سال انتشار: ۱۳۸۷

محل انتشار: دوازدهمین کنگره ملی مهندسی شیمی ایران

تعداد صفحات: ۱۲

نویسنده(ها):

عباس خاکسار منشاد – دانشگاه آزاد اسلامی واحد امیدیه ، امیدیه ، خوزستان
محسن عدالت – قطب نفت وگاز ، گروه مهندسی شیمی دانشکده فنی ، دانشگاه تهران
سیاوش عاشوری – گروه مهندسی نفت ، دانشگاه صنعت نفت ، اهواز
غلامحسین منتظری – قطب نفت وگاز ، گروه مهندسی شیمی دانشکده فنی ، دانشگاه تهران

چکیده:

این مقاله یکی از کاربردهای جدید تکنولوژی شبکه عصبی و برنامه ژنتیک در مهندسی نفت می باشد. روشهای هوشمند جهت محاسبه میزان رسوب واکس در مخلوط های نفت خام در دامنه های مختلف دمایی استفاده شده است. در این کار، یک شبکه عصبی چند لایه ای Feed forward معمولی و نظریه طراحی شبکه عصبی با استفاده از الگوریتم ژنتیک جهت پیش بینی میزان رسوب واکس پیشنهاد شده است. دقت این مدل در پیش بینی میزان رسوب واکس با استفاده از اطلاعات سیال مخزن که در آموزش شبکه شرکت نکرده اند امتحان شده است. همچنین کارکرد این مدل در مقایسه با مدل چند جامدی فیروز آبادی و همکارانش برای پیش بینی میزان رسوب واکس با اطلاعات آزمایشگاهی نتایج بهتری میدهد. نهایتا ، نتایج مدل نشان میدهد که این مدل پیشنهادی از جهت دقت و عمومیت نسبت به سایر مدلهای پیشنهادی برتری زیادی دارد.