ارزیابی و پیش بینی پیرولیز نفت سنگین در فرایند احتراق درجا با استفاده از آنالیز جرم سنجی حرارتی و شبکه های عصبی مصنوعی

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,884

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCEESLAMSHAR01_070

تاریخ نمایه سازی: 9 آبان 1388

چکیده مقاله:

هیدروکربن ها در اثر حرارت و در حضور اتمسفر خنثی متحمل واکنشهای فیزیکی و شیمیایی می گردند که پیرولیز نامیده می شوند. این واکنش ها یکی از مهمترین عوامل موثر بر مقدار سوخت نهشته شده در فرایند احتراق در جا می باشد درا ین تحقیق شش نمونه نفت خام توسط آنالیز جرم سنجی حرارتی مورد آزمایش قرار گرفتند و فرایند پیرولیز آنها بررسی شد. همچنین نتایج به دست آمده توسط شبکه های عصبی مصنوعی پیش بینی گردید. نتایج این تحقیق نشان داد که فرایند پیرولیز نفت خام دارای دوفاز مشخص می باشد که فاز دمای پایین به تقطیر و فاز دمای بالای به کراکینک و شکست گرانروی نسبت داده شد. همچنین نتایج حاصل از شبکه ی عصبی استفاده شده نشان داد که به کمک یک شبکه پرسپترون با دو لایه ی مخفی، می توان فرایند پیرولیز نفت خام را با میانگین قدر مطلق خطای نسبی 5/56 درصد برای داده های تست، پیش بینی کرد. نتایج حاصل از آنالیز رگرسیون نیز، انطباق بسیار خوب بین نتایج آزمایشگاهی و نتایج پیش بینی شده توسط شبکه پیشنهاد شده را تایید کرد.

کلیدواژه ها:

پیرولیز ، شبکه های عصبی مصنوعی ، شبکه پرسپترون چندلایه ، احتراق در جا ، آنالیز جرم سنجی حرارتی

نویسندگان

احمدرضا رسولی

گروه مهندسی نفت و گاز و پژوهشکده انرژی و محیط زیست دانشگاه شهید باهنرک

محمد رنجبر

استاد دانشگاه شهید باهنر کرمان

عبدالرضا دبیری

گروه مهندسی نفت و گاز و پژوهشکده انرژی و محیط زیست دانشگاه شهید باهنرک

حسین نظام آبادی پور

دانشیار دانشگاه شهید باهنر کرمان

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 :
  • Green, D.W. and Willhite, G.P.; Enhanced Oil Recovery, Textboook Series ...
  • Forouq Ali, S.M. and et. al.; Practical Heavy Oil Recovery, ...
  • Kamal N.Jha; Bela Verkoczy.: The Role of Thermal Analysis Techniques ...
  • Ciajolo, A. and Barbella, R.: Pyrolysis and Oxidation of Heavy ...
  • Ranjbar, M. and Pusch, G. : Pyrolysis and Combustion Kinetics ...
  • Ranjbar, M. : Influence of Reservoir Rock Composition on Crude ...
  • Kok, M.V. and Karacan, C.O. , J .Therm.Anal .Cal. _ ...
  • Shokir, E.M.: prediction of the Hydrocarbon Saturation in Low Resistivity ...
  • 1]Mohaghegh, S. and et. Al.: Design and Development of an ...
  • Huang, Y.F. and et. Al.: Development of an Artificial Neural ...
  • Mohammd, A.E.: Prediction of Residual Water Saturation Using Genetically Focused ...
  • Yang.Q. and et. Al.: Integrating Soft Computing and Hard Computing ...
  • Picton, Ph. : Neural Network, Second Edition, Publishing by PALGRAVE, ...
  • Beale, R. and Jackson, T. : Neural Computing: An Introduction ...
  • Shulkoff, R.J. : Artificial Neural Network, Mc Graw-Hik, New York ...
  • Hakin, S.: Neural Networks, Second Edition, Simon and Schuster company, ...
  • Demuth, H. and Beale, M.: Neural Network Toolbox for Use ...
  • نمایش کامل مراجع