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

ON THE DETERMINATION OF NORMAL BOILING POINT OF PURE COMPONENTS: A SOFT COMPUTING APPROACH

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۴۸۰ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: ICOGPP03_187
زبان مقاله: انگلیسی
حجم فایل: ۴۵۹.۰۶ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ON THE DETERMINATION OF NORMAL BOILING POINT OF PURE COMPONENTS: A SOFT COMPUTING APPROACH

  Amir Varamesh - Department of Petroleum Engineering, Amirkabir University of Technology, Tehran, Iran
  Abdolhossein Hemmati-Sarapardeh - Department of Petroleum Engineering, Amirkabir University of Technology, Tehran, Iran
    Bahram Dabir - Department of Petroleum Engineering, Amirkabir University of Technology, Tehran, Iran

چکیده مقاله:

In this study, a new generalized non-group contribution method is developed to predict normal boiling point of pure chemical components. A robust and fast estimation method based on feed forward artificial neural networks with back propagation algorithm is presented. Molecular weight and specific gravity was selected as the input parameters for the proposed model. In order to develop the model, the experimental data of 563 pure components are gathered from literature sources. The collected data includes experimental data points from 13 different groups including: paraffins; cycloparaffins; monooleffins and dioleffins; cyclooleffins and actylens; benzene derivatives; condensed ring aromatics and derivatives; acids, alcohols, and phenols and aldehydes; amines and nitrogen containing components; esters; ethers, ketones; halogenated hydrocarbons; sulfur containing hydrocarbons. The prediction results using the proposed method were compared to two of the most conventional and accurate previously published methods in estimating normal boiling point using statistical and graphical error analyses. Comparisons showed that the proposed model is more reliable and accurate than the available methods. The average absolute percent relative error of the obtained model is only 3.41%, much lower than the pre-existing correlations.

کلیدواژه‌ها:

Normal boiling point; non-group contribution; 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:
https://www.civilica.com/Paper-ICOGPP03-ICOGPP03_187.html
کد COI مقاله: ICOGPP03_187

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Varamesh, Amir; Abdolhossein Hemmati-Sarapardeh & Bahram Dabir, ۱۳۹۴, ON THE DETERMINATION OF NORMAL BOILING POINT OF PURE COMPONENTS: A SOFT COMPUTING APPROACH, سومین کنفرانس بین المللی نفت، گاز و پتروشیمی, تهران, مرکز پژوهشهای صنعتی و معدنی هم اندیشان چرخه علم و صنعت,  وزارت نفت, https://www.civilica.com/Paper-ICOGPP03-ICOGPP03_187.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Varamesh, Amir; Abdolhossein Hemmati-Sarapardeh & Bahram Dabir, ۱۳۹۴)
برای بار دوم به بعد: (Varamesh; Hemmati-Sarapardeh & Dabir, ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Gharagheizi, F., et al., Determination of the normal boiling point ...
  • Gharagheizi, F. and M. Sattari, Prediction of triple-point temperature of ...
  • Dai, Y.-m., et al., Prediction of boiling points of organic ...
  • Riazi, M.R. and T.E. Daubert, Ch aracterization parameters for petroleum ...
  • Soreide, I., Improved phase behavior predictions of petroleum reservoir fluids ...
  • Mohaghegh, S., Virtual- intelligence applications in petroleum engineering: Part 1--Artificial ...
  • Ramgulam, A, Utilization of artificial neural networks in the optimization ...
  • Maren, A.J., C.T. Harston, and R.M. Pap, Handbook of neural ...
  • H emmati -Sarapardeh, A., et al., Experimental Determination of Interfacial ...
  • Lashkarb olooki, M., A.Z. Hezave, and S. Ayatollahi, Artificial neural ...
  • Mr. Abdolhossein Hemmati Sarapardeh received his M.Sc. in Hydrocarbon Reservoir ...
  • Prof. Bahram Dabr received his PhD in Chemical Engineering from ...
  • API technical dato book, in Epcon International. 2013. ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۷۶۳۳
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده 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.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    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.