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