پیش بینی ضریب تراکم پذیری و ویسکوزیته گاز طبیعی به کمک شبکه عصبی فازی و مدل ترکیبی آن با الگوریتم ژنتیک

مقادیر ضریب تراکم پذیری و ویسکوزیته گاز طبیعی در محاسبات مهندسی نفت و شیمی بسیار مهم می باشند. اندازه گیری خواص گاز طبیعی در لوله های گاز، سیستم های ذخیره گاز و مخازن گازی نیازمند در دسترس بودن مقادیر دقیق ضریب تراکم پذیری و ویسکوزیته گاز طبیعی می باشد. اندازه گیری آزمایشگاهی دقیق ترین روش برای پیش بینی این خواص می باشد، اما بسیار پرهزینه و زمان بر می باشد. محققان به دنبال روشی سریع و دقیق برای پیش بینی خواص گاز طبیعی می باشند، مانند تکنیک-های هوش مصنوعی که می تواند بهترین گزینه برای حل چنین مسائلی باشد. این پایان نامه روش جدیدی از ترکیب انفیس و الگوریتم ژنتیک را برای تعیین دقیق مقادیر ضریب تراکم پذیری و ویسکوزیته گاز طبیعی ارائه می دهد. 1500 و 1400 داده آزمایشگاهی به ترتیب برای مدل سازی ضریب تراکم پذیری و ویسکوزیته گاز طبیعی به کار برده شده در این پژوهش از مقالات متعددی جمع آوری شده است. این مدل ضریب تراکم پذیری و ویسکوزیته گاز طبیعی را تابعی از ترکیب گاز، فشار، دما و وزن ملکولی هپتان پلاس پیش بینی می کند و برای انواع گاز از جمله گازسبک، گاز شیرین، گاز ترش،گاز اسیدی و میعانات گازی و در طیف گسترده ای از دما و فشار قابل استفاده می باشد. مقایسه دقت و کارایی مدل ارائه شده با تعدادی از روابط تجربی رایج نشان داده است که این مدل به مراتب از روابط دیگر دقیق تر می باشد.