این تحقیق سعی شده که به وسیله الگوریتم رگرسیون بردار پشتیبان به ابزاری جهت پیش بینی ضریب تصحیح میتر جابجایی مثبت دست یابیم و عملیات های سنگین فعلی را در محاسبه این ضریب حذف کنیم. برای تنظیم پارامترهای رگرسیون بردار پشتیبان از الگوریتم بهینه سازی اجتماع ذرات استفاده شد و عملکرد این الگوریتم توسط معیارهای ارزیابی ضریب همبستگی، میانگین مربع خطاو با هم مقایسه شد. کرنل های مورد استفاده در این الگوریتم ها کرنل خطی، چند جمله ای3، RBF می باشد. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی SVR-PSO با کرنل RBF توانسته MSE=0/98 و R=0/98 نتایج و کیفیت برتری نسبت با سایر کرنل ها دارد.

کلیدواژه ها:

میتر جابجایی مثبت ، تخمین ، رگرسیون بردار پشتیبان ، الگوریتم بهینه سازی اجتماع ذرات