• پیش بینی ضریب تراکم پذیری گاز از طریق ترکیب شبکه عصبی و الگوریتم ژنتیک

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/01/20
    • تاریخ انتشار در تی پی بین: 1392/01/20
    • تعداد بازدید: 1083
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -

    ضریب تراکم پذیری گاز (gas compressibility factor, z) به عنوان یکی از عوامل تعیین کننده در محاسبات خصوصیات گازهای طبیعی در حوضه مهندسی شیمی و نفت همواره مورد توجه بوده است. محاسبه دقیق و سریع این پارامتر در شبیه سازی های مهندسی نفت بیشتر اهمیت پیدا می کند. در سال 1942، standing-katz با ارائه یه روش گرافیکی گام بلندی در محاسبه این مقدار برداشتند که تا به امروز نیز روش آن ها مورد استفاده قرار می گیرد. در طول سالیان محققین دیگری نیز تلاش کردند با ارائه روش های جایگزین، دقت محاسبات را افزایش دهند که از مهم ترین آن ها می توان به dranchuk and abu-kasem (dak), brill-begss, hall and yalborough اشاره کرد. تمامی روش های ارائه شده بعد از نمودار standing-katz هر یک به نوبه خود دارای محدودیتی می باشند مانند عدم هم گرایی، عدم دقت و داشتن محدودیت دما و فشار. هم چنین اکثر روش ها برای حل نیاز به تکرار  iterationدارد و طبیعی است در چنین شرایطی متناسب با حدس اولیه ممکن است  نتایج نیز تغییر کند. در این پژوهش، ما به ارائه مدلی جدید جهت محاسبه ضریب تراکم پذیری گاز طبیعی با کمک ترکیب شیکه عصبی مصنوعی و الگوریتم بهینه سازی ژنتیک می پردازیم. جهت آموزش و ارزیابی مدل پیشنهادی نیز از 354 داده آزمایشگاهی بهره گرفته شده است. شبه دمای کاهشی و شبه فشار کاهشی به عنوان ورودی های شبکه لحاظ شده اند و از الگوریتم ژنتیک جهت بهینه سازی شبکه طراحی شده و افزایش دقت استفاده گردید. دقت مدل پیشنهادی نیز توسط مقایسه با روش های تجربی سنجیده شده است. میانگین مربعات خطا و ضریب تعیین (coefficient of determination,r2) به عنوان شاخص های دقت مدل پیشنهادی مقادیر 0,0067 و 0,97506 را نتیجه می دهند که در مقایسه با خروجی های روش های تجربی دقت بالاتری را نشان می دهند.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم