تحليل مشخصه هاي سيگنال در حوزه زمان به منظور تشخيص نوع رژيم و تعيين درصدحجمي در سيالات دوفازي

جريان هاي چند فازي به ويژه دوفازي در صنايع مختلف از جمله صنايع نفت و گاز به وقوع مي پيوندد. به دليل رفتار فازي ويژه سيستم هاي هيدرو كربوني علاوه بر مراحل برداشت از مخازن، در خطوط انتقال فرآورده هاي هيدروكربني؛ هم قبل و هم بعد از مراحل جداسازي؛ امكان روبرو شدن با چنين جريان هايي وجود دارد.در اين مطالعه سعي برآن شد؛ كه براي تشخيص نوع رژيم و تعيين درصد حجمي، با استفاده از شبكه عصبي مصنوعي؛بهترين مشخصه در حوزه زمان استخراج شود . در اين تحقيق با استفاده از شبيه ساز كد مونت كارلو سه رژيم حلقوي،لايه اي وهمگن،در بازه ي كسر خالي [90%- 5%] شبيه سازي شد. در اين شبيه سازي از يك چشمه سزيم 137 و دو آشكارسازNal براي ثبت فتون هاي عبوري استفاده شد.داده هاي به دست امده از شبيه سازي داراي نويز فركانس بالابود.براي حذف نويز فركانس بالا از فيلتر ساويتزكي- گولاي استفاده شد. سپس از داده هاي به دست آماده هشت مشخصه مختلف در حوزه زمان استخراج، و با يكديگر مقايسه شد. سرانجام با توجه به عدم توانايي هر يك از مشخصه ها به صورت جداگانه براي جداسازي رژيم ها و درصد هاي حجمي تصميم بر آن شد از تمامي مشخصه هاي استخراج شده از هر دو آشكارساز به عنوان ورودي، براي آموزش،اعتبار سنجي و تست در شبكه عصبي مصنوعي پرسپترون چند لايه ، در فضاي نرم افزار متلب ، مورد استفاده قرار گيرد. در اين پژوهش دو شبكه عصبي مصنوعي براي تشخيص نوع رژيم و پيشبيني درصد حجمي طراحي شد. تشخيص 100% نوع رژيم جرياني و ميانگين مربع خطا كمتر از56/0 براي پيشبيني درصد حجمي، نشان دهنده اهميت استخراج مشخصه در بالا بردن دقت شبكه هاي عصبي ميباشد.