پیش بینی غلظت و رفتار مرکاپتان در خطوط گاز با استفاده از شبکه عصبی GMDH

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 992

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICOGPP03_126

تاریخ نمایه سازی: 25 بهمن 1394

چکیده مقاله:

گاز طبیعی پس از حذف سولفور در پالایشگاه به خطوط اصلی منتقل شده و در واحد CGS جهت تشخیص نشتی گاز ، ایمنی بیشتر و بودار کردن گاز، به آن مرکاپتان تزریق می کنند. مرکاپتان به دلیل ساختار متفاوت با گاز طبیعی درطول خطوط غیر یکنواخت توزیع می شود که در بحث ایمنی و محیط زیست مشکلاتی ایجاد می نماید. در این مطالعه پارامتر های موثر در این توزیع غیر یکنواخت انتخاب شده است و عوامل افزایش و کاهش مرکاپتان در خطوط و خروجی اندازه گیری شده توسط شبکه ی عصبی و نوع روش دسته بندی داده های عددی (GMDH) جهت پیش بینیرفتار مرکاپتان در خطوط بیان شده است. نتیج حاصل از مدلسازی با داده های تجربی مقایسه شدند.پس از اجرای GMDH مدل بدست آمده با نتایج تجربی تطابق خوبی داشت

نویسندگان

فرشید زارعی

دانشجوی کارشناسی ارشد ، دانشگاه گیلان ،گروه مهندسی شیمی؛

الهیار داغبندان

استادیار گروه مهندسی شیمی، دانشگاه گیلان

محمود شکورنیا

رییس HSE شرکت گاز استان گیلان

فرهاد زارعی

دانشجوی دکتری، دانشگاه اراک ،گروه مهندسی شیمی

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 :
  • بررسی علل عدم توزیع یکنواخت غلظت دکتر محمد رضا طلایی؛ ...
  • nd ed., ASME Press, New York, 2003. ...
  • Dolenko, SA, Orlov, TV, and Persiantsev, IG, "Practical Implementation and ...
  • nomlinear systems, Proceeding of IWIM 2007, Vol. 2007 ...
  • genetic design of GMDH-type neural networks for nomlinear systems, Proceeding ...
  • نمایش کامل مراجع