تشخیص زونهای خطرناک در صنایع نفت و گاز با استفاده از شبکه عصبیمصنوعی

تشخیص مناطق خطرناک در صنایع نفت و پترو شیمی از اهمیت ب سیار بالایی برخوردار ا ست. هدف این مطالعه، طراحی سی ستم هوشمند با ا ستفاده از شبکه عصبی تشخیص زونهای خطرناک در شرکتها، کارخانجات، پتروشیمیها، بنادر و صنایع مختلفاست. ۱۵۸ نمونه داده جهت آموزش و آزمون شبکه ع صبی انتخاب شد. در این مطالعه از اطلاعاتی ا ستفاده شده ا ست که به ارزیابی دقیق و تشخیص زونهای خطرناک در صنایع پتروشیمیها کمک کرده و مفید باشد. در این مطالعه از شبکه عصبی و با تغییراتی در تعداد لایههای میانی، تعداد نرونها و الگوریتمهای آموزش و توابع فعال ساز مختلف به منظور ت شخیص زونهای خطرناک بهکار گرفته شد. در این پژوهش، ۵ متغیر ورودی و سه متغیر منطﻘه صفر، منطﻘه یک و زون دو به عنوان خروجی تعیین شد. شبکه عصبیمصنوعی با الگوریتم یادگیری لونبرگ مارکوات با میزان ۱۰۰ درصد صحت، ۹۵,۱ درصد دقت، دارای بهترین عملکرد است. با توجه به این مطالعه مدل شبکه عصبی با الگوریتمهای آموزشی مختلف میتواند در تشخیص دقیق زونهای خطرناک در پترو شیمی، نفت و گاز نﻘش موثری را ایفا کند و در واحد ایمنی و مدیریت برای بالا بردن دقت و سرعت و کاهش هزینهها به کارگرفته شود.