مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,556
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

768
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تشخیص نشتی در خط لوله نفت با استفاده از تبدیل موجک و ویژگی های آماری همراه با کاربرد شبکه عصبی مصنوعی

صفحات

 صفحه شروع 107 | صفحه پایان 112

چکیده

 نشتی های خط لوله نفت اگر مورد توجه واقع نشود می تواند منجر به خسارت های بزرگی گردد. اولین گام برای مقابله موثر با این نشتی ها, تشخیص محل وقوع آن ها است. در مقاله ی حاضر یک روش جدید آشکارسازی و جداسازی عیوب (FDI) مبتنی بر داده پیشنهاد می شود که نه تنها قادر است وقوع عیب نشتی و محل آن را آشکار سازد بلکه می تواند وخامت (اندازه نشتی را نیز با دقت زیاد تخمین بزند. در مطالعه ی حاضر, خط لوله ی گلخاری- بینک که در جنوب ایران واقع شده, در نرم افزار الگا مدل سازی گردیده است که داده های مورد نیاز برای آموزش سیستم FDI را فراهم می نماید. سناریوهای مختلف نشتی بر مدل اعمال می گردد و نرخ دبی خروجی و فشار ورودی متناظر به عنوان داده های آموزش ثبت می شود. داده های بدست آمده در حوزه ی زمان به حوزه ی موجک انتقال داده می شوند. سپس ویژگی های آماری داده ها از دو حوزه ی موجک و زمان استخراج می گردد. ویژگی های بدست آمده به یک شبکه ی عصبی چندلایه ی پرسپترون (MLPNN) به عنوان سیستم FDI اعمال می گردد. نتایج نشان می دهد که سیستم مبتنی بر ویژگی های آماری موجک عملکرد بهتری نسبت به سیستم مبتنی بر ویژگی های آماری حوزه ی زمان دارد. همچنین سیستم پیشنهادی می تواند محل و وخامت نشتی را با نرخ هشدار غلط (FAR) اندک و نرخ طبقه بندی صحیح (CCR) بسیار زیاد تشخیص دهد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    زادکرمی، مرتضی، شهبازیان، مهدی، و سلحشور، کریم. (1395). تشخیص نشتی در خط لوله نفت با استفاده از تبدیل موجک و ویژگی های آماری همراه با کاربرد شبکه عصبی مصنوعی. مهندسی مکانیک مدرس، 16(9)، 107-112. SID. https://sid.ir/paper/179771/fa

    Vancouver: کپی

    زادکرمی مرتضی، شهبازیان مهدی، سلحشور کریم. تشخیص نشتی در خط لوله نفت با استفاده از تبدیل موجک و ویژگی های آماری همراه با کاربرد شبکه عصبی مصنوعی. مهندسی مکانیک مدرس[Internet]. 1395؛16(9):107-112. Available from: https://sid.ir/paper/179771/fa

    IEEE: کپی

    مرتضی زادکرمی، مهدی شهبازیان، و کریم سلحشور، “تشخیص نشتی در خط لوله نفت با استفاده از تبدیل موجک و ویژگی های آماری همراه با کاربرد شبکه عصبی مصنوعی،” مهندسی مکانیک مدرس، vol. 16، no. 9، pp. 107–112، 1395، [Online]. Available: https://sid.ir/paper/179771/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button