نام پژوهشگر: منصور سورانی
منصور سورانی ارجمند مهربانی
یک مدل ریاضی بر پایه شبکه عصبی مصنوعی برای واحد تبدیل کاتالیستی شماره یک پالایشگاه اصفهان در طی انجام این پایان نامه بدست آمد. مدل توسعه یافته توانایی برآورد مشخصه های خروجی واحد شامل میزان محصول و درجه آرام سوزی آن و میزان تولید گاز مایع و نسبت گاز سبک تولیدی به میزان خوراک بر اساس تعیین تعداد 15 مشخصه ورودی مشتمل بر میزان خوراک و سایر مشخصه های خوراک، عمر کاتالیست و دمای میانگین وزنی بستر کاتالیست و غیره را دارد. جهت آموزش، اعتبار سنجی و آزمایش شبکه های مختلف عصبی از 819 داده صنعتی موجود استفاده شده و در نهایت بر اساس بیشترین ضریب همبستگی و کمترین خطای باقیمانده یک شبکه عصبی زنجیره ای چهار لایه که 15 نرون در لایه اول، 10 نرون در لایه دوم، 7 نرون در لابه سوم و 4 نرون در لایه آخر دارد، انتخاب گردیده است. توابع مربوط به نرون ها در همه لایه ها از نوع تانژانت سیگموئید انتخاب شده و برای آموزش شبکه عصبی مصنوعی از الگوریتم لونبرگ – مارکوات استفاده شد. ضریب همبستگی کلی داده های واقعی و خروجی های مدل شبکه عصبی برگزیده برابر 96942/0 و بیشترین خطای باقیمانده جهت پیش بینی عملکرد فرایند در یک دوره کاری برابر 1/2 واحد می باشد. سپس یک تابع هدف جهت بیشینه نمودن تفاوت ارزش افزوده اقتصادی واحد در حالت کاری میانگین و حالت بهینه کاری تعریف شده است و با استفاده از مدل ایجاد شده، تابع فوق برآورد شده و در نهایت با استفاده از الگوریتم ژنتیک مقادیر کلر و آب موجود در گاز گردشی، دمای میانگین وزنی بستر کاتالیست در روزهای مختلف کاری و مقادیر مختلف خوراک بهینه گردید. میانگین تفاوت ارزش افزوده اقتصادی کارکرد واحد در حالت بهینه کاری و کارکرد نرمال برابر 104× 55/6 دلار می باشد و بیانگر این موضوع است که با استفاده از نتایج به دست آمده می توان عملکرد واحد را تا حد زیادی ارتقا بخشید.