سال انتشار: ۱۳۸۷

محل انتشار: اولین کنگره ملی مخازن شکافدار و چالش های پیش رو، با نگاه ویژه به مخازن بزرگ کشور

تعداد صفحات: ۷

نویسنده(ها):

محمد حیدری – دانشگاه آزاد اسلامی واحد الیگودرز ، گروه مکانیک

چکیده:

در این مقاله برای تخمین لزجت نفت خام از یک روش عددی استفاده شده است. به منظور اندازه گیری ویسکوزیته نفت خام برای سه حالت، لزجت نفت اشباع، لزجت در بالای نقطه حباب و لزجت در زیر فشار اشباع اقدام می شو د. سپس با استفاده از مدل khan و روش گوی غلتان لزجت نفت خام تخمین زده می شو د. آنگاه با استفاده از این داده ها که شامل شرایط موثر در اندازه گیری لزجت است ویسکوزیته تخمین زده ش ده توسط مدل ارائه شده، یک شبکه عصبی پایه شعاعی آموزش داده می شو د. این شبکه یک نوع شبکه عصبی مصنوعی دو لایه است که تابع تحریک لایه پنهان آن تابع گوسی بوده و برای آموزش آن از الگوریتمهای آموزش نظارت شده استفاده می شو د. پس از آموزش شبکه عصبی پایه شعاعی، نتایج روش آزمایشگاهی و هوش مصنوعی با یکدیگر مقایسه می شو د. با آموزش این شبکه قادر خواهیم بود که لزجت نفت خام را بدون استفاده از مدل khan و شرایط آزمایشگاهی، تحت هر شرایط دیگری با دقت قابل قبولی تخمین بزنیم. نتایج نشان می دهد که شبکه عصبی شعاعی توانایی بالایی در تخمین لزجت نفت خام دار د. صرفه جویی در وقت و هزینه از دیگر مزایای این تحقیق است.