کلمات کلیدی:خواص بحرانی، مدلهای نیمه تجربی، شبکه عصبی مصنوعی فهرست مطالبعنوان صفحهفصل اول: مباحث نظری و تئوری1-1- مقدمه. 21-1-1- هدف از انجام تحقیق. 31-2-تاریخچه. 31-3- روابط موجود در تخمین خواص بحرانی. 51-3-1- رابطه هایکاوت. 51-3-2- رابطه های لی- کسلر. 71-3-3- رابطه های وین- ثیم. 81-3-4- رابطه های تعمیم یافتهریاضی- دابرت. 91-3-5- رابطه های تعمیم یافته لین- چاوو. 111-3-6- رابطه های واتنسیری. 141-3-7- رابطهارائه شده توسط پازوکی و همکارانش. 151-3-7-1- مقایسه بین مدل پازوکی با داده های تجربی 161-3-8- مدل یاسر خلیل و همکارانش. 17فصل دوم: روش های انجام تحقیق2-1- مقدمه ای بر روش های انجام تحقیق. 202-2- شبکه عصبی مصنوعی. 202-2-1- سابقه تاریخی شبکه عصبی. 212-2-2- شبکه عصبی اشتراک به جلو. 222-2-3- مزیت های شبکه های عصبی. 23 2-2-4- انواع یادگیری برای شبکه های عصبی. 232-2-5- ساختار شبکه‌های عصبی. 252-2-6- تقسیم بندی شبکه‌های عصبی. 272-2-6-1-تقسیم بندی داده ها در شبکه عصبی مصنوعی. 28 2-2-7- کاربرد شبکه‌های عصبی. 292-2-7-1-کاربرد شبکه عصبی مصنوعی در این تحقیق. 302-2-8- معایب شبکه‌های عصبی. 312-3- سیستم استنتاج تطبيقي عصبي- فازي (انفیس). 31 2-3-1- دسته بندی قواعد انفیس. 322-3-1-1- مدل تاکاگی- سوگنو-کانگ. 322-4- شاخص های ارزیابی مدل های بدست آمده. 34فصل سوم: بحث و نتیجه گیری3-1-هدف تحقیق. 363-2- مدل های نیمه تجربی ارائه شده. 363-2-1- مدل ارائه شده برای دمای بحرانی. 373-2-2- مدل ارائه شده برای حجم بحرانی. 373-2-3- مدل ارائه شده برای فشار بحرانی. 383-3- مقایسه مدل های ارائه شده با داده های تجربی. 383-3-1- مقایسه مدل ارائه شده برای دمای بحرانی با داده های تجربی. 383-3-2- مقایسه مدل ارائه شده برای حجم بحرانی با داده های تجربی. 393-3-3- مقایسه مدل ارائه شده برای فشار بحرانی با داده های تجربی. 403-4- توزیع خطای نسبی مدل های ارائه شده. 413-5- مدل های ارائه شده توسط شبکه عصبی مصنوعی. 423-5-1- مدل ارائه شده توسط شبکه عصبی مصنوعی برای دمای بحرانی. 423-5-1-1- مقایسه مدل ارائه شده توسط شبکه عصبی مصنوعی برای دمای بحرانی. 463-5-2- مدل ارائه شده توسط شبکه عصبی مصنوعی برای حجم بحرانی. 473-5-2-1-مقایسه مدل ارائه شده توسط شبکه عصبی مصنوعی برای حجم بحرانی. 513-5-3- مدل ارائه شده توسط شبکه عصبی مصنوعیبرای فشار بحرانی. 523-5-3-1-مقایسه مدل ارائه شده توسط شبکه عصبی مصنوعی برای فشار بحرانی. 563-6- مدل های ارائه شده توسط انفیس. 573-6-1- مدلارائهشدهتوسطانفیسبرایدمایبحرانی. 573-6-1-1- مقایسهمدلارائهشدهتوسطانفیسبادادههایتجربیبرایدمایبحرانی. 593-6-2- مدلارائهشدهتوسطانفیسبرایحجمبحرانی. 593-6-2-1- مقایسهمدلارائهشدهتوسطانفیسبادادههایتجربیبرایحجمبحرانی. 613-6-3- مدلارائهشدهتوسطانفیسبرایفشار بحرانی. 613-6-3-1- مقایسهمدلارائهشدهتوسطانفیسبادادههایتجربیبرایفشاربحرانی. 633-7- مقایسه مدل های ارائه شده با مدل های دیگر. 633-7-1- مقایسه مدل ارائه شده برای دمای بحرانی. 