CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

محاسبه لزجت نفت خام عربستان سعودی به کمک شبکه عصبی پایه شعاعی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۹۲۱ | نظرات: ۰
سال انتشار: ۱۳۸۸
کد COI مقاله: NEPC01_035
زبان مقاله: فارسی
حجم فایل: ۲۵۳.۳۹ کیلوبایت (فایل این مقاله در ۷ 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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله محاسبه لزجت نفت خام عربستان سعودی به کمک شبکه عصبی پایه شعاعی

  محمد حیدری - دانشگاه آزاد اسلامی واحد الیگودرز ، گروه مکانیک

چکیده مقاله:

در این مقاله برای تخمین لزجت نفت خام از یک روش عددی استفاده شده است. به منظور اندازه گیری ویسکوزیته نفت خام برای سه حالت، لزجت نفت اشباع، لزجت در بالای نقطه حباب و لزجت در زیر فشار اشباع اقدام می شو د. سپس با استفاده از مدل Khan و روش گوی غلتان لزجت نفت خام تخمین زده می شود. آنگاه با استفاده از این داده ها که شامل شرایط موثر در اندازه گیری لزجت است ویسکوزیته تخمین زده شده توسط مدل ارائه شده، یک شبکه عصبی پایه شعاعی آموزش داده می شود. این شبکه یک نوع شبکه عصبی مصنوعی دو لایه است که تابع تحریک لایه پنهان آن تابع گوسی بوده و برای آموزش آن از الگوریتمهای آموزش نظارت شده استفاده می شود. پس از آموزش شبکه عصبی پایه شعاعی، نتایج روش آزمایشگاهی و هوش مصنوعی با یکدیگر مقایسه می شود. با آموزش این شبکه قادر خواهیم بود که لزجت نفت خام را بدون استفاده از مدل Khan و شرایط آزمایشگاهی، تحت هر شرایط دیگری با دقت قابل قبولی تخمین بزنیم. نتایج نشان می دهد که شبکه عصبی شعاعی توانایی بالایی در تخمین لزجت نفت خام دارد. صرفه جویی در وقت و هزینه از دیگر مزایای این تحقیق است .

کلیدواژه‌ها:

لزجت- نفت خام عربستان - شبکه عصبی پایه شعاعی - روش گوی غلتان - مدل Khan

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-NEPC01-NEPC01_035.html
کد COI مقاله: NEPC01_035

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:
حیدری, محمد، ۱۳۸۸، محاسبه لزجت نفت خام عربستان سعودی به کمک شبکه عصبی پایه شعاعی، اولین کنگره ملی کاوش نفت و گاز - تولید صیانتی، اهواز، پژوهشکده آریا پژوهش آلفا، https://www.civilica.com/Paper-NEPC01-NEPC01_035.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: (حیدری, محمد، ۱۳۸۸)
برای بار دوم به بعد: (حیدری، ۱۳۸۸)
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 :

  • Tarek, A., Hydrocarbon Phase Behavior, Gulf Publishing Company, 1989. ...
  • Dexheimer, D., Jackson, C. M., Barrufet, M. A., A modification ...
  • Glaso, O., Generalized pressure- volum e-tem perature correlations for crude ...
  • Khan, S. A., Al-Mahroum, M. A., Duffuaa, S. O., Abu-Khansin, ...
  • Beggs, H. D., Robinson, J. R., Estimation the viscosity of ...
  • Chew, J., Connally, C. A., A viscosity correlation for gas- ...
  • Beal, C., The viscosity of air, natural gas, crude oil ...
  • AI-sharkawy, A.M., Alikhan, A. A., Modeling for predicting the viscosity ...
  • Labedi, R., Improved correlation for predicting the viscosity of light ...
  • Wasserman, P.D., Neural computing: Theory and Practice, Van Nostrand Reinhold, ...
  • Freeman, J.A., Simulating neural networks, Ad dison-Wesley Publishing Company, Inc., ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۳۳۳
    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 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.