مدل سازی و پیش بینی رسوب آسفالتین در نفت خام با استفاده از شبکه های عصبی و الگوریتم ژنتیک
چکیده
آسفالتین ترکیباتی است سنگین الی که این ترکیبات سبب ایجاد مشکلاتی در فرایندهای نفتی می گردد. این رسوب از ترکیبات پیچیده و آلی سنگینی ، که در نفت خام وجود دارد تشکیل شده ، که می تواند سبب بسیاری از مشکلات شود. در این پروژه با استفاده از شبکه های عصبی مصنوعی (ann) روشی را برای برآورد از رسوب آسفالتن مطرح شده است. شبکه های عصبی در واقع مدل ساده ای از مغز انسان است که با قابلیت یادگیری و تخمین ، به کمک یک ساختار ریاضی ، توانایی نشان دادن فرایندها و ترکیبات دلخواه غیر خطی جهت ارتباط بین ورودی ها و خروجی های هر سیستم را دارا می باشد. این شبکه با داده های موجود طی فرایند یادگیری ، آموزش دیده و جهت پیش بینی داده های مجهول مورد استفاده قرار می گیرد. همچنین قبلیت های تخمین شبکه های پرسپترون چند لایه با استفاده از قانون پس انتشار خطا ، این شبکه را به عنوان یک گزینه کلی و کاربردی برای مدل سازی سیستم های غیر خطی معرفی نموده است. افزایش تعداد داده های جانبی در طول آموزش شبکه باعث آموزش دقیق تر شبکه و حصول به نتایج نزدیکتر به واقعیت می گردد. در انجام این پروژه با توجه به سرعت بالای الگوریتم trainlm در اموزش شبکه عصبی در نگارش برنامه مربوط به این پروژه نیز از الگوریتم لونبرورگ – مارکوارت در آموزش شبکه عصبی برای پیش بینی رسوب اسفالتین استفاده شده است. اما الگوریتم ژنتیک از دقت بالایی برخوردار است ولی صحت کار آن مورد تردید است