کلمات کلیدی: فشار بخار، مدل سازی، پیش بینی خواص ترمودینامیکی، روش های هوشمند فهرست مطالبصفحه عنوانفصـل اول : مقدمه وکلیات تحقیق. 11-1-مقدمه. 21-2-تعریف فشار بخار. 21-3--عوامل مؤثر برفشار بخار. 31-3-1-ماهیت مایع. 31-3-2-دمای مایع. 31-4-بیان مسأله. 31-5-توجیه ضرورت انجام تحقیق. 41-6-اهداف تحقیق. 41-7-مراحل انجام تحقیق. 41-8-ساختار تحقیق. 5فصل دوم:ادبیات و پیشینه تحقیق. 72-1-مقدمه. 82-2-روابط ریاضی تخمین وپیش بینی فشاربخار مواد مختلف. 92-2-1-معادله کلازیوس-کلاپیرون. 92-2-2-معادله آنتوان. 102-2-2-1-محدودیت های معادله آنتوان. 102-2-3-معادله آنتوان توسعه یافته. 102-2-4-معادله واگنر. 112-2-4-1-محدودیت های معادله واگنر. 122-2-5-رابطه حالتهای متناظر ریدل. 122-2-6-معادله لی-کسلر. 142-2-6-1-محدودیت های رابطه لی-کسلر. 152-2-7-معادله فشاربخار آمبروز-پاتل. 152-2-7-1-ملاحظات معادله آمبروز-پاتل. 162-2-8-روش حالتهای متناظر آمبروز-والتون. 162-3-اهمیت روش های نوین پیش بینی و تخمین خواص مواد. 172-4-پیشینه روش شبکه های عصبی در تخمین خواص ترمودینامیکی. 182-5-پیش بینی فشاربخار مواد با استفاده از شبکه عصبی مصنوعی 19فصل سوم: روش تحقیق. 213-1-مقدمه. 223-2-تاريخچه پیدایش شبکه های عصبي مصنوعی. 223-3-ویژگی های شبکه های عصبی مصنوعی. 243-3-1-قابلیت آموزش. 243-3-2-قابلیت تعمیم. 243-3-3-پردازش توزیعی(موازی). 243-3-4-تحمل پذیری خطا. 253-4-ساختار شبکه‌ها‌ي عصبي مصنوعی. 253-4-1-مدل نرون با یک ورودی. 253-4-2-مدل نرون با یک بردار به عنوان ورودی. 263-4-3-ساختار یک لایه از شبکه های عصبی. 273-4-4-شبکه های چندلایه. 273-4-5-توابع انتقال. 283-4-5-1-تابع انتقال سخت محدود. 293-4-5-2-تابع انتقال خطی. 293-4-5-3-تابع انتقال لگاریتمی سیگموئید. 303-4-5-4-تابع انتقال شعاع مبنا. 303-4-5-5-تابع انتقال آستانه ای خطی متقارن. 313-4-5-6-تابع انتقال تانژانت-سیگموئید. 313-5-روش های آموزش شبکه عصبی. 323-6-قواعد یادگیری شبکه های عصبی. 323-6-1-قواعد یادگیری نظارت شده. 323-6-2-قواعد یادگیری غیرنظارتی. 333-7- شبکه های عصبی پرسپترون. 333-7-1-محدودیت های شبکه پرسپترون. 343-8- شبکه های عصبی پیشخور. 353-9-الگوریتم پس انتشار خطا. 363-10-آموزش شبکه های پس انتشار. 373-11-بیش برازش شبکه. 373-12-بهبود عمومیت شبکه. 383-13-پارامترهای اساسی برای طراحی یک شبکه عصبی. 393-13-1-انتخاب مناسب ترین اطلاعات ورودی به شبکه. 393-13-2-نحوه ورود داده ها. 393-13-3-تقسیم بندی داده ها. 393-13-4-انتخاب مناسب ترین تعداد نرون های لایه پنهان. 403-12-معیارهای ارزیابی کارایی مدل. 403-12-نرم افزار استفاده شده در این تحقیق. 41فصل 4:محاسبات و یافته های تحقیق. 424-1-مقدمه. 434-2-طراحی شبکه عصبی مصنوعی برای هیدروکربن های آروماتیکی. 434-3-طراحی شبکه عصبی مصنوعی برای آلکان ها و آلکن ها. 524-4-طراحی شبکه عصبی مصنوعی برای الکل ها. .64-5-طراحی شبکه عصبی مصنوعی برای آلکیل سیکلو هگزان ها. 68فصل پنجم:نتیجه گیری و پیشنهادها. 775-1-نتيجه گيری. 785-2-پيشنهادات برای تحقیقات آتی. 79مراجع. 80چکیده انگلیسی. 86جدول 4- 1: مشخصات داده های تجربی درنظرگرفته شده برای هیدروکربن های آروماتیکی. 44جدول 4- 2بررسی خطاوضریب تعیین ساختار مختلف شبکه های عصبی برای هیدروکربن های آروماتیکی. 46جدول 4- 3: مقایسه خطای مطلق میانگین روابط متعارف پیش بینی فشاربخار و روش شبکه عصبی برای هیدروکربن های آروماتیکی. 51جدول 4- 4: خلاصه شبکه عصبی طراحی شده برای گروه هیدروکربن های آروماتیکی. 52جدول 4- 5: مشخصات داده های تجربی درنظرگرفته شده برای آلکان ها و آلکن ها. 53جدول 4- 6: بررسی میزان خط و ضریب تعیین ساختار مختلف شبکه های عصبی برای آلکان ها و آلکن ها. 54جدول 4- 7: مقایسه خطای مطلق میانگین روابط متعارف پیش بینی فشاربخار و روش شبکه عصبی برایآلکان ها و آلکن ها. 59جدول 4-8:خلاصه شبکه عصبی طراحی شده برای گروهآلکان ها و آلکن ها 60جدول 4- 9: مشخصات داده های تجربی درنظرگرفته شده برای الکل ها 61جدول 4- 10: بررسی میزان خطا وضریب تعیین ساختار مختلف شبکه های عصبی برای الکل ها. 62جدول 4- 11: مقایسه خطای مطلق میانگین روابط متعارف پیش بینی فشاربخار و روش شبکه عصبی برای الکل ها. 67جدول 4- 12: خلاصه شبکه عصبی طراحی شده برای گروه الکل ها. 68جدول 4- 13:مشخصات داده های تجربی درنظرگرفته شده برای آلکیل سیکلوهگزان ها. 69جدول 4- 14: بررسی میزان خطا وضریب تعیین ساختارمختلف شبکه های عصبی برای آلکیل سیکلوهگزان ها. 70جدول 4- 15:مقایسه خطای مطلق میانگین روابط متعارف پیش بینی فشاربخار و روش شبکه عصبی برای آلکیل سیکلو هگزان ها. 75جدول 4- 16: خلاصه شبکه عصبی طراحی شده برای گروه آلکیل سیکلو هگزان ها. 76 فهرست شکلهاعنوان صفحهشکل 3- 1: نمایی از مدل نرون تک ورودی. 26شکل 3- 2:مدل نرون با Rورودی. 27شکل 3- 3:یک لایه از شبکه های عصبی. 27شکل 3- 4: مدل خلاصه شده شبکه تک لایه. 27شکل 3- 5: مدل شبکه های چند لایه. 28شکل 3- 6: تابع انتقال سخت محدود. 29شکل 3- 7: تابع انتقال خطی. 29شکل 3- 8: تابع انتقال لگاریتمی سیگموئید. 30شکل 3- 9: تابع انتقال شعاع مبنا. 30شکل 3- 10: تابع انتقال آستانه ای خطی متقارن. 31شکل 3- 11:تابع انتقال تانژانت-سیگموئید. 31شکل 3- 12:یک نرون پرسپترون. 34شکل 4- 1: تغييرات ميزان خطای مطلق میانگین با افزایش نرون در لایه پنهان برای هیدروکربن های آروماتیکی. 47شکل 4- 2: ساختار بهینه شبکه عصبی برای هیدروکربن های آروماتیکی 47شکل 4- 3: خطای مربعات میانگین شبکه در مراحل آموزش، ارزیابی و تست برای هیدروکربن های آروماتیکی. 48شکل 4- 4: فشاربخار محاسبه شده توسط شبکه عصبی(output)در مقایسه با داده های فشاربخار تجربی(target) در مرحله آموزش برای هیدروکربن های آروماتیکی. 49شکل 4- 5: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله ارزیابی برای هیدروکربن های آروماتیکی. 49شکل 4- 6: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله تست برای هیدروکربن های آروماتیکی. 50شکل 4- 7:فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در کل مراحل برای هیدروکربن های آروماتیکی. 50شکل 4- 8: تغييرات ميزان خطای مطلق میانگین با افزایش نرون در لایه پنهان برای آلکان ها و آلکن ها. 55شکل 4- 9: ساختار بهینه شبکه عصبی برای آلکان ها و آلکن ها. 55 شکل 4- 10: خطای مربعات میانگین شبکه در مراحل آموزش،ارزیابی و تست برای آلکان ها و آلکن ها. 56شکل 4- 11: فشاربخار محاسبه شده توسط شبکه عصبی(output)در مقایسه با داده های فشاربخار تجربی(target) در مرحله آموزش برای آلکان ها و آلکن ها. 57شکل 4-12: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله ارزیابی برای آلکان ها و آلکن ها. 57شکل 4- 13: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله تست برای آلکان ها و آلکن ها 58شکل 4- 14:فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در کل مراحل برای آلکان ها و آلکن ها 58شکل 4- 15: تغييرات ميزان خطای مطلق میانگین با افزایش نرون در لایه پنهان برای الکل ها. 63شکل 4- 16: ساختار بهینه شبکه عصبی برای الکل ها. 63شکل 4- 17: خطای مربعات میانگین شبکه در مراحل آموزش،ارزیابی و تست برای الکل ها. 64شکل 4- 18: فشاربخار محاسبه شده توسط شبکه عصبی(output)در مقایسه با داده های فشاربخار تجربی(target) در مرحله آموزش برای الکل ها. 65شکل 4- 19: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله