|
Title
|
توسعه و بهره وري از روشهاي هوشمند جهت پيش بيني ويسكوزيته نفت خام براي مخازن نفت خام ايراني
|
|
Type
|
FinishedProject
|
|
Keywords
|
روش هاي هوشمند، پيش بيني ويسكوزيته نقت خام، شبكه هاي عصبي، RBF، MLP، ANFIS
|
|
Abstract
|
محاسبه دقيق خواص سيالات همانند ويسكوزيته، كشش سطحي، و… مي تواند در بسياري از حوزه هاي مهندسي شيمي همانند طراحي تجهيزات سطحي و زيرسطحي، ازدياد برداشت و يا انجام تجزيه و تحليل هايي مانند پيش بيني عملكرد يك مخزن نفتي، امري بسيار حائز اهميت باشد. روش هاي آزمايشگاهي براي محاسبه اين خواص بسيار زمان بر و پرهزينه بوده، و معادلات تجربي و نيمه تجربي نيز اغلب دقت مورد نياز را ندارند، ازاين رو ارائه ي يك مدل پيش بيني كننده ي قابل اعتماد و دقيق، همواره چالشي مورد توجه بوده است. امروزه هوش مصنوعي از جمله تكنولوژي هاي بسيار مهم، پركاربرد و درحال پيشرفت توسط بشر به شمار مي رود كه به دليل به دليل پياده سازي ساده، طراحي آسان، تعميم بخشي، قدرتمندي، و انعطاف پذيري، در حل اين مشكل بسيار مفيد واقع شده است. هوش مصنوعي شامل شاخه هاي مختلفي شامل شبكه هاي مصنوعي عصبي، منطق فازي، الگوريتم ژنتيك، سيستم هاي تخصصي، و سيستم هاي تركيبي مي باشد كه به طور گسترده اي از آن ها در زمينه هاي گوناگون مهندسي شيمي شامل فرآيند هايي مانند مدل سازي، بهينه سازي، كنترل فرآيند، طبقه بندي، تشخيص خطا، و عيب سنجي و … استفاده شده است. در اين پژوهش به بررسي روشهاي مطرح در نكنولوژي هوش مصنوعي براي پيش بيني خواص سيالات، پرداخته شده است. از 3 مدل مختلف شامل شبكه ي عصبي پرسپترون چند لايه (MLP) و شبكه ي مبتني بر توابع شعاعي پايه (RBF) و سيستم استنتاج عصبي-فازي سازگار (ANFIS) بهينه شده، براي پيش بيني ويسكوزيته نفت خام استفاده شده است. نتايج در 3 بخش متفاوت براي مناطق متفاوت ويسكوزيته شامل بالا، در، و پايين فشار نقطه ي حباب مورد بررسي قرار گرفت. معادلات و مدل هاي بررسي شده در مقالات براي پيش بيني ويسكوزيته نفت خام معمولا تنها براي يك منطقه خاص توسعه داده شده اند، مزيت مدل هاي توسعه داده شده در اين پزوهش اين است كه براي پيش بيني ويسكوزيته در هر 3 منطقه مي توانند مورد استفاده قرار بگيرند. نتايج نشان مي دهد كه مدل MLP، در پيش بيني ويسكوزيته نفت خام با ميانگين مطلق خطاي نسبي 1.9942%، 2.9906%، و 1.5053% به ترتيب براي داده هاي كلي، امتحان، و آموزش، داراي كمترين خطا بوده و دقيق ترين مدل مي باشد. همچنين مدل MLP توسعه داده شده با ميانگين مطلق خطاي نسبي 1.3343%، 3.9789%، و 2.1013% به ترتيب براي مناطق بالا، در، و پايين فشار نقطه ي حبا
|
|
Researchers
|
mohammad soleimani lashkenari (First researcher) , Mohammad Bagheri (Co worker) , Afshin Tatar (Co worker)
|