643-7-2- مقایسه مدل ارائه شده برای حجم بحرانی. 653-7-3- مقایسه مدل ارائه شده برای فشار بحرانی. 663-8- نتیجه گیری. 683-9- پیشنهادات. 693-10- منابع. 70جدول ضمیمه . 74 فهرست جدولهاعنوان صفحهفصل اول: مباحث تئوری و نظریجدول 1-1- ثابت های رابطه برای معادله 1-1 و 1-2. 6جدول 1-2- ثابت های رابطه برای معادله 1-15. 9جدول 1-3- ثابت های رابطه برای معادله 1-17. 10جدول 1-4- ثابت های رابطه برای معادله 1-18. 11جدول 1-5- ثابت های رابطه برای معادله 1-19. 12جدول 1-6- ثابت های رابطه برای معادله 1-23. 13جدول 1-7- مقادیر ثابت های ai و bi برای معادله 1-29. 15جدول 1-8- ثابت های رابطه برای معادله 1-30. 18فصل سوم: بحث و نتیجه گیریجدول 3-1- ثابت های معادله 3-1. 37جدول 3-2- مقادیر شاخص های آماری برای عصب های مختلف جهت تخمین دمای بحرانی. 43جدول 3-3- مقادیر وزن و بایاس های بهینه مربوط به دمای بحرانی. 44جدول 3-4- شاخص های آماری مربوط به شبکه عصبی بهینه جهت تخمین دمای بحرانی. 46جدول 3-5- مقادیر شاخص های آماری برای عصب های مختلف جهت تخمین حجم بحرانی. 48جدول 3-6- مقادیر وزن و بایاس های بهینه مربوط به حجم بحرانی. 49جدول 3-7- شاخص های آماری مربوط به شبکه عصبی بهینه جهت تخمین حجم بحرانی. 51جدول 3-8- مقادیر شاخص های آماری برای عصب های مختلف جهت تخمین فشار بحرانی. 53جدول 3-9- مقادیر وزن و بایاس های بهینه مربوط به فشار بحرانی. 54جدول 3-10- شاخص های آماری مربوط به شبکه عصبی بهینه جهت تخمین فشار بحرانی. 56جدول 3-11- شاخصهایآماریمطلوببرایدمایبحرانی. 58جدول3-12- پارامترهایتوابععضویتگوسینبرایتخمیندمایبحرانیمواد 58جدول 3-13- ضرایبارائهشدهتوسطانفیسبرایدمایبحرانی. 58جدول 3-14- شاخصهایآماریمطلوببرایحجمبحرانی. 60جدول 3-15-پارامترهایتوابععضویتگوسینبرایتخمینحجمبحرانی مواد 60جدول 3-16- ضرایبارائهشدهتوسطانفیسبرایحجمبحرانی. 60جدول3-17- شاخصهایآماریبرایفشاربحرانی. 62جدول 3-18- پارامترهایتوابععضویتگوسینبرایتخمینفشاربحرانیمواد 62جدول3-19- ضرایبارائهشدهتوسطانفیسبرایفشاربحرانی. 62جدول 3-20-مقایسه مدل ارائه شده جهت تخمین دمای بحرانی با سایر مدل ها. 64جدول 3-21- مقایسه مدل ارائه شده جهت تخمین حجم بحرانی با سایر مدل ها. 65جدول 3-22- مقایسه مدل ارائه شده جهت تخمین حجم بحرانی با سایر مدل ها. 67 فهرست شکل هاعنوان صفحهفصل اول: مباحث تئوری و نظریشکل 1-1- مقایسه ی مدل پازوکی با داده های تجربی برای دمای بحرانی 16شکل 1-2-مقایسه ی مدل پازوکی با داده های تجربی برای فشار بحرانی 16شکل 1-3- مقایسه ی مدل پازوکی با داده های تجربی برای حجم بحرانی 17فصل دوم: روش های انجام تحقیقشکل2-1- نماییاز شبکهعصبیتکلایه. 26شکل2-2- نماییازشبکهعصبیچندلایه. 27شکل2-3- نماییازشبکهعصبیاشتراک به جلوی سه لایه. 30شکل2-4- نمایی از قاعده ی عملکرد روش سوگنو. 34فصل سوم: بحث و نتیجه گیریشکل 3-1-داده های تخمینی توسط مدل به دست آمده برای دمای بحرانی در مقابل داده های آزمایشگاهی. 39شکل 3-2- داده های تخمینی توسط مدل به دست آمده برای حجم بحرانی در مقابل داده های آزمایشگاهی. 