صفحه نخست

آموزش و دانشگاه

علم‌وفناوری

ارتباطات و فناوری اطلاعات

سلامت

پژوهش

علم +

سیاست

اقتصاد

فرهنگ‌ و‌ جامعه

ورزش

عکس

فیلم

استانها

بازار

اردبیل

آذربایجان شرقی

آذربایجان غربی

اصفهان

البرز

ایلام

بوشهر

تهران

چهارمحال و بختیاری

خراسان جنوبی

خراسان رضوی

خراسان شمالی

خوزستان

زنجان

سمنان

سیستان و بلوچستان

فارس

قزوین

قم

کردستان

کرمان

کرمانشاه

کهگیلویه و بویراحمد

گلستان

گیلان

لرستان

مازندران

مرکزی

هرمزگان

همدان

یزد

هومیانا

پخش زنده

دیده بان پیشرفت علم، فناوری و نوآوری
۱۶:۰۳ - ۲۰ آذر ۱۳۹۵

چاپ مقاله عضو هیات علمی واحد دشتستان با نمایه ISI

مقاله دکتر نوید دریاسفر عضو هیات علمی واحد دشتستان(برازجان) با عنوان Connectionist Approaches for Solubility Prediction of n-alkanes in Supercritical Carbon Dioxideدر ژورنال Springer با ایمپکت فکتور 1.492 به چاپ رسید.
کد خبر : 141192

به گزارش خبرنگار خبرگزاری آنا، دریاسفر استاد و عضو هیات علمی واحد دشتستان(برازجان) در مورد این مقاله گفت: «تزریق کربن دی اکسید یکی از روش های مهم و شناخته شده در ازدیاد برداشت نفت است و با وجود تاثیرگذاری زیاد آن در افزایش برداشت نفت، کاربرد این روش به علت پایین بودن انحلال پذیری برخی از ترکیبات نفت در سوپرکریتیکال کربن دی اکسید در صنایع پیشرفته امروز با محدودیت روبروست، بنابراین تعیین انحلال پذیری آلکان‌های مختلف در سوپرکریتیکال کربن دی اکسید قبل از عملیاتی کردن این نوع روش ازدیاد برداشت از اهمیت بالایی برخوردار است.»


دریاسفر اضافه کرد: «از آنجا که استفاده از روش‌های آزمایشگاهی برای اندازه‌گیری میزان انحلال پذیری زمان‌بر است و به لحاظ اقتصادی به صرفه نیست، در این مطالعه امکان‌سنجی استفاده از ابزارهای هوش مصنوعی در پیش بینی میزان انحلال پذیری نرمال آلکان‌ها در کربن دی اکسید فوق بحرانی بررسی شده است.»


وی ادامه داد: «برای همین منظور، دو مدل شامل شبکه‌های عصبی مصنوعی (ANN) و سیستم‌های تطبیقی تداخل عصبی-فازی (ANFIS) به منظور شبیه سازی این فرآیند مورد استفاده قرار گرفتند و الگوریتم ازدحام ذرات (PSO) برای بهینه سازی پارامترهای این دو مدل استفاده شدند.»


دریاسفر افزود: «نتایج حاصل از این دو مدل نشان می‌دهند که مدل ANFIS-PSO تطابق بسیار خوبی با داده‌های واقعی دارد. علاوه بر این، مقایسه بین این مدل ها با نتایج حاصل از مدل نیمه تجربی کراستیل (Chrastil) دقت بالا و عملکرد بسیار خوب مدل های طراحی شده را نشان می‌دهد.»


انتهای پیام/

ارسال نظر