ارزیابی برای الکل ها 65شکل 4- 20: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله تست برای الکل ها. 66شکل 4- 21:فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در کل مراحل برای الکل ها. 66شکل 4- 22: تغييرات ميزان خطای مطلق میانگین با افزایش نرون در لایه پنهان برای آلکیل سیکلوهگزان ها. 71شکل 4- 23: ساختار بهینه شبکه عصبی برای آلکیل سیکلوهگزان ها. 71شکل 4- 24: خطای مربعات میانگین شبکه در مراحل آموزش،ارزیابی و تست برایآلکیل سیکلوهگزان ها. 72شکل 4- 25: فشاربخار محاسبه شده توسط شبکه عصبی(output)در مقایسه با داده های فشاربخار تجربی(target) در مرحله آموزش برای آلکیل سیکلوهگزان ها. 73شکل 4- 26: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله ارزیابی برایآلکیل سیکلوهگزان ها. 73شکل 4- 27: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله تست برایآلکیل سیکلوهگزان ها. 74شکل 4- 28:فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در کل مراحل برایآلکیل سیکلوهگزان ها. 74 فصل اولمقدمه و کلیات تحقیق1-1-مقدمهفشار بخار خاصیت ترمودینامیکی مهمی در بسیاری از فرآیند های مختلف مهندسی شیمی نظیر تعادل شیمیایی، تقطیر ، تبخیر و مانند آنها به شمار می رود. تعیین این مشخصه می تواند به محاسبه مشخصات مهم دیگری نظیر انتالپی تبخیر بیانجامد. در صنایع نفت وگاز هم تعیین فشار بخار دارای اهمیت ویژه ای می باشد. در این حوزه در دو مورد عمده با فشار بخار برخورد می شود؛ یکی از این موارد، فشار بخار در مخازن می باشد. یکی از روش های مهم برای تقسیم بندی انواع مخازن نگهداری سیالات در صنعت نفت و گاز، تقسیم بندی آنها بر اساس فشار بخار سیالات مورد نظر می باشد. برای هر محدوده از فشار بخار مواد (فشار پایین، فشار متوسط، فشار بالا) از انواع مخصوصی از مخازن استفاده می شود. به عنوان مثال برای سیالات با فشار بخار پایین، از مخازن سقف ثابت استفاده می شود. برای سیالات با فشاربخار متوسط، مخازن سقف متحرک یا به عبارتی سقف شناور مورد استفاده قرار می گیرد.فشار بخار محصولات مایع، از دیگر مواردی است که در صنعت مورد اندازه گیری واقع می شود. یکی از راههای اندازه گیری غیر مستقیم میزان سرعت تبخیر حلال های نفتی فرار، فشار بخار آن ها می باشد.محصولات تولیدی پالایشگاه نیز می بایست دارای مشخصات ویژه ای بوده و استانداردهایی در آن ها رعایت شده باشد تا در بازارهای جهانی امکان حضور و فروش خوب داشته باشد. بر همین اساس میزان فشاربخار از جمله مهمترین خصوصیت های مورد توجه است که علاوه بر کیفیت و قیمت از نقطه نظر ایمنی هنگام انتقال و ذخیره سازی نیز بسیار مهم می باشد و همواره مورد آزمایش و کنترل واقع می شود. از این رو اهمیت تعیین دقیق فشاربخار سیالات در حوزه صنایع نفت برکسی پوشیده نیست.1-2-تعریف فشار بخارفشار بخار به صورت فشار جزئی اعمال شده توسط بخار بالای سطح مایع تعریف می شود که این بخار در یک دمای معینی با مایع به تعادل می رسد. زماني كه لحظه ي تعادل نزديك مي شود، تعداد مولكول هاي بخار شده با تعداد مولكول هاي متراكم شده برابر مي شود. در واقع سرعت تبخير با سرعت تراكم برابر مي گردد و فشار مشخص شده در این حالت،فشار بخار آن مايع در آن دما است.] 1 [1-3-عوامل مؤثر بر فشار بخاردر کل فشار بخار یک مایع به دو عامل زیر بستگی دارد:ü ماهیت و طبیعت مایعü دمای مایع1-3-1-ماهیت مایع مایعاتی که دارای نیروهای بین مولکولی ضعیفی هستند، فرارترند و فشار بخار بالاتری دارند. برای مثال، فشار بخار اتیل الکل بیشتر از فشار بخار آب است.1-3-2-دمای مایع فشار بخار با افزایش دما، افزایش می یابد. این مسئله بدین علت است که با افزایش دما، سرعت تبخیر نیز، افزایش می یابد.