به استحضار می رساند جلسه دفاع از پایان نامه کارشناسی ارشد آقای مهندس امیرحسین کلاتکی در رشته مهندسی نفت با عنوان "پیش‌بینی انحلال‌پذیری دی‌اکسید کربن در آب شور تحت دما و فشار با استفاده از شبکه عصبی مصنوعی" در روز دوشنبه 26 شهریور 1403 ساعت 8:30 صبح در سالن سعدی دانشکده مهندسی شیمی، نفت و گاز برگزار می گردد. استادان راهنمای این پایان نامه  سرکار خانم دکتر پارسایی و  جناب آقای دکتر قائدی و استاد مشاور جناب آقای دکتر اسکروچی می باشند. چکیده این پایان نامه به شرح زیر است:

یکی از راه‌های کنترل تغییرات آب و هوایی و گرمایش زمین، ذخیره‌سازی زمین‌شناسی دی‌اکسید کربن در سفره‌های آب شور عمیق می‌باشد. یکی از مهم‌ترین مکانیزیم‌ها در به دام انداختن دی‌اکسید کربن در سفره‌های آب شور عمیق، انحلال دی‌اکسید کربن در آبخوان می‌باشد. انحلال‌پذیری دی‌اکسید کربن در تعیین ظرفیت ذخیره سازی این گاز در سفره‌های آب شور عمیق، نقش اساسی را ایفا می‌کند. در این پژوهش با بررسی مطالعات آزمایشگاهی، جامع‌ترین بانک داده ممکن شامل 1677 داده آزمایشگاهی انحلال‌پذیری دی‌اکسید کربن در آب خالص و محول‌های آبی تک نمک و 277 داده آزمایشگاهی انحلال‌پذیری دی‌اکسید کربن در محلول‌های آبی چند نمک جمع‌آوری گردید. با استفاده از 1677 داده انحلال‌پذیری دی‌اکسید کربن در آب خالص و محلول‌های آبی تک نمک به وسیله الگوریتم‌های یادگیری ماشین جنگل تصادفی و آدابوست و همچنین شبکه عصبی پرسپترون چندلایه، انحلال‌پذیری دی‌اکسید کربن در آب خالص و محلول‌های آبی تک نمک به وسیله پارامترهای فشار، دما، غلظت و بار و شعاع یونی کاتیون و آنیون مدل‌سازی شد. از میان مدل‌های توسعه یافته، مدل مبتنی بر شبکه عصبی پرسپترون چندلایه با ضریب تعیین 9928/0 و میانگین انحراف نسبی مطلق 24/4 درصد بر روی مجموعه داده‌های آزمایشی، بهترین عملکرد را از خود نشان داد. مدل ارائه شده توانایی پیش‌بینی انحلال‌پذیری دی اکسید کربن را در محدوده فشار تا 70 مگاپاسکال، محدوده دما از 15/273 تا 65/473 کلوین و تا غلظت معادل 6 مولال سدیم کلرید دارد. در ادامه با استفاده از داده‌های انحلال‌پذیری دی‌اکسید کربن در محلول‌های آبی تک نمک و همچنین 277 داده انحلال‌پذیری دی‌اکسید کربن در محلول‌های آبی چند نمک، به وسیله فشار، دما و همچنین پارامتر قدرت یونی اصلاح شده که در این پژوهش توسعه داده شد، انحلال‌پذیری دی‌اکسید کربن در انواع محلول‌های آبی حاوی هر تعداد نمک و یون‌های تشکیل دهنده آن، با استفاده از شبکه عصبی پرسپترون چندلایه مدل‌سازی شد که با ضریب تعیین 9893/0 و میانگین انحراف نسبی مطلق 74/4 درصد بر روی مجموعه داده‌های آزمایشی، عملکرد مناسبی را ارائه داد. مدل‌سازی‌های انجام شده در این پژوهش می‌تواند با ارائه پیش‌بینی‌های دقیق از میزان انحلال‌پذیری دی‌اکسید کربن در انواع محلول‌های آبی در دما، فشار و شوری‌های مختلف، به بهبود عملکرد پروژه‌های ذخیره‌سازی دی‌اکسید کربن در سفره‌های آب شور عمیق کمک کند.

بدین وسیله از کلیه علاقه مندان جهت شرکت در این جلسه دعوت بعمل می آید.