پیش‌بینی رسوب واکس با استفاده از الگوریتم‌های یادگیری ماشین: پرسپترون چند لایه و جنگل تصادفی

نویسندگان

1 دکترای مهندسی نفت، شرکت نفت خزر، تهران، ایران

2 دانشجوی کارشناسی ارشد مهندسی نفت، دانشکده مهندسی نفت و گاز، دانشگاه صنعتی سهند، تبریز، ایران

3 دانشیار، دانشکده مهندسی نفت و گاز، دانشگاه صنعتی سهند، تبریز، ایران

doi
چکیده

پدیده رسوب واکس یکی از چالش‌های عمده در صنعت نفت و گاز است که در مراحل تولید، انتقال و فرآوری نفت خام رخ می‌دهد. در بسیاری از پژوهش‌ها درباره دمای ظاهری واکس (WAT)۱ تحقیق به‌عمل‌آمده اما در این پژوهش با بهره‌گیری از الگوریتم‌های هوش مصنوعی، به‌ویژه پرسترون چند لایه خطی و جنگل تصادفی، مدلی برای پیش‌بینی رسوب واکس ارائه شد که با استفاده از داده‌های میدانی و مدل سینتیکی ریگ، رایدال و رونینگسن مدل‌های پیش‌بینی توسعه یافته و مورد ارزیابی قرار گرفتند. نتایج حاکی از دقت بالای مدل‌ها در پیش‌بینی رسوب هستند که این مدل‌ها می‌تواند در بهینه‌سازی طراحی و بهره‌برداری از خطوط لوله بسیار مؤثر باشد.Wax appearance temperature