thesis.page.titleprefix PREDICTION OF KINEMATIC VISCOSITY AND DENSITY OF DIESEL FUEL FROM PHYSICAL PROPERTIES BY ARTIFICAL NEURAL NETWORKS
Date
2022-01-20
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
In this study, the first purpose is to predict the kinematic viscosity and density of
diesel fuel from the physical properties of it by employing artificial neural network
modeling approach to be able to save time and money spent on experimental studies,
and the next one is to ascertain a simple formula to kinematic viscosity and density.
The experimental data for diesel fuel utilized throughout this study is taken directly from
the North Oil Company in Iraq, hence the original and unique source of data has been
used. In daily routine, every truck holding diesel needs to be monitored, and density and
viscosity measurements need to be performed. Nonlinear autoregressive neural networks
with external input (NARX) and a typical feedforward neural network with
backpropagation algorithm (NN) are used in the prediction of kinematic viscosity and
density. Evaluation of the obtained results indicated promising performance for these
networks. In the prediction of the density values, NARX type neural network performed
better than NN, and for the prediction of kinematic viscosity values NN performed
superior to NARX. In addition, multiple linear regression (MLR) methodology is
employed and the coefficients of the five independent variables for the first order linear
equations are obtained for kinematic viscosity and density.
Description
YAPAY SİNİR AĞLARI İLE DİZEL YAKITIN FİZİKSEL
ÖZELLİKLERDEN KİNEMATİK VİSKOZİTE VE YOĞUNLUĞUNUN
TAHMİNİ
ÖZ: Bu çalışmada, ilk amaç deneysel analizde harcanan zaman ve maliyeti azaltabilmek için yapay sinir ağı modeli kullanarak dizel yakıtın kinematic viskozitesini ve yoğunluğunu fiziksel özelliklerinden tahmin etmektir. Sonraki amaç ise, kinematic viskozite ve yoğunluğa basit bir formül atamaktır. Bu çalışmada kullanılan dizel yakıt için deneysel veriler doğrudan Irak'taki Kuzey Petrol Şirketi'nden elde edilmiştir, bu nedenle orijinal ve benzersiz bir veri kaynağı kullanılmıştır. Günlük rutinde, dizel taşıyan her tankerin izlenmesi, yoğunluk ve viskozite ölçümlerinin yapılması gerekmektedir. Kınematık viskozite ve yoğunluk tahmininde, harici girişli doğrusal olmayan otoregresif (NARX) ve tipik ileri beslemeli geri yayinimli (NN) sinir ağları kullanılmıştır. Elde edilen sonuçlar değerlendirildiğinde, bu ağların iyi bir performans gösterdiği görülmüştür. Yoğunluk değerlerinin tahmininde, NARX tipi sinir ağı NN'den daha iyi bir performans göstermişken kinematik viskozite değerlerinin tahmini için NN, NARX'tan daha üstün bir performans göstermiştir. İlave olarak, çoklu lineer regresyon (MLR) metodolojisi kullanılmış, kinematic viskozite ve yoğunluk için birinci dereceden lineer denklemler için beş bağımsız değişkenin katsayıları elde edilmiştir.
ÖZ: Bu çalışmada, ilk amaç deneysel analizde harcanan zaman ve maliyeti azaltabilmek için yapay sinir ağı modeli kullanarak dizel yakıtın kinematic viskozitesini ve yoğunluğunu fiziksel özelliklerinden tahmin etmektir. Sonraki amaç ise, kinematic viskozite ve yoğunluğa basit bir formül atamaktır. Bu çalışmada kullanılan dizel yakıt için deneysel veriler doğrudan Irak'taki Kuzey Petrol Şirketi'nden elde edilmiştir, bu nedenle orijinal ve benzersiz bir veri kaynağı kullanılmıştır. Günlük rutinde, dizel taşıyan her tankerin izlenmesi, yoğunluk ve viskozite ölçümlerinin yapılması gerekmektedir. Kınematık viskozite ve yoğunluk tahmininde, harici girişli doğrusal olmayan otoregresif (NARX) ve tipik ileri beslemeli geri yayinimli (NN) sinir ağları kullanılmıştır. Elde edilen sonuçlar değerlendirildiğinde, bu ağların iyi bir performans gösterdiği görülmüştür. Yoğunluk değerlerinin tahmininde, NARX tipi sinir ağı NN'den daha iyi bir performans göstermişken kinematik viskozite değerlerinin tahmini için NN, NARX'tan daha üstün bir performans göstermiştir. İlave olarak, çoklu lineer regresyon (MLR) metodolojisi kullanılmış, kinematic viskozite ve yoğunluk için birinci dereceden lineer denklemler için beş bağımsız değişkenin katsayıları elde edilmiştir.
Keywords
chemical engineering