پیش بینی ضریب نفوذ مولکولی گاز در نفت خام با استفاده از مدلسازی شبکه‌های عصبی مصنوعی
در این مطالعه یک شبکه‌ی عصبی مصنوعی جهت پیش‌بینی ضریب نفوذ ملکولی گاز در نفت در شرایط واقعی مخزن در دما و فشار زیاد طراحی و استفاده شد. جهت به دست آوردن متغیرهای ورودی شبکه روابط تجربی ارائه شده در نوشته‌جات به‌طور کامل مرور و مشخص شدکه متغیرهای متعددی از قبیل دما، فشار، گرانروی گاز و مایع، جرم مولکولی گاز و مایع، حجم مولی گاز و مایع و کشش سطحی از جمله متغیرهای موثرند. بنابراین متغیرهای مذکور به‌عنوان ورودی شبکه درنظر گرفته شدند. در این کار از شبکه‌ی پرسپترون چندلایه برای پیش‌بینی و الگوریتم آموزش پس‌انتشار خطا استفاده شده و همچنین توابع آستانه‌ی مختلفی برای یافتن حالت بهینه‌ی آن ارزیابی شد. سپس با مراجعه به گزارش‌ها و مقالات تعداد 172 داده‌ی آزمایشگاهی ضریب نفوذ جمع‌آوری و 90 درصد داده‌ها جهت آموزش شبکه و بقیه برای آزمایش شبکه استفاده گردید. نتایج نشان می‌دهد مدل ارائه شده در این تحقیق ضریب نفوذ مولکولی متان در نفت‌خام را با دقت خوبی پیش‌بینی می‌کند و بنابراین می‌توان از این روش جهت پیش‌بینی ضرایب نفوذ استفاده کرد.
