Tajuk kajian adalah pemodelan sistem pintar untuk menentukan pecahan minyak. Tujuan penyelidikan adalah untuk menentukan pecahan minyak di dalam saluran paip yang melibatkan aliran dua komponen iaitu minyak dan gas. Terdapat banyak jenis regim aliran yang mungkin terbentuk dalam saluran paip seperti strata, teras, anulus, gelembung dan juga homogen. Dalam kajian ini kesemua regim aliran ini direkabentuk dengan cara membina bahagian-bahagian bergeometri menggunakan aturcara dan dijadikan masukan kepada penyelaku (simulator) Tomografi Kemuatan Elektrik (TKE) untuk mendapatkan set data TKE dalam bentuk nilai pengukuran kemuatan bebas. Kajian ini menggunakan Rangkaian Neural Buatan (RNB) untuk menyelesaikan masaalah dalam menetukan pecahan minyak. Keseluruhan kerja pula direalisasikan menggunakan perisian Matlab versi 6.5.1. Penyelidikan ini tidak akan meliputi fasa pembentukan semula imej dalam menentukan pecahan minyak. Keseluruhan data dari penyelaku TKE dibahagikan kepada 3 bahagian utama untuk digunakan dalam proses pembelajaran RNB. 40% daripada sejumlah data digunakan untuk melatih, 20% sebagai data pengesahan dan 40% selebihnya dijadikan data ujian. Pembahagian data-data ini dibuat secara rawak. Senibina RNB yang digunakan adalah dari jenis Radial Basis Function (RBF). Keluaran adalah di antara nilai 0 hingga 1 yang mana menunjukkan nilai pecahan minyak dalam keratan rentas saluran paip.
_________________________________________________________________________________________
The project title is modeling of an intelligent system for oil-fraction determination. The purpose of this project is to determine the fractions of oils in a pipeline containing two components, which are oil and gas. There are many types of flow regimes that could form in a pipeline such as stratified, core, annular, bubble, and homogenous flows. In this project all flow regimes need to be created by way of geometrical segments using program and will be fed into the Electrical Capacitance Tomography (ECT) simulator to get a set of ECT data which is represented in the form of independent capacitance measurements. This project uses an Artificial Neural Network (ANN) to solve the problem of oil-fraction determination. The entire work of this project realizes Matlab version 6.5.1 software. This project does not go through the image reconstruction stage to determine the oil-fraction. All those data from the ECT simulator will be divided into 3 categories to be used in learning process of ANN. 40% of the data are used for training, 20% for validation, and the remaining 40% for testing data. Each data division is done randomly. The ANN architecture used is Radial Basis Function (RBF). The RBF will be trained with the training data chosen before regarding to the various probability of fraction of oil in a vessel. The output is a value between 0 and 1, corresponding to the fraction of oil in a pipe cross-section.
Pemodelan sistem pintar untuk menentukan nilai pecahan minyak_Nadzrie Mohamood_E3_2005_NI