Article

تشخیص گرفتگی در لوله های کوره پیش گرمکن نفت خام با استفاده از ماشین های بردار پشتیبان بهینه

Abstract

در این تحقیق، استفاده از ماشین های بردار پشتیبان برای پیش بینی وقوع گرفتگی و همچنین تعیین درصد آن در لوله های بخش تابشی کوره پیش گرمکن نفت خام مورد مطالعه قرار گرفته است. کوره های پیش گرمکن نفت خام به عنوان یکی از المان های اصلی تامین حرارت در فرآیند جداسازی مشتقات نفتی، همواره در معرض گرفتگی لوله ها و خطرات ناشی از آن هستند. به منظور پیش بینی شرایط گرفتگی در لوله ها، در بخش اول با توجه به پارامترهای مستقل موثر بر عملکرد کوره و بر اساس مدلسازی دینامیکی ارائه شده برای یک کوره پیش گرمکن نوع کابینتی، رفتار کوره در شرایط غیرایده ال شبیه سازی شده است. تاثیر تغییر نوع گرفتگی، همچنین تغییر موقعیت آن در لوله های مختلف بر شرایط دمایی لوله ها و نفت خام خروجی از آن ها بررسی شده است. سپس بر اساس نتایج بدست آمده از سناریوها و شرایط مختلف گرفتگی لوله، شناساگر خطا طراحی شده است. شرایط عملکردی کوره شامل افت فشار در لوله ها، شرایط دمایی لوله ها و نفت خام خروجی از آنها برای تعیین بروز گرفتگی و تعیین میزان ته نشست ها مورد استفاده قرار می گیرند. نتایج حاصل دقت و قابلیت روش پیشنهادی برای تعیین میزان گرفتگی لوله ها را نشان می دهد.

Similar items

  • مدلسازی ترمودینامیکی کوره پیش گرمکن نفت خام

    Article2015فصلنامه علمی ترویجی فرآیند نوعلی چائی بخش لنگرودی، نسیم انسان صفت، علی جمالی، رامین کوهی کمالی

    در این مقاله، مجموعه کوره پیش گرمکن نفت خام (خوراک ستون تقطیر) مورد بررسی قرار می گیرد. مدل ریاضی برای بخش جابجایی و تشعشعی کوره در شرایط ایده ال ارائه شده، همچنین مدل ساده ای برای فرایند احتراق پیشنهاد می گردد. مدلسازی ارائه شده برای یک گذر از کوره مورد بررسی می باشد. معادلات پی

  • تشخیص صرع در سیگنال‌های الکتروانسفالوگرافی (EEG) بر اساس ویژگی طیف کلی موجک (GWS) با استفاده ماشین بردار پشتیبان

    Article2019پردازش سیگنال پیشرفتهفریبا حسن‌زاده، سعید مشگینی

    در حدود یک درصد از مردم دنیا از صرع رنج می‌برند. اولین مرحله از درمان صرع، تشخیص به‌موقع و صحیح آن است. یکی از راه‌های تشخیص صرع، تجزیه و تحلیل دقیق سیگنال الکتروانسفالوگرافی (EEG) است. ویژگی‌های مختلفی جهت تشخیص این بیماری از روی سیگنال مانند دامنه سیگنال وجود دارد. در این مقاله

  • پیش بینی قیمت هفتگی نفت خام از طریق مدل ترکیبی ماشین بردار پشتیبان و خودرگرسیو میانگین متحرک انباشته

    Articleدانش سرمایه گذاریشاپور محمدی، دانشیار، مدیریت مالی، دانشگاه تهران، دانشکده ی مدیریت رضا راعی، استاد، مدیریت مالی، دانشگاه تهران، دانشکده ی مدیریت حسین کرمی، کارشناسی ارشد، مدیریت مالی، دانشگاه تهران، دانشکده ی مدیریت (مسئول مکاتبات)

    همواره پیش­بینی روند قیمت و نوسانات یکی از چالش­های پیش­روی معامله­گران در بازارهای بورس نفت بوده و پیش­بینی قیمت­ها به عنوان یک امر ضروری وکاربردی مطرح می­شود ولیکن باید پیش­بینی را مورد توجه قرار داد که با دقت بیشتری صورت گیرد و نسبت به نتایج واقعی مشاهده شده خطای کمتری داشته ب

  • پیش‌بینی کارایی تعلیق شکن‌های تجاری جداکننده آب شور از امولسیون نفت خام به کمک ماشین بردار پشتیبان

    Article2024پژوهش نفتحسن طالبی، مهرداد مظفریان، بهرام دبیر، نیما اسماعیلیان

    امولسیون آب شور در نفت خام موجب کاهش ارزش نفت خام، مسمومیت کاتالیست‌ها در صنایع پایین دستی و خوردگی تجهیزات در بخش‌های مختلف انتقال، پالایش و نگهداری نفت خام می‌شود. متداول‌ترین روش صنعتی جداسازی آب شور از نفت خام، استفاده از ترکیبات شیمیایی می باشد.تامین ترکیبات شیمیایی مورد نیا

  • پیش‌بینی قیمت هفتگی نفت خام از طریق مدل ترکیبی ماشین بردار پشتیبان و خودرگرسیو میانگین متحرک انباشته

    Article2015دانش سرمایه گذاریحسین کرمی، رضا راعی، شاپور محمدی

    همواره پیش­بینی روند قیمت و نوسانات یکی از چالش­های پیش­روی معامله­گران در بازارهای بورس نفت بوده و پیش­بینی قیمت­ها به عنوان یک امر ضروری وکاربردی مطرح می­شود ولیکن باید پیش­بینی را مورد توجه قرار داد که با دقت بیشتری صورت گیرد و نسبت به نتایج واقعی مشاهده شده خطای کمتری داشته ب

  • استفاده از ماشین بردار پشتیبان در تشخیص محدودیت عملکردی بیماران دیابتی شمال‌غرب ایران در سال 1396: یک مطالعه توصیفی

    Article2020مجله علمی دانشگاه علوم پزشکی رفسنجانلیلی فرجی گاوگانی، پروین سربخش، محمد اصغری جعفرآبادی، سیدمرتضی شمشیرگران

    چکیده زمینه و هدف: ماشین بردار پشتیبان (Support vector machine; SVM) بهعنوان یک روش آماری قوی و کارآمد در تشخیص و پیشبینی پیامدهای بالینی بر اساس ترکیباتی از متغیرهای پیشبین کاربرد دارد. هدف این پژوهش، استفاده از SVM برای تشخیص محدودیت عملکردی بیماران دیابتی و بررسی میزان صحت این