مدل سازی و شبیه سازی واحد تبدیل کاتالیستی نفتا با استفاده از شبکه های عصبی مصنوعی

Abstract

هدف از این تحقیق، مدل سازی و شبیه سازی واحد تبدیل کاتالیستی نفتا به کمک شبکه عصبی مصنوعی میباشد. برای این منظور از 11 داده ی بدست آمده از واحد تبدیل کاتالیستی نفتا پالایشگاه نفت لاوان در سال 1131 استفاده شده است. این داده ها شامل 1 متغییر ورودی و 2 پاسخ خروجی بودند. متغییرهای ورودی شامل فشار راکتورها، دمای خوراک راکتور اول، دبی حجمی خوراک نفتا، دبی حجمی گاز برگشتی و نسبت مولی هیدروژن به هیدروکربن و پاسخ ها شامل عدد اکتان پژوهشی و دبی حجمی بنزین تولیدی بودند. از 51 داده برای آموزش شبکه عصبی مصنوعی و مابقی داده ها برای تست کردن عملکرد شبکه طراحی شده استفاده شد. در این تحقیق شبکه های پرسپترون چند لایه با الگوریتم پس انتشار خطا با ساختارهای متفاوت تعریف و بررسی شد. به عبارتی با تغییر تعداد نرونهای لایه میانی، توابع انتقال و الگوریتم های آموزش بهترین ساختار شبکه برای مدل سازی این واحد یافت شد. نتایج نشان داد که یک شبکه عصبی پرسپترون سه لایه با 11 نرون در لایه میانی، الگوریتم آموزش لونبرگ مارکوآت، تابع انتقال لایه میانی از نوع Tansig و تابع انتقال لایه خروجی از نوع Pureline ، دارای بیشترین مقدار ضریب همبستگی ) = 0.99808 2R ( وکمترین مجموع مربعات خطا ) MSE = 0.023 ( بود