رسوب آسفالتین به طور عمده تحت تاثیر بازیابی نفت خام است و خواص نفت خام را تغییر می دهد. بنابراین برای پیش بینی رسوب آسفالتین دو مدل ترمودینامیکی و مقیاس گذاری در مطالعات مختلف ارائه شده است. در تحقیق حاضر سه مدل برای پیش بینی میزان رسوب آسفالتین ارائه شده است، دو مدل هوشمند و یک مدل مقیاس گذاری. مدل های هوشمند حاضر از نوع شبکه عصبی هستند. در مدل های هوشمند از پارامترهای تاثیر گذار بر رسوب آسفالتین همچون فشار، نسبت رقیق سازی و وزن مولکولی سیال تزریقی استفاده شده است. در ابتدا مدل شبکه عصبی برای پیش بینی رسوب آسفالتین مورد استفاده قرار گرفته است. در دیگر مدل هوشمند، از الگوریتم ژنتیک برای بهینه-سازی پیکربندی شبکه عصبی استفاده شده است که با این کار نتایج شبکه عصبی بهبود بخشیده شده است. دیگر مدل ارائه شده مدل مقیاس گذاری بهبود یافته است. در این کار، رسوب آسفالتین بصورت تابعی از فشار، نسبت رقیق سازی و وزن مولکولی سیال تزریقی و به صورت تابع غیر خطی از دو متغیر چگالی نفت و میزان رزین به آسفالتین موجود در نوع نفت می باشد. برای نشان دادن دقت مدل ها، داده های مختلف آزمایشگاهی حاصل از نفت های مختلف (سبک، متوسط و سنگین) در آزمایشگاه به کار گرفته شده است. نتایج پیش بینی مدل ها با داده های نفت ایران مورد ارزیابی قرار گرفته است که در آن شبکه عصبی توانایی پیش بینی میزان رسوب آسفالتین را با دقت قابل قبولی ( 97/0r2~) را دارا بوده است. با بهینه سازی پیکربندی شبکه عصبی با الگوریتم ژنتیک، مقدار خطای پیش بینی شبکه به مقدار قابل توجهی بهبود یافت ( 99/0r2~). از طریق مدلسازی مقیاس گذاری تعمیم یافته ارائه شده نیز نتایج قابل قبولی ( 95/0r2~) با سایر مدل های ارائه شده حاصل شده است.

نیروگاه ها یکی از مهمترین منابع آلوده کننده محیط زیست محسوب می شوند. نیروگاه های حرارتی که کماکان بخش عمده ای از انرژی الکتریکی مورد نیاز بشر را تأمین می کند در اثراستفاده از سوخت های فسیلی سهم بسزایی در آلودگی محیط زیست دارند.هدف این پایان نامه طراحی یک سیستم هوشمند برای پایش آلایندگی گازهای خروجی از دودکش نیروگاه های حرارتی است. هوشمندسازی پایش آلاینده ها ضمن کنترل گازهای آلاینده می تواند اختلالات سیستماتیک در فرآیند احتراق را نیز به اپراتور گوشزد کند. . در این تحقیق سعی شده که با ارزیابی تاثیرگذارترین مشخصه ها در شرایط آلاینده های نیروگاه، به پایش این شرایط پرداخته شود. رویکرد مورد استفاده جهت تحلیل در پایش آلاینده ها، بکارگیری منطق فازی و پیاده سازی دانش شخص خبره در زمینه آنالیز آلاینده ها، در قالب یک سیستم فازی می باشد. داده های آنالیز آلاینده های نیروگاه ری به عنوان داده های آزمایشگاهی در تحقیق حاضر مورد استفاده قرار گرفته اند. پس از انجام تحلیل های آماری بر روی داده های آزمایشگاهی، سه مشخصه co، nox و sox که از مشخصه های حیاتی در پایش وضعیت آلاینده ها به شمار می آیند به عنوان ورودی های اصلی سیستم فازی، و همچنین سه مشخصه دما، فشار استاتیک و دبی گازهای خروجی به عنوان ورودی های فرعی جهت وضعیت آلاینده ها در نظر گرفته شده اند. نتایج تحلیل های آماری نشان از وجود الگویی خاص در ارتباط با تولید آلاینده های گازی در نیروگاه در طول کارکرد آن دارد که تابع نوع سوخت و شرایط کارکرد نیروگاه است. با کشف این الگو و پیاده سازی آن در قالب سیستم فازی، فرآیند هوشمندسازی پایش آلاینده ها به انجام خواهد رسید به دلیل مسائل امنیتی نیروگاه ها و عدم وجود نتایج آزمایشگاهی، در گام بعدی جهت صحت نتایج به دست