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

تحلیل مشخصه های سیگنال در حوزه زمان به منظور تشخیص نوع رژیم و تعیین درصد حجمی در سیالات دو فازی

سال انتشار: 1397
کد COI مقاله: ELECTRICA05_007
زبان مقاله: فارسیمشاهده این مقاله: 279
فایل این مقاله در 13 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 13 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تحلیل مشخصه های سیگنال در حوزه زمان به منظور تشخیص نوع رژیم و تعیین درصد حجمی در سیالات دو فازی

محمدامیر ستاری - دانشجوی کارشناسی ارشد، دانشگاه صنعتی کرمانشاه
نسترن کرانی - دانشجوی دکتری، پژوهشگاه علوم و فنون هسته ای
احسان ناظمی - استادیار، دانشگاه ژشوف لهستان
غلامحسین روشنی - استادیار، دانشگاه صنعتی کرمانشاه

چکیده مقاله:

جریان های چند فازی به ویژه دو فازی در صنایع مختلف از جمله صنایع نفت و گاز به وقوع می پیوندد. به دلیل رفتار فازی ویژه سیستم های هیدروکربنی علاوه بر مراحل برداشت از مخازن، در خطوط انتقال فرآورده های هیدروکربن؛ هم قبل و هم بعد از مراحل جداسازی؛ امکان روبروش دن با چنین جریان هایی وجود دارد. در این مطالعه سعی بر آن شد؛ که برای تشخیص نوع رژیم و تعیین درصد حجمی؛ با استفاده از شبکه عصبی مصنوعی؛ بهترین مشخصه در حوزه زمان استخراج شود. در این تحقیق با استفاده از شبیه ساز کد مونت کارلو سه رژیم حلقوی، لایه ای و همگن، در بازه ی گسر خالی (90%-5%) شبیه سازی شد. در این شبیه سازی از یک چشمه سزیم 137 و دو آشکار ساز Nal برای ثبت فتون های عبوری استفاده شد. داده های به دست آمده از شبیه سازی دارای نویز فرکانس بالا بود. برای حذف نویز فرکانس بالا از فیلتر ساویتزکی گولای استفاده شد. سپس از داده های به دست آماده هشت مشخصه مختلفغ در حوزه زمان استخراج، و با یکدیگر مقایسه شد. سرانجام با توجه به عدم توانایی هر یک از مشخصه ها به صورت جداگانه برای جداسازی رژیم ها و درصدهای حجمی تصمیم بر آن شد از تمامی مشخصه های استخراج شده از هر دو آشکارساز به عنوان ورودی، برای آموزش، اعتبارسنجی و تست در شبکه عصبی مصنوعی پرسپترون چند لایه، در فضای نرم افزار متلب، مورد استفاده قرار گیرد. در این پژوهش دو شبکه عصبی مصنوعی برای تشخیص نوع رژیم و پیشبینی درصد حجمی طراحی شد. تشخیص 100% نوع رژیم جریانی و میانگین مربع خطا کمتر از 0/56 برای پیشبینی درصد حجمی، نشان دهنده اهمیت استخراج مشخص در بالا بردن دقت شبکه های عصبی می باشد.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ELECTRICA05_007 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/854666/

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:
ستاری، محمدامیر و کرانی، نسترن و ناظمی، احسان و روشنی، غلامحسین،1397،تحلیل مشخصه های سیگنال در حوزه زمان به منظور تشخیص نوع رژیم و تعیین درصد حجمی در سیالات دو فازی،سیزدهمین سمپوزیوم بین المللی پیشرفت های علوم و تکنولوژی:سرزمین پایدار، پژوهش های نوین در مهندسی برق و پزشکی،داورزن،https://civilica.com/doc/854666

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: (1397، ستاری، محمدامیر؛ نسترن کرانی و احسان ناظمی و غلامحسین روشنی)
برای بار دوم به بعد: (1397، ستاری؛ کرانی و ناظمی و روشنی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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.

نظرات خوانندگان

5.00
1 تعداد پژوهشگران نظر دهنده
5 1
4 0
3 0
2 0
1 0

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 517
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 پیشنهادی مرتبط

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