این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
شیمی و مهندسی شیمی ایران، جلد ۳۷، شماره ۳، صفحات ۱۷۳-۱۸۲
عنوان فارسی اندازه گیری دقیق درصد کسر حجمی در جریان های سه فازی با استفاده از فناوری پرتو گاما و شبکه عصبی مصنوعی
چکیده فارسی مقاله پیش بینی دقیق درصد کسر حجمی در جریان ­های سه فازی آب ـ گازوییل ـ هوا در شرایط عملیاتی ناپایدار، پارامتر مهمی در صنایع نفت و پتروشیمی می باشد. در این پژوهش، اندازه گیری دقیق درصد کسر حجمی در سه فاز آب-گازوئیل-هو ا با استفاده از فناوری تضعیف پرتو گامای تک انرژی و شبکه عصبی برای اولین بار انجام شد. تعیین درصد کسر حجمی کمینه به دو چشمه رادیواکتیو با انرژی­ های متفاوت نیاز دارد. درحالی که در این مطالعه، تنها یک چشمه رادیواکتیو Cs137 (با تک انرژی keV 662) و یک آشکارساز سدیم یدید NaI(Tl) برای تعیین درصد کسر حجمی در سه فاز مورد استفاده قرار گرفت. همچنین، مدل پرسپترون چند لایه شبکه عصبی برای پیش بینی درصد کسر حجمی اعمال شد. نتیجه­ های به دست آمده از آزمایش­ های تجربی، داده­ های مورد نیاز برای آموزش و آزمون شبکه را فراهم می ­کند. ورودی­ های شبکه، طیف­ های ثبت شده در آشکارساز هستند، به­ طوری که ماتریس مجموعه داده ­ها برای شبکه عصبی Y(118×42) می­ باشد. در این شبکه تعداد نورون ­ها در لایه درونی، پنهان و خروجی به ترتیب 118، 10 و 3 است. با استفاده از این روش پیشنهادی، درصد کسر حجمی در سه فاز آب ـ گازوئیل ـ هوا با درصد خطای نسبی میانگین(MRE%)کم­تر از 95/6 % و خطای جذر میانگین مربع(RMSE)60/2 پیش بینی شد. ترکیب بندی استفاده شده در این روش ساده تر از روش ­های پیشنهادی دیگر است. بنابراین قیمت، ایمنی تابش و حفاظ ­سازی به کم ­ترین مقدار ممکن خواهد رسید.
کلیدواژه‌های فارسی مقاله درصد کسر حجمی، جریان های سه فازی، پرتو گاما، شبکه عصبی مصنوعی،
عنوان انگلیسی Precise Volume Fraction Percentage Measurement in Three-Phase Flows Using Gamma-Ray Technique and Artificial Neural Network
چکیده انگلیسی مقاله Precise volume fraction percentage prediction in water-gasoil-air three-phase flows in unstable operational conditions is an important parameter in the oil and petroleum industry. In this research, the volume fraction percentage was measured precisely in water-gasoil-air three-phase flows by using single energy gamma ray attenuation technique and neural network, for the first time. The volume fraction percentage determination in three-phase flows requires least two gamma radioactive sources with different energies while in this study, we used just a 137Cs source (with the single energy of 662 keV) and a NaI detector. Also, the multilayer perceptron (MLP) neural network was implemented to predict the volume fraction percentage. The acquired results from an experimental setup provides the required data for training and testing the network. The inputs of ANN have registered spectra in the transmitted detector as the dataset matrix for ANN consisted of a (Y118×42). In this ANN, the number of neurons in the input, hidden and output layers are 118, 10 and 3, respectively. Using this proposed method, the volume fraction was predicted in water-gasoil-air three-phase flows with Mean Relative Error percentage (MRE%) less than 6.95%. Also, the Root Mean Square Error (RMSE) was calculated simultaneous 2.60. The set-up used is simpler than other proposed methods and cost, radiation safety and shielding requirements are minimized.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سیده زهرا اسلامی راد |
گروه فیزیک، دانشکده علوم پایه، دانشگاه قم، قم، ایران

رضا قلی پورپیوندی |
دانشکده فیزیک و مهندسی هسته ای، دانشگاه صنعتی شاهرود، شاهرود، ایران

نشانی اینترنتی http://www.nsmsi.ir/article_29043_57cc39481c98cdeb29009e5002019b59.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/931/article-931-2064977.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات