Font Size

Cpanel

Прогнозирование коэффициентов переноса сложных углеводородных смесей с помощью искусственных нейронных сетей

Данные о коэффициентах переноса - теплопроводности и вязкости сложных углеводородных смесей необходимы для расчета технологических процессов, технологического оборудования, транспортных трубопроводных систем, а также при разработке математических моделей процессов для систем автоматического управления.

Экспериментальные исследования теплофизических свойств (ТФС) сложных углеводородных систем (нефтепродуктов и газовых конденсатов) имеют определенную сложность, которая заключается в том, что нефтепродукты являются многокомпонентными смесями, включающими большое число (20-500) индивидуальных веществ, что делает проблематичным определение их точного химического состава, и, как следствие, разработку надежных методов прогнозного расчета ТФС нефтепродуктов на основе знания свойств компонентов. Очевидный выход заключается в развитии универсальных подходов к созданию методов расчета ТФС нефтепродуктов, обладающих возможностями прогнозирования. Одним из таких подходов является использование искусственных нейронных сетей, которые в настоящий момент находят широкое применение в различных областях науки и техники.

Создание, обучение и моделирование нейронной сети производилось в среде программирования МАТLАВ. Для прогнозирования коэффициентов теплопроводности и вязкости была создана двухслойная нейронная сеть с обратным распространение ошибки (backpropagationneuralnetwork).

Применяемая нейронная сеть состоит из двух скрытых слоев по четыре нейрона каждый. Входными нейронами для сети являются приведенная температура, приведенная плотность, и два характеристических комплекса, идентифицирующих смесь, структура которых рассматривается в докладе.

В качестве обучающей процедуры применялся алгоритм Левенберга - Марквардта. В докладе рассматриваются методические вопросы обучения сети и результаты прогнозирования теплопроводности и вязкости нефтепродуктов и газовых конденсатов. Сравнение производилось на массиве экспериментальных данных, не участвовавших в обучении - 4483 экспериментальные точки о коэффициенте теплопроводности и 4074 экспериментальные точки о коэффициенте вязкости. Показано, что точность прогноза коэффициентов переноса соответствует наиболее надежным методикам, разработанным методами теории подобия.

Григорьев Б.А., Александров И.С., Герасимов А.А.

Актуальные проблемы развития нефтегазового комплекса России

Добавить комментарий


Защитный код
Обновить


Anti-spam: complete the taskJoomla CAPTCHA