مقاله محاسبه کسرحجمی رژیمهای حلقوی در شارههای چندفازی نفت-گاز-آب مستقل از تغییرات چگالی سیال

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله محاسبه کسرحجمی رژیمهای حلقوی در شارههای چندفازی نفت-گاز-آب مستقل از تغییرات چگالی سیال دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله محاسبه کسرحجمی رژیمهای حلقوی در شارههای چندفازی نفت-گاز-آب مستقل از تغییرات چگالی سیال  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله محاسبه کسرحجمی رژیمهای حلقوی در شارههای چندفازی نفت-گاز-آب مستقل از تغییرات چگالی سیال،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله محاسبه کسرحجمی رژیمهای حلقوی در شارههای چندفازی نفت-گاز-آب مستقل از تغییرات چگالی سیال :

تعداد صفحات:۱۷
چکیده:
محاسبه کسر حجمی به منظور اندازهگیری نرخ جریان چندفازی موضوعی بسیار مهم میباشد و به عنوان پارامتر کلیدی شناخته شده است. امروزه بدست آوردن کسر حجمی با استفاده از تکنیک تضعیف تابش گاما به عنوان یکی از دقیقترین روشها شناخته شده است که این تکنیکبر پایه ضریب تضعیف جرمی عمل میکند. این ضریب حساس به تغییرات چگالی و چگالی نیز حساس به نوسانات فشار و دما میباشد. بنابراین، بازدهی یک جریانسنج چندفازی MPFM به شدت وابسته به شرایط محیط کاری میباشد. یک راه حل مرسوم غلبه بر این مشکل کالیبراسیون پیدرپی MPFM مورد استفاده میباشد. در این مطالعه یک روش مبتنی بر تراکمسنجی دوگانه dual modality densitometry و هوش مصنوعی AI ارائه شده است، که پیشنهادی مناسب برای اندازهگیری کسرهای حجمی نفت-گاز-آب مستقل از تغییرات چگالی میباشد. برای این منظور چندین آزمایش صورت گرفت و مطابق با آن، تراکمسنجی دوگانه شبیهسازی شده اعتبارسنجی شد. نقطه چگالی مرجع در دمای co 02 و فشار bar 1 درنظر گرفته شد و برای پوشش تمام نوسانات چگالی، چهارمجموعه چگالی دیگر مشخص شد تغییر ±۴ و ±۸ درصدی از نقطه مرجع. رژیم حلقوی با درصدهای مختلف نفت-گاز-آب با چگالیهای متفاوت شبیهسازی شد. چهار ویژگی از آشکارسازهای عبوری و پراکندگی استخراج شد و به عنوان ورودیهای شبکه عصبی مصنوعی ANN بهکار برده شد. پارامترهای ورودی قله تمام انرژی Am241 ، لبه کامپتون Cs137 و قله تمام انرژی Cs137 و خروجیها درصدهای نفت و هوا می باشند. شبکه عصبی پرسپترون چندلایه MLP برای پیش بینی کسر حجمی مستقل از تغییرات چگالی آب و نفت استفاده شد. نتایج بدست آمده نشان میدهند که مدل ارائه شده ANN توافق خوبی با اطلاعات شبیهسازی اعتبارسنجی شده دارد. همچنین خطای RMSE کمتر از ۳ بدست آمد.