文献

J-GLOBAL ID：201702243854202441   整理番号：17A0105212

人工ニューラルネットワークに基づく石炭燃焼効率の予測【JST・京大機械翻訳】

Expectation of the mercury removal efficiency from the coal-fired flue gas based on the artificial neural network

著者 (6件)： Song Jun (School of Mechanical and Power Engineering, Henan Polytechnic University) ,  Guo Qing (School of Mechanical and Power Engineering, Henan Polytechnic University) ,  Zhang Anchao (School of Mechanical and Power Engineering, Henan Polytechnic University) ,  Sheng Wei (School of Mechanical and Power Engineering, Henan Polytechnic University) ,  Xing Weibo (School of Mechanical and Power Engineering, Henan Polytechnic University) ,  Liu Zhichao (School of Mechanical and Power Engineering, Henan Polytechnic University)
資料名： Anquan Yu Huanjing Xuebao  (Anquan Yu Huanjing Xuebao)
巻： 16  号： 4  ページ： 277-282  発行年： 2016年 
JST資料番号： C2654A  ISSN： 1009-6094  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 石炭燃焼器の水銀(HG0)の除去効率を目的として,最適化パラメータを,遺伝的アルゴリズムによって最適化し,そして,多重因子の同時変化による水銀除去効率の変化規則を,議論した。田口試験法を用いて,固定床試験台上に担持量,か焼温度および反応温度が水銀除去効率に及ぼす影響を研究した。64組の実験データを用いて、設計した多層ニューラルネットワークに対して訓練、検証及びテストを行い、相関係数(R)は0.96以上で、平均二乗誤差(MEAN SQUARED ERROR,MSE)は0.007である。遺伝的アルゴリズムを用いて,訓練後の神経回路網における多重因子の極値最適化を行った。結果は以下を示す。最適含浸効率は95.1%であった。負荷量が15%のとき,最適水銀除去効率,反応温度およびか焼温度は,それぞれ94.6%,141.8°Cおよび445.2°Cであり,そして,実験結果は,最適化結果の正確さを検証した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 固定層 ,  多重化 ,  含浸 ,  相関係数 ,  水銀 ,  最適化 ,  *ニューラルネットワーク ,  反応温度 ,  遺伝的アルゴリズム ,  神経回路網
準シソーラス用語： 平均二乗誤差 ,  か焼温度 ,  担持量 ,  除去効率 ,  *石炭燃焼 , 【Automatic Indexing@JST】

著者キーワード (5件)： environmental engineering ,  mercury removal efficiency ,  Taguchi experimental method ,  multilayer neural network ,  optimization extreme

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 人工ニューラルネットワーク ,  石炭 ,  燃焼効率 ,  予測