40شکل 3-3-داده های تخمینی توسط مدل به دست آمده برای فشار بحرانی در مقابل داده های آزمایشگاهی. 41شکل 3-4- نمودار توزیع خطای نسبی مدل ها برای دما،حجم و فشار بحرانی. 42شکل 3-5-نمایی از مدل شبکه عصبی مصنوعی جهت مدل سازی دمای بحرانی. 43شکل 3-6-رفتار پارامترها در مرحله ی آموزش شبکه جهت پیش بینی دمای بحرانی. 45شکل 3-7-نمودار عملکرد شبکه بهینه جهت پیش بینی دمای بحرانی 45شکل 3-8-داده های تخمین زده شده توسط شبکه عصبی مصنوعی در مقابل داده های تجربی برای دمای بحرانی. 46شکل 3-9-نمایی از مدل شبکه عصبی مصنوعی جهت مدل سازی حجم بحرانی. 48شکل 3-10-رفتار پارامترها در مرحله ی آموزش شبکه جهت پیش بینی حجم بحرانی. 50شکل 3-11- نمودار عملکرد شبکه بهینه جهت پیش بینی حجم بحرانی 50شکل 3-12-داده های تخمین زده شده توسط شبکه عصبی مصنوعی در مقابل داده های تجربی برای حجم بحرانی. 51شکل 3-13-نمایی از مدل شبکه عصبی مصنوعی جهت مدل سازی فشار بحرانی. 53شکل 3-14-رفتار پارامترها در مرحله ی آموزش شبکه جهت پیش بینی فشار بحرانی. 55شکل 3-15-نمودار عملکرد شبکه بهینه جهت پیش بینی فشار بحرانی 55شکل 3-16-داده های تخمین زده شده توسط شبکه عصبی مصنوعی در مقابل داده های تجربی برای فشار بحرانی. 56شکل3-17- داده های تخمینی توسط انفیس در مقابل داده های تجربی برای دمای بحرانی. 59شکل3-18- داده های تخمینی توسط انفیس در مقابل داده های تجربی برای حجم بحرانی. 61شکل3-19- داده های تخمینی توسط انفیس در مقابل داده های تجربی برای فشار بحرانی. 63شکل 3-20- مقایسه ی نمودار توزیع خطای نسبی مدل ارائه شده با دیگر مدل ها برای دمای بحرانی. 65شکل 3-21- مقایسه ی نمودار توزیع خطای نسبی مدل ارائه شده با دیگر مدل ها برای حجم بحرانی. 66شکل 3-22- مقایسه ی نمودار توزیع خطای نسبی مدل ارائه شده با دیگر مدل ها برای فشار بحرانی. 67فهرست علائم و اختصارات (Abbreviations) F Fahrenheitk Watson FactorK KelvinMW Molecular WeightMRE Mean Relative ErrorN number of atoms in a moleculePc Critical PressureR RankineR2 Coefficient of determinationSG,γ Specific GravityTb Boiling TemperatureTc Critical TemperatureTot TotalVc Critical VolumeZc Compressibility FactorGreek letters:ω Acentric factorθ A critical constant, Tc , Pc or Vcفصل اولمشخصات بحرانی: مباحث تئوری 1-1- مقدمهپیش بینی درست خواص بحرانی در تعیین خواص فازی سیستم ها اهمیت زیادی دارد. حالت بحرانی تنها شرایطی است که فازهای مایع و بخار را شناسایی می کند و در تئوری و عمل به یک اندازه مهم می باشد. در کلیه عملیات تولید و فرآیند هیدروکربن ها دانستن شرایط بحرانی نقش اساسی دارد. زیرا این عملیات ها در شرایط بسیار نزدیک به نواحی نقاط شبنم و حباب صورت می گیرد و اغلب با پدیده های هم دما یا هم فشار عقب روی[1]همراه است]1[. پیش بینی خواص سیالات و طراحی محاسبات در این ناحیه بسیار مشکل است و دانستن نقطه بحرانی در حل این مشکل به ما کمک می کند.