عنوان پایان‌نامه
مدلسازی تغییرات کشش سطحی بر اساس پارامتر های ساختاری سورفکتانت ها با استفاده از شبکه های عصبی مصنوعی
- رشته تحصیلی
- مهندسی حفاری و بهره برداری نفت
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 1371.;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 153;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 60770
- تاریخ دفاع
- ۰۸ دی ۱۳۹۲
- دانشجو
- سعید احمدی
- استاد راهنما
- سیاوش ریاحی
- چکیده
- موادفعال سطحی یا سورفاکتانت‌ها دارای کاربرد‌های گوناگونی در صنایع مختلف به ویژه در صنعت نفت می‌باشند. این مواد دارای یک بخش آب‌دوست و یک بخش آب‌گریز هستند. که به این دلیل گرایش دوگانه نسبت به آب و نفت دارند. این مواد به دلیل این ویژگی ساختاری در سطح تماس آب و نفت قرار گرفته و باعث کاهش کشش سطحی این دو فاز در کنار یکدیگر می‌شوند. در نتیجه باعث جریان بیشتر نفت محبوس شده در سنگ مخزن شده، و باعث تولید بیشتر می‌گردند. مواد فعال سطحی با ساختار‌های متفاوت تأثیر متفاوتی روی کاهش کشش بین سطحی خواهندداشت. در این مطالعه سعی شده با استفاده از روش QSPR که یک روش نوین برای مربوط کردن خواص فیزیکی و شیمیایی ترکیبات مختلف به ساختار شیمیایی آن‌ها است، بتوان اثر ساختار مواد فعال سطحی را بر روی توانایی آن‌ها در کاهش کشش بین سطحی مشاهده کرد. برای این منظور ابتدا ساختار مولکولی ترکیبات مورد مطالعه توسط روش‌های موجود بهینه شدند. سپس توصیف کننده‌ها که مشخصه‌های ساختاری می‌باشند، برای هرکدام از ترکیبات محاسبه گردید. در ادامه توصیف کننده‌های که تأثیر بیشتری روی کشش بین سطحی داشتند توسط الگوریتم ژنتیکی انتخاب گردیدند. با استفاده از دو روش مدلسازی شبکه عصبی مصنوعی و الگوریتم انتظار مشروط متناوب، مدل‌های ساخته شده است. این مدل‌ها توانایی لازم برای پیش بینی مقدار کشش بین سطحی، بر اساس پارامتر‌های ساختاری، برای ترکیبات جدید را دارند. با تجزیه و تحلیل نتایج این مدل‌ها مشخص شد که با افزایش حجم و توده بخش آب‌گریز و آب‌دوست مواد فعال سطحی،به شرط وجود یک تعادل مناسب بین این دو بخش، توانایی آن‌ها برای کاهش کشش بین سطحی بیشتر می‌شود.
- Abstract
- Surface-active agents(surfactants) have many applications in various industries, especially in the oil industry mainly owing to their effect on enhanced oil recovery. These materials have a hydrophilic part as well as a hydrophobic part. They have two fold tendencies toward the water and oil. Because of their structural property, surfactants are placed at the oil-water contact, and reduce interfacial tension of these two phases when they are in contact. Surfactants with different structures have different effect on interfacial tension reduction. QSPR is a method which is used for relating the physical and chemical properties of compounds to their chemical structure. So we use aforementioned method to understand the effect of chemical structure on the ability of surfactant in interfacial tension reduction. For this purpose, the molecular structures of the studied compounds were optimized by potent strategy so-called Genetic Algorithm. Then descriptors that are Structural characteristics were calculated for each compound. Descriptors that had more impact on interfacial tension were selected through genetic algorithm. Moreover، using two computer-based algorithms namely artificial neural network and alternating conditional expectation algorithm, quantitative formulation between selected variables and interfacial tension was achieved. These models are able to predict the interfacial tension for new compounds based on their structural descriptors. By analyzing the results of these models, it was found that، with increasing the size of the hydrophobic and hydrophilic part of surfactants، their ability for interfacial tension reduction was increased, but it depends on the presence of a proper balance between the sizes of the two parts.