آمده، با استفاده از روش سطح پاسخ، مشخصه های ورودی و نتایج خروجی سیستم فازی را به صورت یک تابع ریاضی مدل کرده و با کمترین خطای ممکن مجموع داده های جدید بهینه سازی خواهند شد. سپس در مرحله بعد برای صحت کار با استفاده از روش الگوریتم ژنتیک، نتایج بدست آمده از دو روش قبل بهینه سازی می شود. و با بدست آوردن بهترین نماینده از مجموع کل تفاضل خروجی های به دست آمده از دو روش سطح پاسخ و فازی، تابع هدف تعیین می شود. بدین ترتیب در سیستم هوشمند تعیین پایش آلاینده های گازی نیروگاه با ارزیابی مشخصه های ورودی بدست آمده از حسگرها توسط هسته نرم افزاری، وضعیت نهایی آلاینده ها قابل نمایش خواهد بود.

امروزه، نشت نفت به دلیل اثرات زیست محیطی و اقتصادی که به همراه دارد به یک مشکل جهانی تبدیل شده است. عکس العمل مناسب جهت رفع آلودگی و کاهش اثرات سو این پدیده ضروری به نظر می آید. روش جذب با استفاده از مواد جاذب به عنوان یکی از موثرترین راهکارها برای جذب آلودگی های نفتی به کاربرده می شود. از مهم ترین عواملی که در انتخاب جاذب تأثیرگذار است ظرفیت بالای جذب، قدرت نفت دوستی زیاد و دوستدار محیط زیست بودن آن است. هدف از انجام این تحقیق بررسی جذب نفت به وسیله پنج نوع ماده به عنوان جاذب است. این مواد عبارت اند از: پوسته برنج، چوب ممرز ، گیاه آزولا (این ماده برای اولین بار در این تحقیق به عنوان جاذب مواد نفتی استفاده شده است)، پودر لاستیک و الیاف پلی پروپیلن. این مواد برای جذب مواد نفتی در آب دریا و آب دی¬یونیزه استفاده شده¬اند. سه ماده پوسته برنج، چوب ممرز و پودر لاستیک ابتدا با انجام عملیات مورد نیاز تبدیل به کربن فعال شده و سپس مورد استفاده قرارگرفته اند. همچنین به منظور دست یافتن به جاذبی مقرون به صرفه و با قدرت جذب بالا، یک جاذب ترکیبی از مواد جاذب ساخته شده و مورد آزمایش قرار گرفته است. این جاذب ترکیبی با استفاده از مخلوط کردن مواد جاذب با نسبت های وزنی متفاوت ساخته شده است. به منظور شبیه سازی آلودگی نفتی از نفت سنگین کوهموند جهرم و روغن اتومبیل ساخت شرکت ایرانول استفاده شده است. هدف بررسی مقدار جذب آلودگی های نفتی توسط این مواد از سطح آب است. به همین جهت تأثیر پارامترهایی مانند زمان تماس، دما و ph بررسی شده است. آزمایش¬ها با دو روش اندازه¬گیری وزن جذب شده و آنالیز تصویری (با استفاده از مساحت جذب شده) انجام شده است. نتایج نشان داد که الیاف پلی پروپیلن بهترین عملکرد را در جذب مواد نفتی از سطح آب داشته است. پس از پلی پروپیلن، جاذب ترکیبی عملکرد موثری در جذب از خود نشان داده است و آزولا، پوسته برنج، چوب ممرز و پودر لاستیک در رتبه های بعدی قرارگرفته بودند. مقدار ظرفیت جذب برای جذب نفت خام در دمای 25 درجه سانتی¬گراد در آب دریا به وسیله 1 گرم از جاذب¬های مختلف عبارت است از: پلی پروپیلن 54/7، جاذب ترکیبی 82/5، آزولا 04/ 5، پوسته برنج 03/4، چوب ممرز 62/3 و لاستیک 67/1 گرم. همچنین مقدار ظرفیت جذب برای جذب روغن اتومبیل در دمای 25 درجه سانتی¬گراد در آب دریا به وسیله 1 گرم از جاذب¬های مختلف عبارت است از: پلی پروپیلن 36/17، جاذب ترکیبی 87/11، آزولا 21/ 11، پوسته برنج 46/8، چوب ممرز 27/7 و لاستیک 15/5 گرم. در انتها به منظور بررسی فرآیند جذب، همدمای جذب (لانگمویر و فرندلیچ) برای هر کدام از جاذب ها محاسبه و رسم شده است. نتایج نشان داد که این جاذب¬ها با همدمای فرندلیچ ( میانگین رگرسیون 9903/0) تطابق بهتری داشتند که نشان می¬دهد جذب چند لایه بیشتر از جذب تک¬لایه انجام صورت پذیرفته است.

