پیش بینی چگالی گاز طبیعی با استفاده از ظرفیت گرمایی ویژه گاز در فشار ثابت به کمک تکنیک هوش مصنوعی بیان ژنی

امروزه استفاده از تکنیک های هوش مصنوعی جایگاه ویژه ای در مدلسازی و پیش بینی فرآیندهای طبیعی و صنعتی یافته است. از جمله این موارد می توان به محاسبه دقیق چگالی گازطبیعی به منظور اندازه گیری دبی جرمی عبوری در مبادین فروش گازطبیعی که از چالش های اساسی صنعت گاز است اشاره نمود. برای محاسبه و اندازه گیری چگالی گازطبیعی از روش های پر هزینه و پیچیده استفاده می شود. در مطالعه حاضر از یک مدل پیش بینی مبتنی بر هوش مصنوعی با استفاده از الگوریتم برنامه نویسی بیان ژنی که یک روش جدید و کم هزینه است، برای تخمین چگالی گازطبیعی بدون نیاز به دانستن ترکیب گاز استفاده شده است. فشار، دما و ظرفیت گرمایی ویژه در فشار ثابت به عنوان خاصیت های قابل اندازه گیری ورودی های روش پیشنهادی می باشند. برای آموزش،آزمایش و اعتبارسنجی روش پیشنهادی، یک پایگاه اطلاعاتی شامل 120000 ترکیب گاز متفاوت تولید شده وخواص ترمودینامیکی این ترکیبات با استفاده از معادلات حالت aga8 ، به عنوان یکی از معتبرترن معادلات حالت گازطبیعی محاسبه شده است. از مجموع داده های مورد استفاده جهت مدلسازی، 85% به آموزش و 15% به ارزیابی اختصاص داده شد. مقادیر آماری r2،rmse وmae به ترتیب 990/0, 0190/0, 0147/0 برای داده های آموزش و 994/0, 0255/0, 0213/0 برای داده های ارزیابی بدست آمدکه همبستگی بسیار خوب بین مقادیر پیش بینی شده و اندازه گیری شده، و توانایی پیش بینی و تعمیم بالای مدل را نشان می دهد. نتایج حاکی از آن است که تکنیک برنامه نویسی بیان ژنی پتانسیل قوی ای برای پیش بینی چگالی گاز دارد.

prediction of natural gas density using gas heat capacity with the help of gene expression artificial intelligence technique

today, the use of artificial intelligence techniques has found a special place in modeling and predicting natural and industrial processes. among these cases, we can mention the accurate calculation of natural gas density in order to measure the mass flow rate in natural gas sales fields, which is one of the basic challenges of the gas industry. expensive and complicated methods are used to calculate and measure the density of natural gas. in the present study, a prediction model based on artificial intelligence using gene expression programming algorithm, which is a new and low-cost method, was used to estimate the density of natural gas without the need to know the composition of the gas. pressure, temperature and specific heat capacity at constant pressure are measurable properties of the inputs of the proposed method. to train, test and validate the proposed method, a database containing 120,000 different gas compounds has been produced and the thermodynamic properties of these compounds have been calculated using the aga8 state equations, as one of the most reliable natural gas state equations. of the total data used for modeling, 85% was assigned to training and 15% to evaluation. the statistical values of r2, rmse and mae were respectively 0.990, 0.0190, 0.0147 for the training data and 0.994, 0.0255, 0.0213 for the evaluation data, which showed a very good correlation between the predicted values and the size taken, and shows the high prediction and generalization ability of the model. the results indicate that the gene expression programming technique has a strong potential for predicting gas density.