文献

J-GLOBAL ID：201702213543564136   整理番号：17A0373951

ウェーブレットニューラルネットワークを用いたシャワー冷却塔の性能予測【Powered by NICT】

Performance prediction of a shower cooling tower using wavelet neural network

著者 (5件)： Qi Xiaoni (College of Traffic and Vehicle Engineering, Shandong University of Technology, Zhangzhou Road 12, Zibo 255049, China) ,  Liu Yongqi (College of Traffic and Vehicle Engineering, Shandong University of Technology, Zhangzhou Road 12, Zibo 255049, China) ,  Guo Qianjian (College of Mechanical Engineering, Shandong University of Technology, Zhangzhou Road 12, Zibo 255049, China) ,  Yu Shanshan (College of Mechanical Engineering, Shandong University of Technology, Zhangzhou Road 12, Zibo 255049, China) ,  Yu Jie (College of Mechanical Engineering, Shandong University of Technology, Zhangzhou Road 12, Zibo 255049, China)
資料名： Applied Thermal Engineering  (Applied Thermal Engineering)
巻： 108  ページ： 475-485  発行年： 2016年 
JST資料番号： E0667B  ISSN： 1359-4311  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,シャワー冷却塔(SCT)の性能を予測するためにウェーブレットニューラルネットワーク(WNN)ベースモデルの応用を開発した。列車へのデータを収集し,提案したWNNモデルを試験するために,実験シャワー冷却塔はいくつかの定常状態条件で運転した。実験データのいくつかは訓練に利用されている。モデルは,システムの多様な性能パラメータ,すなわち,出口と入口水流と乾球温度の温度差,出口空気流の相対湿度,水蒸発比とシステムの冷却効率を予測した。WNN予測の性能は訓練プロセスで使用しない実験データを用いて試験した。予測は0.9906 0.9986の範囲で相関係数,平均相対誤差1.39 2.28%の範囲にあり,非常に低い平方根平均二乗誤差で実験値と良く一致した。結果は,WNN手法は,種々の運転条件下でSCTの性能特性を予測するための効果的に用い,どのような条件でもSCT内の熱及び物質伝達の研究,SCTシステムの設計と走行制御のための重要な理論的基礎を提供することを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 空気流 ,  *シャワー ,  *波束 ,  相関係数 ,  相対湿度 ,  *冷却塔 ,  物質移動 ,  蒸発 ,  冷却効率
準シソーラス用語： 運転条件 ,  温度差 ,  乾球温度 ,  定常状態 ,  *性能予測 ,  *ウェーブレットニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： ウェーブレット神経回路網 ,  バックプロパゲーションアルゴリズム ,  シャワー冷却塔

分類 (2件)： 冷凍装置  (PD03000T) ,  熱交換器,冷却器  (PA03020G)

タイトルに関連する用語 (4件)： ウェーブレットニューラルネットワーク ,  シャワー ,  冷却塔 ,  性能予測