امکان سنجی نرخ ضخامت واکس در خطوط لوله های بهره برداری با استفاده از انفیس و شبکه های عصبی

اکثریت نفت های خام تولیدی شامل مقدار قابل توجهی از واکس است . رسوب واکس عمدتا مشکلاتی در خط لوله ها و تجهیزات سر چاه های نفت ایجاد می کند. رسوب واکس همچنین در لوله ها باعث افزایش افت فشار و کاهش تولید می شود و بازده تولید را پایین می آورد. با توجه به دلایل ذکر شده پیش بینی ضخامت واکس نیازمند روشی دقیق و مطمئن است . در این مطالعه با استفاده از ا سیستم های فازی و عصبی -فازی و شبکه های عصبی مدلی برای پیش بینی نرخ ضخامت واکس در جریان های تک فاز و آشفته مورد بررسی قرار گرفت . در مدل شبکه عصبی از مدل شبکه های عصبی پرسپترون چندلایه و از میان روشهای مختلف آموزش از روش الگوریتم پس انتشار خطا، به دلیل همگرایی سریعتر در آموزش شبکه استفاده شد. همچنین در ساختار شبکه آن، طراحی بهینه با سعی و خطا در انتخاب تابع انتقالی ، تعداد لایه های پنهان و تعداد نرون در لایه پنهان تا حصول بهترین آرایش شبکه صورت گرفت . مقایسه نتایج آزمایشگاهی با مقادیر پیش بینی شده توسط سیستم های فازی , عصبی فازی و شبکه های عصبی نشان داد که مقادیر پیش بینی شده توسط این مدل ها با داده های آزمایشگاهی تطابق خوبی دارند و این قابلیت اعتماد این مدل ها را نشان می دهد. میانگین خطای انحراف مطلق در سیستم های عصبی - فازی و عصبی به ترتیب ۲۱۴۸/۶ و ۵۳۶۹/۴ درصد می باشد. نتایج این پیش بینی حاکی از کارائی مطلوب مدلسازی های انجام شده برای پیش بینی نرخ ضخامت واکس در جریان های تک فاز و آشفته می باشد.

کلیدواژه ها:

شبکه های عصبی ، سیستم های عصبی فازی ، رسوب واکس ، جریان های تک فاز و آشفته .