| تعیین کسرحجمی هوا در جریان دوفازی آب و هوا با استفاده شبکه عصبی کانولوشنال و تکنیک تضعیف گاما |
| کد مقاله : 1046-FDC |
| نویسندگان |
|
پیمان اعرابی جشوقانی *1، خدیجه رضایی2، سید امیرحسین فقهی3، آزاده جعفری4، فروغ عاملی5 1دانشجوی دکتری 2استاد دانشکده فیزیک دانشگاه اصفهان 3استاد دانشکده مهندسی هسته ای دانشگاه شهید بهشتی 4استاد دانشکده مهندسی مکانیک دانشگاه تهران 5استاد دانشکده مهندسی شیمی دانشگاه علم و صنعت |
| چکیده مقاله |
| استفاده از شبکه‌های عصبی مصنوعی عمیق نظیر شبکه‌های کانولوشنال از مباحث روز جهت استفاده در صنایع مختلف از جمله صنایع نفت و گاز است. در این صنعت سنجش دقیق مبادلات نفتی به منظور حفظ منابع ملی بسیار حائز اهمیت است. بنابراین در این پژوهش، از روشی جدید از طیف ارتفاع پالس (سیگنال) ثبت شده در آشکارساز یدور سدیم به عنوان ورودی شبکه عصبی کانولوشنالی جهت پیش‌بینی کسرحجمی هوا در جریان دوفازی آب-هوا استفاده شد. داده‌های مورد نیاز برای آموزش شبکه عصبی عمیق از حلقه جریان دوفازی دینامیک که قابلیت ایجاد رژیم‌های مختلف دوفازی نظیر توپی، حبابی، حلقوی، لایه‌ای و ... را دارد، در شرایط تجربی به دست آمده است. پس از آموزش شبکه عصبی عمیق، کسرحجمی هوا با مربعات میانگین خطای 3 درصد پیش‌بینی شد. حداقل مقدار خطا در مقادیر پیش‌بینی شده نشان از کاربردی بودن شبکه‌های عصبی کانولوشنالی در صنایع نفت و گاز و دبی‌سنجی جریان‌های چند فازی است. |
| کلیدواژه ها |
| جریان دوفازی، رژیم دوفاز مایع گاز، شبکه عصبی عمیق، جریان‌سنج چند فازی، رژیم غیر همگن |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |