ارائه یک معادله تجربی جدید برای پیش‌بینی گرانروی گاز

گرانروی گاز یکی از مهم‌ترین پارامترهای مهندسی نفت می‌باشد، به‌طوری‌که گرانروی، جریان گاز در محیط متخلخل، چاه و خطوط لوله را تحت تاثیر قرار می‌دهد. لذا تعیین مقدار دقیق آن در فشار و دمای عملیاتی (به ویژه در شرایط مخزن) هیدروکربوری بسیار حائز اهمیت است. گرانروی گاز در آزمایشگاه قابل اندازه‌گیری است؛ ولی آزمایشات مربوط به آن پرهزینه و زمان‌بر می‌باشند. در ایران نیز تا‌کنون دستگاه آزمایشگاهی اندازه‌گیری گرانروی گاز وجود نداشته است. با توجه به این شرایط معمولا برای محاسبه گرانروی گاز از روابط و معادلات تجربی استفاده می‌شود. در این مقاله یک رابطه تجربی جدید برای پیش‌بینی گرانروی گازها ارائه شده است. این رابطه تجربی جدید با استفاده از شبکه های عصبی مصنوعی، تکنیک‌های آماری و بهینه‌سازی خطی به دست آمده است. اعتبارسنجی این معادله تجربی با رسم مقادیر پیش‌بینی شده گرانروی گاز بر حسب فشار در دماهای مختلف صورت گرفته است. نتایج مقایسه این معادله با معادلات تجربی ارائه شده قبلی برای داده های واقعی نشان می‌دهد که این رابطه از دقت و صحت بالاتری نسبت به روابط گذشته برخوردار است

Development of a Novel Empirical Method for Prediction of Gas Viscosity

Gas viscosity is one of the most important parameters in petroleum engineering affecting fluid flow in porous media, well, and pipelines. Therefore, it is important to use an accurate value in any ranges of operational pressure and temperature. Gas viscosity is measurable in laboratories but it is costly and time consuming. Also, in Iran, there is no apparatus to measure gas viscosity accurately in laboratories; thus engineers rely on empirical correlations to estimate gas viscosity. In this study, a novel method is used to predict hydrocarbon gas viscosity. This new gas viscosity correlation is developed using artificial neural network, statistical techniques, and a nonlinear optimization. Moreover, the validation of this correlation has been approved. The results show that this model has more accuracy compared to other ones for a massive data set.