این پژوهش به شبیهسازی و بهینهسازی فرآیند حذف سولفید هیدروژن (H2S) از نفت خام در تجهیز تثبیتکننده واحد نمکزدایی (واحد فرآورش مرکزی ) میپردازد. هدف اصلی این تحقیق، بررسی تاثیر متغیرهای عملیاتی شامل دما، فشار و نسبت شدت جریانهای ورودی بر غلظت H2S موجود در نفت خروجی از برج تثبیتکننده و ارائه یک مدل پیشبینی مبتنی بر شبکه عصبی مصنوعی (ANN ) برای بهینهسازی فرآیند و پیشبینی شرایط عملیاتی است. در این راستا، ابتدا واحد تثبیتکننده نفت خام با استفاده از نرمافزار شبیهسازی فرآیند Aspen Plus V14، مدلسازی میشود. سپس، با تغییر متغیرهای کلیدی، غلظت H2S در محصول خروجی مورد بررسی قرار میگیرد. نتایج حاصل از شبیهسازی، مبنایی برای توسعه مدل شبکه عصبی مصنوعی خواهد بود که قادر به پیشبینی غلظت H2S در شرایط مختلف عملیاتی و کمک به بهینهسازی فرآیند در حین بهرهبرداری است. مدل ANN توسعهیافته با معماری بهینه (شامل لایههای پنهان و توابع انتقال مناسب) توانست غلظت H2S را با دقت بالا پیشبینی کند. این مدل به عنوان ابزاری کارآمد برای بهینهسازی بلادرنگ شرایط عملیاتی و کاهش هزینههای آزمایشگاهی پیشنهاد میشود. یافتههای این تحقیق گامی مؤثر در جهت بهبود کیفیت نفت خام، کاهش آلایندگی زیستمحیطی و افزایش بهرهوری اقتصادی واحدهای فرآورش نفت است.
