• ثبت نام
  • ورود به سامانه
  • English

مجله فناوری و انرژی هسته ای

  1. صفحه اصلی
  2. پیش‌بینی مستقل دبی آب و هوا از رژیم جریان با استفاده از تکنیک تضعیف گاما و شبکه عصبی مصنوعی

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اعضای هیات تحریریه

اصول اخلاقی انتشار مقاله

بانک ها و نمایه نامه ها

پیوندهای مفید

پرسش‌های متداول

فرایند پذیرش مقالات

اطلاعات آماری نشریه

اخبار و اعلانات

پیش‌بینی مستقل دبی آب و هوا از رژیم جریان با استفاده از تکنیک تضعیف گاما و شبکه عصبی مصنوعی

    نویسندگان

    • پیمان اعرابی جشوقانی
    • مجید خرسندی
    • سید امیرحسین فقهی

    دانشگاه شهید بهشتی

,
10.48308/nucte.2022.99022
  • مشخصات مقاله
  • مراجع
  • دریافت فایل
  • ارجاع به این مقاله
  • آمار
  • هم رسانی

چکیده

اندازه‌گیری دقیق دبی آب و هوا در جریان‌های دوفازی بسیار حائز اهمیت است. تکنیک تضعیف پرتوهای گاما یکی از روش‌های پرکاربرد برای اندازه‌گیری دبی در جریان‌های چندفازی است. در این پژوهش، دبی‌های آب و هوا با دقت بالا در یک حلقه جریان دوفازی آب و هوا، مستقل از نوع رژیم پیش‌بینی شده است. در این راستا، ترکیبی از یک چشمه تک انرژی گاما، یک آشکارساز یدور سدیم 3 اینچی و شبکه عصبی مصنوعی برای پیش‌بینی دبی‎های آب و هوا در رژیم‌های دوفازی گاز-مایع حبابی[1]، لخته‌ای[2]، توپی[3]، حلقوی[4] و پراکنده[5] مورد استفاده قرار گرفت. دو شبکه عصبی از نوع "روش گروهی بکارانداختن داده‌ها[6]" (GMDH) با استفاده از داده‌های استخراج شده از طیف ارتفاع پالس یک چشمه سزیم-137، در شرایط دینامیک سیال دوفازی توسعه داده شدند. شبکه‌های عصبی با 5 ویژگی شامل اختلاف فشار، شمارش کل حاصل از آشکارساز، شمارش قله تمام-انرژی، شمارش لبه کامپتون و شمارش قله پس‏پراکندگی مورد آموزش و تست قرار گرفتند. نتایج حاصل از شبکه‌های عصبی، نشان دهنده مقدار میانگین خطای نسبی کمتر از 5/4 درصد برای دبی‌های آب و هوای پیش‌بینی شده، است. علاوه بر این، استفاده از تنها یک چشمه تک انرژی و تنها یک آشکارساز یدور سدیم، روشی نوین در فرآیند دبی‌سنجی با استفاده از تکنیک هسته‌ای است.[1] Bubble[2] Plug[3] Slug[4] Annular[5] Dispersed[6] Group Method of Data Handling

