Використання фізично-обґрунтованої нейромережі для визначення концентрації компонентів скрапленого нафтового газу

Abstract

A method for determining the concentration of liquefied petroleum gas components using a physics-informed neural network is proposed. The approach combines experimental measurements of mixture density with physical relations describing the temperature dependence of component densities. Incorporation of physical constraints into the loss function of the neural network ensures consistency with mixture laws and improves the accuracy of estimating propane and butane concentrations.

У роботі запропоновано метод визначення концентрації компонентів скрапленого нафтового газу на основі фізично-обґрунтованої нейронної мережі. Підхід поєднує експериментальні дані вимірювання густини газової суміші з фізичними закономірностями, що описують залежність густини компонентів від температури. Вбудовування фізичних обмежень у функцію втрат нейромережевої моделі дозволяє забезпечити узгодженість результатів моделювання з фундаментальними законами сумішоутворення та підвищити точність оцінювання концентрації пропану і бутану.