Muhammad Hossain2022-05-182022-05-183612https://drepo.sdl.edu.sa/handle/20.500.14154/2516يعتبر التنبؤ بمركبات الغازات في عمليات فصل الغازات عن الزيوت متعددة المراحل تحديا وذلك لأن معدل تغير المركبات تتنوع كثيرا مع تغير الضغط والحرارة. ولا توجد علاقة مباشرة بين هذه المتغيرات حيث إنها تعتمد على المكمن - بل وأحيانا على العينة - وعلى والمركبات الابتدائية للزيت. وعمليات فصل الغازات عن الزيوت هذه لها أهمية كبيرة في إنتاج كل من الغازات والزيوت. تقدير كمية المركب الغازي قبل إنتاجه قد يساعد في تخفيض تكلفة الإنتاج، وزيادة كفاءة الإنتاج، وتحديد جودة الزيت. وعادة ما تستخدم طريقتا معادلة الحال والارتباط التجريبي لتحليل مكونات الموائع. معادلة الحال تعمل على ما يرام في بعض الحالات لكنها غير قادرة على التنبؤ لبعض الخصائص فى كثير من الحالات. ففي حالات الهيدروكربونات المعقدة تكون كلتا الطريقتين ذات نتائج غير مرضية. لذا، فقد تزايد الطلب على تقنيات الذكاء الحاسوبي في مجال هندسة النفط وغيره. ليس هذا فحسب، بل إن أنظمة مهجنة من تقنيات الذكاء الحاسوبي المختلفة باتت تطرح من أجل كفاءة أعلى. في هذه الرسالة، نقوم بالتنبؤ بمركبات الغازات في عمليات فصل الغازات عن الزيوت متعددة المراحل باستخدام أنظمة الذكاء الحاسوبي الهجينة ونماذج موحدة لها. وقد قمنا باستخدام معايير متعددة لقياس كفاءة العمل. ابتدأنا بإيجاد أمثل القيم لمتغيرات أنظمتنا عبر خوارزميات جينية، مما أسفر عن تحسن التنبؤ لمكونين اثنين من أصل ستة مكونات للغاز. ثم قمنا بعمل نماذج متجانسة وغير متجانسة من تقنيات الذكاء الحاسوبي المختلفة مما أسفر عن تحسين التنبؤ لخمسة من تلك المكونات مقارنة بأداء الطرق التقليدية.enEVOLUTIONARY OPTIMIZED HYBRID COMPUTATIONAL INTELLIGENCE MODEL FOR THE PREDICTION OF GAS COMPONENTThesis