رضا عباسی - کارشناسی ارشد مهندسی نفت واحد مرودشت دانشگاه آزاد اسلامی مرودشت ایران
حامد قربانی نژاد دکازرونی - کارشناس ارشد مهندسی نفت واحد مرودشت دانشگاه آزاد اسلامی مرو دشت
علی رحیمی - کارشناس ارشد مهندسی نفت باشگاه پژوهشگران جوان و نخبگان واحد مرو دشت دانشگاه آزاد اسلامی مرو دشت ایران

ویسکوزیته گازیکی ازپارامترهای بسیارمهم مخزنی میباشدکه درانجام شبیه سازیهای مخزن تاثیر قابل ملاحضهای دارد. اندازهگیری آزمایشگاهی گاز روشی هزینه برووقتگیراست.روشهای تجربی مختلفی برای پیشبینی ویسکوزیته گازوجوددارد که بر اساس روابط تجربی است. یکی از روشهایی که در سالهای اخیر مورد توجه قرار گرفته است روش هوش مصنوعی است که دارای دقت بالایی در پیشبینیویسکوزیته گازاست.یکی ازروشهای هوش مصنوعی،روش شبکه عصبی رگرسیون عمومی GRNN است. در این مطالعه از ترکیب یک الگوریتم فراابتکاری به نام 1 الگوریتم ازدحام ذرات(PSO(باشبکه عصبی رگراسیون عمومی برای انتخاب پارامترςı که یکپ ارامترتنظیم کننده است،استفاده شدهاست.بدینمنظورازتابع متوسط مربعات خطابررویدادههای تست بعنوان تابع هدف دربهینهسازی استفاده شدهاستو با حساسیت سنجی بر روی تعداد ذرات در الگوریتم ازدحام ذرات مقدار بهینه تعدادذرات توسط ماکزیمم مقدارضریب همبستگی R2 برروی داده های تست انتخاب شده است. شبکه عصبی بهینه شده با مقدار ضریب همبستگی9872/0=R2 دقت بسیاربالایی جهت تخمین ویسکوزیته گاز از خود نشان داده است. شبکه عصبی رگرسیون عمومی باالگوریتم ازدحام ذرات باهمبستگی JST درپیش بینی ویسکوزیته عملکرد بهتری ازخودنشانداد.

ویسکوزیته گاز،شبکه عصبی،ازدحام ذرات،رگرسیون عمومی