CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Application of Neural Network to Predict Slug Liquid Holdup of Two Phase Flow in Horizontal Pipes

اعتبار موردنیاز: ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۲۳۶ | نظرات: ۰
سال انتشار: ۱۳۹۰
کد COI مقاله: ICHEC07_212
زبان مقاله: انگلیسی
فایل PDF حاوی متن کامل این مقاله در حال حاضر در سایت موجود نمی‌باشد.

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله منتشر نشده و درپایگاه سیویلیکا موجود نمی باشد.

منبع مقالات سیویلیکا دبیرخانه کنفرانسها است. برخی از دبیرخانه ها اقدام به انتشار اصل مقاله نمی نمایند. به منظور تکمیل بانک مقالات موجود، چکیده این مقالات در سایت درج می شوند ولی به دلیل عدم انتشار اصل مقاله، امکان ارائه آن وجود ندارد.

خرید و دانلود PDF مقاله

اصل مقاله (فول تکست) فوق منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد

مشخصات نویسندگان مقاله Application of Neural Network to Predict Slug Liquid Holdup of Two Phase Flow in Horizontal Pipes

Reza Nobakht Hassanlouei - Computer Aided Process Eng. Lab, CAPE, School of Chem. Eng.,Iran University of Sci. & Tech., IUST, Tehran, Iran
Hasti Firouzfar - Computer Aided Process Eng. Lab, CAPE, School of Chem. Eng.,Iran University of Sci. & Tech., IUST, Tehran, Iran
Norollah Kasiri - Computer Aided Process Eng. Lab, CAPE, School of Chem. Eng.,Iran University of Sci. & Tech., IUST, Tehran, Iran
Mohamad Hasan Khanof - Computer Aided Process Eng. Lab, CAPE, School of Chem. Eng.,Iran University of Sci. & Tech., IUST, Tehran, Iran

چکیده مقاله:

An artificial neural network (ANN) model for calculation of slug two-phase flow liquid hold-up in a horizontal pipe is developed based on 120 experimental data sets with a three-layer backpropagation network. The data sets are gathered from four compatible separate sources. Superficial gas and liquid velocities, pipe diameter, liquid density and viscosity are used as model inputs with liquid holdup as output. Data were divided into three portions of training, validation,and testing with 84 experimental data points presented to the network in the training phase, 18 used as testing data and the rest left for the validation phase. The model results correlates well with the experimental data at the testing phase with a root mean square error (RMSE) of 0.012 anda correlation coefficient (R) of 0.9993. The model with an overall RMSE of 0.019 and R of 0.996 is more accurate than other empirical and mechanistic model results thus far reported. The validated model outputs are compared to four other correlations and mechanistic models withresults demonstrating the more accuracy and predictive power of the presented model. The effect of some network parameters including the type of transfer function, the percentage of data allocated to the training phase and the number of hidden nodes, on the network performance is also studied

کلیدواژه‌ها:

Two phase, Slug, Holdup, Artificial Neural Network

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
http://www.civilica.com/Paper-ICHEC07-ICHEC07_212.html
کد COI مقاله: ICHEC07_212

نحوه استناد به مقاله:

برای بار اول: (Nobakht Hassanlouei, Reza; Hasti Firouzfar; Norollah Kasiri & Mohamad Hasan Khanof, ۱۳۹۰)
برای بار دوم به بعد: (Nobakht Hassanlouei; Firouzfar; Kasiri & Khanof, ۱۳۹۰)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.