پيش بيني ضريب نفوذ مولكولي گاز در نفت خام با استفاده از مدل سازي شبكه هاي عصبي مصنوعي

در اين مطالعه يك شبكه‌ي عصبي مصنوعي جهت پيش‌بيني ضريب نفوذ ملكولي گاز در نفت در شرايط واقعي مخزن در دما و فشار زياد طراحي و استفاده شد. جهت به دست آوردن متغيرهاي ورودي شبكه روابط تجربي ارائه شده در نوشته‌جات به‌طور كامل مرور و مشخص شدكه متغيرهاي متعددي از قبيل دما، فشار، گرانروي گاز و مايع، جرم مولكولي گاز و مايع، حجم مولي گاز و مايع و كشش سطحي از جمله متغيرهاي مؤثرند. بنابراين متغيرهاي مذكور به‌ عنوان ورودي شبكه در نظر گرفته شدند. در اين كار از شبكه‌ي پرسپترون چندلايه براي پيش‌بيني و الگوريتم آموزش پس‌ انتشار خطا استفاده شده و همچنين توابع آستانه‌ي مختلفي براي يافتن حالت بهينه‌ي آن ارزيابي شد. سپس با مراجعه به گزارش‌ها و مقالات تعداد 172 داده‌ي آزمايشگاهي ضريب نفوذ جمع‌آوري و 90 درصد داده‌ها جهت آموزش شبكه و بقيه‌ براي آزمايش شبكه استفاده گرديد. نتايج نشان مي‌دهد مدل ارائه شده در اين تحقيق ضريب نفوذ مولكولي متان در نفت‌خام را با دقت خوبي پيش‌بيني مي‌كند و بنابراين مي‌توان از اين روش جهت پيش‌بيني ضرايب نفوذ استفاده كرد.

فاقد چكيده مي باشد