ارائه یک مدل عددی جدید جهت پیش بینی شدت رسوب گذاری در پیش گرمکنهای نفت خام
محل انتشار: دوازدهمین کنگره ملی مهندسی شیمی ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,229
فایل این مقاله در 10 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:
NICEC12_187
تاریخ نمایه سازی: 30 شهریور 1387
چکیده مقاله:
انتخاب بهترین طراحی برای مبدلهای حرارتی پوسته و لوله بستگی به پیش بینی دقیق ضرایب رسو بگذاری دارد. برای پیش بینی رسوب گذاری نفت خام چندین مدل نیمه تجربی با نام "مدلهای آستانه رسو بگذاری" توسط محققین ارائه شده است. در این تحقیق، یک مدل ریاضی بر گرفته از روش شبکه عصبی برای پیش بینی شدت رسوب گذاری در پیش گرمکنهای نفت خام ارائه شده است. جهت بررسی
قابلیت مدل مذکور در پیش بینی رفتار رسو بگذاری نفت خام، چندین داده آزمایشگاهی و صنعتی مورد استفاده قرار گرفته اند. متوسط خطای نسبی برای مدل عصبی ارائه شده در حدود ۱۴,۷ درصد می باشد در حالیکه حداقل متوسط خطای نسبی به دست آمده از بررسی سه مدل آستانه رسو ب گذاری در حدود ۵۲ درصد گزارش شده است. بنابراین، استفاده از مدلهای ریاضی مبتنی بر شبکه عصبی جهت پیش بینی شدت رسو بگذاری در نرم افزارهای طراحی مبدل حرارتی سبب افزایش توانایی آنها در ارائه طرحهای دقیقتر برای ساخت مبدلهای پوسته و لوله میشود.
کلیدواژه ها:
نویسندگان
جواد امینیان
آزمایشگاه تحقیقاتی شبیه سازی و کنترل فرآیند، دانشکده مهندسی شیمی، د
شاهرخ شاه حسینی
آزمایشگاه تحقیقاتی شبیه سازی و کنترل فرآیند، دانشکده مهندسی شیمی، د
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 :