دانلود پروژه:تخمین ویسکوزیته گاز با استفاده از هوش مصنوعی و مقایسه آن با مقادیر موجود در نشریات

تعداد 89 صفحه فایل word قابل ویرایش

Site: www.filenaab.ir
فایل ناب

دانشکده فنی و مهندسی  ، گروه مهندسی شیمی

پایان نامه برای دریافت درجه کارشناسی ارشد (M.A ) در رشته مهندسی نفت مخارن هیدروکربوری

عنوان:

تخمین ویسکوزیته گاز با استفاده از هوش مصنوعی و مقایسه آن با مقادیر موجود در نشریات

چکیده

ویسکوزیته گاز یکی از پارامترهای بسیار مهم می­باشد که در انجام شبیه­سازی­های مخزن تاثیر قابل ملاحضه­ای دارد. اندازه­گیری آزمایشگاهی ویسکوزیته گاز یک فرآیند هزینه­بر بوده و در اغلب اوقات تجهیزات مورد نظر جهت اندازه­گیری ویسکوزیته در دسترس نیستند. در این پژوهش از یک روش نوین مبتنی بر هوش مصنوعی جهت تخمین ویسکوزیته گاز بر مبنای داده­های به دست آمده از مخازن ایران استفاده گردیده است. به دلیل قابلیت بالای شبکه­های عصبی رگرسیون عمومی‌در حل مسائل تقریب تابع از این نوع شبکه­ها جهت تخمین ویسکوزیته گاز بر مبنای سه پارامتر دمای شبه­کاهیده، فشار شبه­کاهیده و وزن مخصوص گاز استفاده گردیده است. پارامتر  یک پارامتر بسیار مهم در طراحی شبکه عصبی رگرسیون عمومی‌می­باشد؛ مقادیر زیاد  باعث می­شوند که خروجی  شبکه یک متوسط ساده از داده­های آموزش باشد در حالی که مقادیر بسیار کوچک  باعث می­شوند تا خروجی شبکه بسیار نزدیک به مشابه­ترین داده در بین داده­های آموزش گردد. از این رو یک مقدار بهینه برای پارامتر   وجود دارد که باعث تخمین بهینه ویسکوزیته گاز می­گردد. از آنجایی که انتخاب مقدار صحیح پارامتر  در طراحی یک شبکه عصبی رگرسیون عمومی‌بسیار مهم می­باشد، یک الگوریتم فراابتکاری تحت عنوان الگوریتم ازدحام ذرات[1]، در این پژوهش جهت تنظیم مقدار مناسب  برای شبکه عصبی انتخاب گردیده است. بدین منظور  از تابع متوسط مربعات خطا بر روی داده­های تست بعنوان تابع هدف در بهینه­سازی استفاده گردیده و با حساسیت سنجی بر روی تعداد ذرات در الگوریتم ازدحام ذرات مقدار بهینه تعداد ذرات توسط ماکزیمم مقدار ضریب همبستگی (R²) بر روی داده­های تست انتخاب گردیده است. شبکه عصبی بهینه شده با مقدار ضریب همبستگی9872/0 R²= دقت بسیار بالایی جهت تخمین ویسکوزیته گاز از خود نشان می­دهد. جهت مقایسه عملکرد شبکه عصبی توسعه داده شده در این پژوهش با همبستگی­های موجود در نشریات، پنج عدد همبستگی پرکاربرد از نشریات مختلف استخراج شده و جهت تخمین ویسکوزیته گاز بر مبنای داده­های موجود بکار گرفته شده­اند. آنالیز خطای نسبی، نمودار رگرسیون و پارامترهای آماری نظیر: انحراف معیار خطا[2]، مقدار متوسط خطای نسبی مثبت[3]  و مجذور متوسط مربعات خطا[4]  بر روی مدل توسعه داده شده در این پژوهش و همبستگی­های اشاره شده صورت گرفته و نتایج موید این نکته بودند که شبکه عصبی به صورت قابل ملاحظه­ای نسبت به همبستگی­های مورد استفاده برتری دارد. هم­چنین، مشاهده گردید که از بین همبستگی­ها، دو همبستگی LGE و HEM دارای بیشترین دقت بوده در حالی که همبستگی Dempsey دارای بدترین نتایج بر روی داده­های ویسکوزیته گرفته شده از مخازن ایران می­باشد.

واژه های کلیدی: ویسکوزیته گاز، هوش مصنوعی، شبکه­ عصبی رگرسیون عمومی، الگوریتم ازدحام ذرات