Modeling of Methane Reformer to Syngas Using Artificial Neural Networks
محل انتشار: هفتمین کنگره ملی مهندسی شیمی
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,106
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICHEC07_247
تاریخ نمایه سازی: 25 فروردین 1394
چکیده مقاله:
This paper presents an artificial neural network (ANN) model for primary methane steam reformer (SMR) unit of Kermanshah Petrochemical Industries Company (KPIC). The main feature of the model is to provide a general, accurate and fast responding model for analysis of SMR unit. The industrial data were applied to train the multilayer feed forward neural network with thirteen inputs and four outputs with different algorithms and different numbers of neurons in the hidden layer. The results clearly depicts that the obtained model is a powerful tool to estimate the outlet compositions of reformer; moreover, the designed neural network can be used instead of approximate and complex analytical equations in optimization and process planning.
کلیدواژه ها:
نویسندگان
p Valeh-e Sheyda
Chemical Engineering Department, Faculty of Engineering, Razi University, Kermanshah, Iran
h Rashidi
Ammonia Plant, Process Eng. Dept., Kermanshah Petrochemical Industries Company, Kermanshah, Iran
j Behin
Chemical Engineering Department, Faculty of Engineering, Razi University, Kermanshah, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :