کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
8126350 | 1522806 | 2015 | 5 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Robust method based on optimized support vector regression for modeling of asphaltene precipitation
ترجمه فارسی عنوان
روش تحلیلی بر اساس رگرسیون بردار پشتیبانی بهینه برای مدلسازی بارش آسفالتین
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
بارش آسفالتین تا حد زیادی بر میزان تولید نفت خام به دلیل مسدود شدن خط لوله حمل و نقل و آسیب شکل گیری تاثیر می گذارد. بنابراین، ضروری است که یک روش قوی برای مدل سازی بارش آسفالتین جستجو شود. هدف از این مقاله ارائه یک مدل ریاضی جدید برای محاسبه بارش آسفالتین به عنوان عملکرد داده های تیتراسیون از جمله رقت رطوبت، دما و وزن مولکولی حلال است. این مدل بر اساس ادغام رگرسیون بردار پشتیبانی با الگوریتم رقابت امپریالیستی ساخته شده است. بهینه سازی عملکرد رگرسیون بردار پشتیبانی را با توجه به تعیین مقادیر بهینه پارامترهای آن، افزایش می دهد. مدل ساخته شده به داده های تجربی اعمال می شود و عملکرد آن با معادله مقیاس پذیری است که به طور سنتی برای مدل سازی بارش آسفالتین مورد مقایسه قرار گرفته است. نتایج این تحقیق نشان می دهد که ادغام الگوریتم رقابت امپریالیستی و رگرسیون بردار پشتیبانی، عملکرد بهتری نسبت به معادله پوسته پوسته شدن دارد. این مقاله پیشنهاد می کند که رگرسیون بردار پشتیبانی با بهینه سازی الگوریتم رقابت امپریالیستی بهینه سازی شده، یک مدل قابل اعتماد برای مدل سازی بارش آسفالتین است.
موضوعات مرتبط
مهندسی و علوم پایه
علوم زمین و سیارات
زمین شناسی اقتصادی
چکیده انگلیسی
Precipitation of asphaltene largely affects the production rate of crude oil owing to the clogging of transportation pipeline as well as formation damage. Therefore, it is imperative to search for a robust method for the modeling of asphaltene precipitation. This paper aims to propose a new mathematical model for computing asphaltene precipitation as a function of titration data including dilution ratio, temperature, and molecular weight of solvent. This model is constructed based on integrating the support vector regression with the imperialist competitive algorithm. Optimization increases the performance of support vector regression by virtue of determining the optimal values of their parameters. The constructed model is applied to experimental data and its performance is compared with scaling equation which is traditionally employed for modeling of asphaltene precipitation. The results of this study show that the integration of imperialist competitive algorithm and support vector regression has a better performance than the scaling equation. This paper offers that the support vector regression optimized by virtue of the imperialist competitive algorithm is a reliable model for modeling asphaltene precipitation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Petroleum Science and Engineering - Volume 135, November 2015, Pages 201-205
Journal: Journal of Petroleum Science and Engineering - Volume 135, November 2015, Pages 201-205
نویسندگان
Hamid Reza Ansari, Amin Gholami,