از دید تئوری، بسیاری از خواص ترمودینامیکی با استفاده از خواص بحرانی تعیین می گردند و از دید عملی بسیاری از روابط تجربی بر پایه این خواص سیستم های مورد مطالعه، بنا نهاده شده است.هر چند داشتن خواص بحرانی در تئوری و عمل بسیار مهم می باشد ولی تعیین این خواص از طریق آزمایش بسیار مشکل است و از لحاظ اقتصادی نیز روش آزمایشگاهی برای تعیین خواص بحرانی مناسب نمی باشد]2.[مشخصات بحرانی برای مواد خالص از قبیل فشار بحرانی، دمای بحرانی و حجم بحرانی مشخصات مهمی برای پیش گویی رفتار فازی مواد هستند. همچنین این مشخصات برای تخمین تعادل بین فاز گاز و مایعVLE)) به همراه معادله حالت اندازه گیری می شوند. به عنوان مثال این مشخصات برای صنعت گاز و نفت و پتروشیمی پارامترهای مهمی هستند و نیز برای توصیف فرایند اجزا نفتی تعریف نشده ضروری هستند.1-1-1- هدف از انجام تحقیقبا توجه به اهمیت مشخصات بحرانی مواد خالص شامل دمای بحرانی، فشار بحرانی و حجم بحرانی در صنعت به ویژه در صنعت نفت و پتروشیمی و همچنین با توجه به این که اندازه گیری این پارامترها توسط آزمایشگاهی کاری دشوار و هزینه بر است، لذا بر آن شدیم تا مدل های مختلفی برای تخمین مشخصات بحرانی مواد خالص ارائه کنیم. همچنین با توجه به حجم کم کارهای پیشین در ارائه ی مدل های جامع، این تحقیق مدل سازی را براساس 7000 ماده آلی صورت داده است. در عین عمومیت داشتن مدل ها، مدل های موجود دارای سادگی و خطای ناچیزی می باشند.1-2- تاریخچهاولینروش های یافتن خواص بحرانی، تجربی بوده اند که در مورد سیستم های هیدروکربنی به کار می رفته است. میان این روش ها، کاتز[2] و کاراتا[3] در سال 1942 شناخته شده تر می-باشد]3.[ همچنین شرایط ریاضی نقطه بحرانی اولین بار توسط گیبس ارائه شد و بعدها در سال 1954 تصحیحاتی توسط دیفای[4] و پریگاگین[5] و در سال 1977 توسط رید[6] و بیگل[7] روی آن صورت گرفت]5-4.[مشخصات فیزیکی مواد خالص در طول سال های اخیر اندازه گیری شده اند. این مشخصات شامل چگالی ویژه، نقطه جوش نرمال، جرم مولکولی، مشخصات بحرانی و ضریب خارج از مرکزی می باشد.برای تخمین مشخصات بحرانی مواد که گروه ساده ی مولکولی دارند روش هایی مانند جوبک[8]، پیتزر[9]، لیدرسن[10]، فدورس[11]، کلینسویچ[12] و هالم[13] مهمترین روش ها هستند. از مزیت مهم ترین ویژگی این روش ها این است که بدون انجام منابع محاسباتی قابل توجهی می توان مشخصات بحرانی را تخمین زد. در میان روش های فوق روش جوبک آسان تر وخطای کمتری دارد]11-6.[بسیاری از خواص مواد خالص در طول سالیان متمادی، اندازه گیری و گرد آوری شده اند. این خواص، اطلاعات اساسی را برای مطالعه رفتار حجمی و تعیین خواص ترمودینامیکی مواد خالص و مخلوط هایشان فراهم می آورند. مهم ترین این خواص عبارتند از :معمولاً خواص مخلوط های هیدروکربنی، بیش از خواص مواد خالص مورد توجه مهندسین نفت می باشد. البته، این ثابت های ویژه مواد خالص، می توانند با متغیر های مستقل[14] مانند فشار، دما و ترکیب به کار روند تا خواص فیزیکی و رفتار فازی مخلوط ها را مشخص و تعریف نمایند[12].