این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش نفت، جلد ۲۱، شماره ۶۵، صفحات ۸۲-۹۷
عنوان فارسی شبیه‌سازی شرایط تشکیل هیدرات گازی در حضور و عدم حضور بازدارنده‌های ترمودینامیکی با استفاده از روابط تجربی و مدل‌های داده محور
چکیده فارسی مقاله هیدرات‌های گازی در تأسیسات مختلف مربوط به جابه‌جایی گاز طبیعی و تجهیزات فرآیندی در میادین نفت و گاز، پالایشگاه‌ها، پتروشیمی و دستگاه‌های موجود در صنایع شیمیایی، درصورت حضور هم‌زمان گاز طبیعی و آب، در شرایط فشار بالا و دمای پایین تشکیل می‌گردد. به‌منظور جلوگیری از تشکیل هیدرات، دما و فشار تشکیل هیدرات تخمین زده می‌شود. در این مقاله دو مدل داده محور یعنی شبکه عصبی مصنوعی و سیستم فازی-عصبی (مدل انفیس) به عنوان ابزاری جایگزین جهت تخمین فشار تشکیل هیدرات برای سیستم‌های گازی مختلف با استفاده از داده‌های تجربی موجود در این زمینه، توسعه داده شد. جهت رسیدن به این هدف، ساختار بهینه هر یک از این مدل‌های داده محور برای سیستم‌های مورد بررسی، با استفاده از پارامترهای آماری تعیین گردید. مقادیر حاصل از کاربرد شبکه عصبی و مدل انفیس با نتایج به‌دست آمده از روابط تجربی و مدل ترمودینامیکی دانشگاه هریوت وات (HWHYD) مقایسه گردید. از بین دو مدل داده محور، مدل انفیس در همه موارد از لحاظ تمامی معیارهای عملکردی، پاسخ بهتری نسبت به شبکه عصبی مصنوعی نشان داد. همچنین مدل انفیس نسبت به روابط تجربی و مدل ترمودینامیکی دانشگاه هریوت وات از دقت بالاتری برخوردار بود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Simulation of Gas Hydrate Formation Condition in the Presence and Absence of Thermodynamics Inhibitors Using Empirical Correlations and Data-Driven Models
چکیده انگلیسی مقاله Hydrates are known to occur in a variety of natural-gas handling facilities and processing equipment in oil fields, refineries, and chemical plants where natural gas and water coexist at elevated pressures and reduced temperatures. Prevention of hydrate formation requires prediction of hydrate formation temperature or pressure. In this paper, two data-driven models, i.e. artificial neural network (ANN) and neuro-fuzzy system (ANFIS model) have been applied to predict hydrate formation pressure by available experimental data in this field as alternative tools. For this purpose, optimum structure of data-driven models was determined by statistical parameters. Optimum neural network and ANFIS models were compared with well-known empirical correlation and thermodynamic model of Heriot-Watt University. The results obtained in this work indicate that ANFIS model is more accurate in prediction of hydrate formation pressure than ANN. Furthermore, comparison shows that ANFIS matches better with experimental data compared with empirical correlation and HWHYD model in terms of statistical values.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله
نشانی اینترنتی http://pr.ripi.ir/article_70_23.html
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1344/article-1344-236864.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