گاز طبیعی، مهم ترین و پرطرف دارترین سوخت فسیلی است. با وجود این، گاز طبیعی استخراج شده از مخازن زیرزمینی، حاوی مقادیری از گازهای اسیدی مثل سولفید هیدروژن و دی اکسید کربن بوده و یک گاز ترش محسوب می شود. این گازهای اسیدی، ترکیبات نامطلوبی هستند که برای تبدیل گاز ترش به گاز قابل استفاده جهت مصارف خانگی و صنعتی، باید پالایش شده و مقادیر آن ها در حد استاندارد مصرف قرار گیرد. عملیات جداسازی گازهای اسیدی از گاز طبیعی، در واحد شیرین سازی پالایشگاه گاز انجام می شود. شواهد، نشان دهنده ی اثرگذاری برخی از متغیرها بر مقدار جذب گازهای اسیدی در این واحد است. این متغیرها، گذشت زمان، دبی گاز ترش ورودی به برج جذب واحد، مقدار سولفید هیدروژن موجود در آمین خروجی از برج جذب، دمای آب دریا جهت خنک نگه داشتن سیستم، دبی بخار کم فشار ورودی به ریبویلر آمین و دبی آمین ورودی به برج جذب، می باشند. در این پژوهش، سعی شده است تا مدلی از شبکه عصبی جهت تخمین مقادیر گازهای اسیدی خروجی از برج جذب واحد شیرین سازی فاز اول و دوم پالایشگاه گاز پارس جنوبی، به کمک متغیرهای موثر مذکور، ارایه شود. به منظور یافتن بهترین ساختار مدل شبکه عصبی ارائه شده، کاربرد روش سطح پاسخ بررسی شد. روش سطح پاسخ نتوانست تغییرات رفتار شبکه را طی تعداد نرون های مخفی مختلف، توجیه کند. علت آن نیز رابطه ی پیچیده و غیر قابل پیش بینی است که بین تغییرات ضرایب همبستگی و تعداد نرون های مخفی شبکه وجود دارد. در قسمت بعدی کار حاضر، به منظور بهبود عملکرد شبکه، بهینه سازی پارامترهای ساختاری و آموزشی مدل ایجاد شده بین متغیرهای برج جذب شیرین سازی، یعنی تعداد نرون های مخفی شبکه و همچنین وزن و بایاس آن توسط یک الگوریتم بهینه سازی نوین با توانایی جست و جوی سراسری تحلیل گشته است. برای این هدف، الگوریتم رقابت استعماری انتخاب شد. نتایج، توافق خوبی را با داده های تجربی نشان داد. در پایان، جهت صحت و اعتبار سنجی، مدل شبکه عصبی-الگوریتم رقابت استعماری با مدل شبکه عصبی-پس انتشار، مقایسه گردید. نتایج، موثر بودن مدل شبکه عصبی-الگوریتم رقابت استعماری را در تخمین هردو گاز اسیدی سولفید هیدروژن و دی اکسید کربن خروجی از برج جذب واحد شیرین سازی اثبات نمود.