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

پیش بینی میزان ته نشینی رسوبات آسفالتین از طریق ترکیب شبکه عصبی و الگوریتم ژنتیک

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۶ | تعداد نمایش خلاصه: ۱۸۳ | نظرات: ۰
سال انتشار: ۱۳۹۰
نوع ارائه: پوستر
کد COI مقاله: IPEC03_166
زبان مقاله: فارسی
حجم فایل: ۴۹۰.۴۴ کلیوبایت (فایل این مقاله در ۱۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله پیش بینی میزان ته نشینی رسوبات آسفالتین از طریق ترکیب شبکه عصبی و الگوریتم ژنتیک

  محمدعلی احمدی - دانشجوی کارشناسی ارشد-دانشگاه صنعت نفت
محمد عبادی - فارغ التحصیل مهندسی نفت-دانشگاه آزاد اسلامی واحد علوم و تحقیقات
نیما رشیدی نیا - فارغ التحصیل مهندسی نفت-دانشگاه آزاد اسلامی واحد علوم و تحقیقات
  سیدرضا شادی زاده - دانشیار دانشگاه صنعت نفت

چکیده مقاله:

اخیراً بعد از آنکه پدیده ته نشینی رسوبات آسفالتین به عنوان یکی از مهمترین دلایل مشکلات تولیدی درامر ازدیاد برداشت 5 از مخازن مطرح گریده است ، تحقیقات در این زمینه به طور جدی مورد توجه قرارگرفته است. به طور کلی آسفالتین ترکیبات نفتی سنگین می باشند که تحت شرایطی مشخص ته نشین شده و رسوبات جامد ناشی از آن در محیط متخلخل 6 شکل می گیرند. در این تحقیق یک مدل بر مبنای شبکهی عصبی پیش خور 7 بهینه شده به وسیله الگوریتم ژنتیک برای پیش بینی میزان ته نشست رسوبات آسفالتین معرفی شده است. نقش الگوریتم ژنتیک در تعیین وزن های داخلی 8 شبکه عصبی می باشد. مدلANN-GA برای یک سری داده منتشر شده در مقالات پیاده سازی شده و نتایج آن با نتایج حاصل ازScailing Model مقایسه شده است که نشان دهنده پویایی و اثربخشی مدلANN-GAمی باشد

کلیدواژه‌ها:

آسفالتین ، ته نشینی ، شبکه عصبی ، الگوریتم ژنتیک ، پیش بینی

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-IPEC03-IPEC03_166.html
کد COI مقاله: IPEC03_166

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:
احمدی, محمدعلی؛ محمد عبادی؛ نیما رشیدی نیا و سیدرضا شادی زاده، ۱۳۹۰، پیش بینی میزان ته نشینی رسوبات آسفالتین از طریق ترکیب شبکه عصبی و الگوریتم ژنتیک، سومین کنگره ملی مهندسی نفت، تهران، انستیتو مهندسی صنعت نفت، https://www.civilica.com/Paper-IPEC03-IPEC03_166.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: (احمدی, محمدعلی؛ محمد عبادی؛ نیما رشیدی نیا و سیدرضا شادی زاده، ۱۳۹۰)
برای بار دوم به بعد: (احمدی؛ عبادی؛ رشیدی نیا و شادی زاده، ۱۳۹۰)
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 :

  • . JG. Speight. The chemistry and technology of petroleum. 2nd ...
  • . G. Galoppini, M. Tambini, Asphaltene Deposition Monitoring and Removal ...
  • Treatments: An Experience Deep Wells.. Soc Pet Eng, (1994), (SPE27622). ...
  • . SI. Andersen, JM. Speight, Th ermodynamic models for asphaltene ...
  • and Precipitation. J. Petr. Sci. Eng, 22, (1999), pp.53-66. ...
  • . KS. Pedersen, A. Fredenslund, P. Thomassen, Properties of Oils ...
  • Gases. Houston: Gulf Publishing; (1989). ...
  • . X. Qu1, J. Feng, W. Sun, "Parallel Genetic Algorithm ...
  • and Neural Networks for Enterprise Co mprehensive Business", IEEE Intl. ...
  • . P. Tang, and Z. Xi, "The Research _ BP ...
  • Guaranteed Convergence Particle Swarm Optimization", Second Intl. Symp. on Intelligent ...
  • . R. Reed, "Pruning algorithms-a survey", IEEE Trans. Neural Networks ...
  • . M.C.P.de Souto, A. Yamazaki, T.B. Ludernir, "Optimization of neural ...
  • network weights and arch itecture for odor recognition using simulated ...
  • of n-alkane precipitation on asphaltene precipitation", Fluid Phase Equilibria Journal ...
  • . H. Rassamdana, and B. Dabir, and M. Nematy, and ...
  • Sahimi, "Asphalt Flocculation and Deposition: I. The Onset of Precipitation", ...
  • . K. Hornick, M. Stinchcombe, H. White, "Multilayer feed forward ...
  • are universal approxima tors" Neural Networks, 2, (1989), pp.359-366 ...
  • . N. Garcia-Pedraj as, C. Hervas -Martinez, J. Munoz-Perez, _ ...
  • evolutionary model for evolving artificial neural networks." IEEE Transaction on ...
  • . M. Brown, and C. Harris, "Neural fuzzy adaptive modeling ...
  • Englewood Cliffs, NJ: Prentice-Hall (1994). ...
  • . J. Holland, Adaptation in natural and artificial systems. Ann ...
  • University of Michigan Press, (1975). ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۹۷۶
    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.