文献

J-GLOBAL ID：201702213024502283   整理番号：17A0411464

自然循環垂直熱サイフォンリボイラの循環率の予測における人工神経回路網の解析【Powered by NICT】

Analysis of artificial neural network in prediction of circulation rate for a natural circulation vertical thermosiphon reboiler

著者 (2件)： Hakeem M.A. (Department of Chemical Engineering, A.M.U., Aligarh 202 002, U.P., India) ,  Kamil M. (Department of Petroleum Studies, A.M.U., Aligarh 202 002, U.P., India)
資料名： Applied Thermal Engineering  (Applied Thermal Engineering)
巻： 112  ページ： 1057-1069  発行年： 2017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： 本研究では,熱物性および操作パラメータに大きな変動を持つ種々の液体のための垂直熱サイフォンリボイラの循環率を予測するための人工ニューラルネットワーク(ANN)の適用性について検討した。バックプロパゲーション誤差法を用いたフィードフォワード人工ニューラルネットワークの異なる構造を研究した。著者自身の研究を含む文献からの実験データを訓練および異なるネットワークを試験した。訓練したネットワークは,文献からの経験的相関式よりも良好な循環速度を予測することができることを示した。性能に及ぼすネットワークの異なる構造の影響も研究した。大部分のケースでは,ノードと隠れ層を増加させることによりネットワーク性能がある限界まで改善されることが注目されている。五種類の訓練アルゴリズムは,ネットワークを訓練するために異なる隠れ層とノードで使用された。しかし,SCGとBFGS訓練アルゴリズムをGDA,GDMとLMのような他のアルゴリズムと比較してCPU時間に関してより効率的であることが分かった。ANNベースモデルの比較は文献で報告された経験的相関で行った。提案したネットワークに基づくモデルはかなり良い予測を示すことが観察された。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： *ニューラルネットワーク ,  アルゴリズム ,  逆伝搬法 ,  *自然循環 ,  CPU時間 ,  フィードフォワード ,  *熱サイフォン ,  ネットワーク ,  *リボイラ ,  学習アルゴリズム ,  適応性
準シソーラス用語： ネットワーク性能 ,  隠れ層 ,  相関式 ,  熱物性 , 【Automatic Indexing@JST】

著者キーワード (6件)： 熱伝達 ,  シミュレーション ,  Hydrodynamics ,  輸送過程 ,  人工神経回路網(ANNs) ,  垂直熱サイフォンリボイラ

分類 (1件)： 熱交換器,冷却器  (PA03020G)

タイトルに関連する用語 (8件)： 自然循環 ,  垂直 ,  熱サイフォン ,  リボイラ ,  循環 ,  予測 ,  人工神経回路網 ,  解析