تعیین مقادیر PINA در برش هیدروکربنی سبک به کمک شبکه عصبی
محل انتشار: اولین کنفرانس پتروشیمی ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,646
فایل این مقاله در 8 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:
IPCONF01_027
تاریخ نمایه سازی: 6 آذر 1386
چکیده مقاله:
کاری که در این مقاله ارائه می شود تعیین مقادیر ) PINA پارافین , ایزوپارافی ن , نفتن و آروماتیک ) در برش هیدروکربنی سبک از روی منحنی تقطیر نقطه جوش نرمال (TBP) و چگالی ویژه به کمک شبکه عصبی می باشد . در ابتدای کار حدود 90 جزء تشکیل دهنده برشهای سبک به عنوان پیش فرض انتخاب شد , سپس برای این برش تعداد 3000 ترکیب درصد تصادفی ایجاد گردید و از روی این ترکیب درصدها مقادیر PINA تعیین شد و برای این ترکیب درصدها با کمک برنامهASPEN PLUSمنحنی TBP تولید شد , در مرحله بعد از روی نقاط منحنی TBP مقدار نقطه جوش متوسط حساب گردید و با داشتن چگالی ویژه و نقطه جوش پارامتر های وزن مولکولی , درجه ,API ضریب واتسون , درصد هیدروژن و درصد کربن به هیدروژن حساب شد . و در نهایت مجموعه ای از ترکیب ,PINA منحنیهای تقطیر و خواص ذکرشده آماده شد و با کمک آنها یک شبکه عصبی با استفاده از جعبه ابزار نرم افزار مطلب طراحی گردید که دارای هشت نرون ورودی نقاط استاندارد منحنی 95 ,90 ,70 ,50 ,30 ,10 ,0) TBP و %)100 و هفت نرون ورودی خواص می باشد و در خروجی 4 نرون وجود دارد که هر نرون بیانگر میزان یک ترکیب پارافین , ایزوپارافین , نفتن و آروماتیک می باشد . در طراحی این شبکه عصبی , روش آموزش پس انتشار خطا انتخاب گردید و ترکیب توابع انت قال خطی و سیگموئیدی استفاده شد و 80 درصد داده ها برای فرایند آموزش و 20 درصد داده ها به منظور تست کارایی شبکه عصبی بکار رفت که در انتها یک شبکه عصبی با یک لایه میانی بوجود آمد که میزان انحراف نتایج آن ±2 درصد می باشد .
کلیدواژه ها:
نویسندگان
محمود غلام سامانی
دانشجوی کارشناسی ارشد مهندسی شیمی دانشگاه سمنان
علی حقیقی اصل
استادیار گروه مهندسی شیمی دانشگاه سمنان
رامین کریم زاده
استادیار گروه مهندسی شیمی دانشگاه سمنان
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 :