کلیدواژه‌ها

  • حلقه جریان دوفازی
  • تضعیف گاما
  • دبی‌سنجی
  • شبکه عصبی مصنوعی
  • آشکارساز یدور سدیم
  • XML
  • اصل مقاله 755.03 K
  • RIS
  • EndNote
  • Mendeley
  • BibTeX
  • APA
  • MLA
  • HARVARD
  • CHICAGO
  • VANCOUVER
مراجع
  1. Åbro, E., Khoryakov, V.A., Johansen, G.A., Kocbach, L., 1999. Determination of void fraction and flow regime using a neural network trained on simulated data based on gamma-ray densitometry. Meas. Sci. Technol. 10, 619–630. https://doi.org/10.1088/0957-0233/10/7/308
  2. Babelli, I., 2002. In search of an ideal multiphase flow meter for the oil industry. Arab. J. Sci. Eng. 27, 113–126.
  3. Bishop, C.M., James, G.D., 1993. Analysis of multiphase flows using dual-energy gamma densitometry and neural networks. Nucl. Instruments Methods Phys. Res. Sect. A Accel. Spectrometers, Detect. Assoc. Equip. 327, 580–593. https://doi.org/https://doi.org/10.1016/0168-9002(93)90728-Z
  4. Fatehi Peikani, A., Roshani, G.H., Feghhi, S.A.H., 2017. Volume fraction measurement and flow regime recognition in dynamic gas–liquid two phase flow using gamma ray radiation technique. Instruments Exp. Tech. 60, 752–758. https://doi.org/10.1134/S0020441217050049
  5. Hanus, R., Zych, M., Kusy, M., Jaszczur, M., Petryka, L., 2018. Identification of liquid-gas flow regime in a pipeline using gamma-ray absorption technique and computational intelligence methods. Flow Meas. Instrum. 60, 17–23. https://doi.org/10.1016/J.FLOWMEASINST.2018.02.008
  6. Johansen, G.A., Jackson, P., 2000. Salinity independent measurement of gas volume fraction in oil / gas / water pipe ¯ ows 53, 595–601.
  7. Roshani, G.H., Hanus, R., Khazaei, A., Zych, M., Nazemi, E., Mosorov, V., 2018. Density and velocity determination for single-phase flow based on radiotracer technique and neural networks. Flow Meas. Instrum. 61, 9–14. https://doi.org/10.1016/j.flowmeasinst.2018.03.006
  8. Salgado, C.M., Pereira, C.M.N.A., Schirru, R., Brandão, L.E.B., 2010. Flow regime identification and volume fraction prediction in multiphase flows by means of gamma-ray attenuation and artificial neural networks. Prog. Nucl. Energy 52, 555–562. https://doi.org/10.1016/j.pnucene.2010.02.001
  9. Thorn, R., Johansen, G.A., Hjertaker, B.T., 2013. Three-phase flow measurement in the petroleum industry. Meas. Sci. Technol. 24. https://doi.org/10.1088/0957-0233/24/1/012003
  10. Zych, M., Hanus, R., Vlasak, P., Jaszczur, M., Petryka, L., 2017. Radiometric methods in the measurement of particle-laden flows. Powder Technol. 318, 491–500. https://doi.org/10.1016/J.POWTEC.2017.06.019
    • تعداد مشاهده مقاله: 832
    • تعداد دریافت فایل اصل مقاله: 734
مجله  فناوری و انرژی هسته ای
دوره 1، شماره 1 - شماره پیاپی 1
خرداد 1401
صفحه 49-54
فایل ها
  • XML
  • اصل مقاله 755.03 K
هم رسانی
ارجاع به این مقاله
  • RIS
  • EndNote
  • Mendeley
  • BibTeX
  • APA
  • MLA
  • HARVARD
  • CHICAGO
  • VANCOUVER
آمار
  • تعداد مشاهده مقاله: 832
  • تعداد دریافت فایل اصل مقاله: 734

APA

اعرابی جشوقانی, پیمان , خرسندی, مجید و فقهی, سید امیرحسین . (1401). پیش‌بینی مستقل دبی آب و هوا از رژیم جریان با استفاده از تکنیک تضعیف گاما و شبکه عصبی مصنوعی. مجله فناوری و انرژی هسته ای, 1(1), 49-54. doi: 10.48308/nucte.2022.99022

MLA

اعرابی جشوقانی, پیمان , , خرسندی, مجید , و فقهی, سید امیرحسین . "پیش‌بینی مستقل دبی آب و هوا از رژیم جریان با استفاده از تکنیک تضعیف گاما و شبکه عصبی مصنوعی", مجله فناوری و انرژی هسته ای, 1, 1, 1401, 49-54. doi: 10.48308/nucte.2022.99022

HARVARD

اعرابی جشوقانی, پیمان, خرسندی, مجید, فقهی, سید امیرحسین. (1401). 'پیش‌بینی مستقل دبی آب و هوا از رژیم جریان با استفاده از تکنیک تضعیف گاما و شبکه عصبی مصنوعی', مجله فناوری و انرژی هسته ای, 1(1), pp. 49-54. doi: 10.48308/nucte.2022.99022

CHICAGO

پیمان اعرابی جشوقانی , مجید خرسندی و سید امیرحسین فقهی, "پیش‌بینی مستقل دبی آب و هوا از رژیم جریان با استفاده از تکنیک تضعیف گاما و شبکه عصبی مصنوعی," مجله فناوری و انرژی هسته ای, 1 1 (1401): 49-54, doi: 10.48308/nucte.2022.99022

VANCOUVER

اعرابی جشوقانی, پیمان, خرسندی, مجید, فقهی, سید امیرحسین. پیش‌بینی مستقل دبی آب و هوا از رژیم جریان با استفاده از تکنیک تضعیف گاما و شبکه عصبی مصنوعی. مجله فناوری و انرژی هسته ای, 1401; 1(1): 49-54. doi: 10.48308/nucte.2022.99022

  • صفحه اصلی
  • درباره نشریه
  • اعضای هیات تحریریه
  • ارسال مقاله
  • تماس با ما
  • نقشه سایت

اخبار و اعلانات

  • فراخوان چاپ مقاله در فصلنامه فناوری و انرژی هسته ای 1400-06-24

 تهران، اوین، دانشگاه شهید بهشتی، دانشکده مهندسی هسته ای، فصلنامه فناوری و انرژی هسته ای

تلفن: 29904203-021

اشتراک خبرنامه

برای دریافت اخبار و اطلاعیه های مهم نشریه در خبرنامه نشریه مشترک شوید.

© سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب