文献

J-GLOBAL ID：201702253918028703   整理番号：17A0885819

人工ニューラルネットワーク,サポートベクトルマシン,および遺伝的プログラミングアルゴリズムを用いたコリオリ流量計を用いた気液2相流測定【Powered by NICT】

Gas-Liquid Two-Phase Flow Measurement Using Coriolis Flowmeters Incorporating Artificial Neural Network, Support Vector Machine, and Genetic Programming Algorithms

著者 (5件)： Wang Lijuan (School of Engineering and Digital Arts, University of Kent, Canterbury, U.K.) ,  Liu Jinyu (School of Engineering and Digital Arts, University of Kent, Canterbury, U.K.) ,  Yan Yong (School of Engineering and Digital Arts, University of Kent, Canterbury, U.K.) ,  Wang Xue (School of Mathematics, Statistics and Actuarial Science, University of Kent, Canterbury, U.K.) ,  Wang Tao (KROHNE Ltd., Wellingborough, U.K.)
資料名： IEEE Transactions on Instrumentation and Measurement  (IEEE Transactions on Instrumentation and Measurement)
巻： 66  号： 5  ページ： 852-868  発行年： 2017年 
JST資料番号： C0232A  ISSN： 0018-9456  CODEN： IEIMAO  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： コリオリ流量計は,単相流の質量流量測定高精度に対して確立した。近年では,二相流を測定するためにCoriolis流量計を適用した。Coriolis流量計に取込まれた液体質量流量と二相流混合物のガス体積分率の両方を測定するためにデータ駆動モデルを提案した。実験研究は水平と垂直のパイプラインに専用の二相流試験装置上で実施された700~14500kg/hの範囲の液体質量流量と0%と30%の間のガス体積分率であった。人工神経回路網(ANN),サポートベクトルマシン(SVM)と遺伝的プログラミング(GP)モデルは実験データと訓練を通して確立した。逆伝搬ANN(BP ANN),動径基底関数ANN(RBF ANN),SVM,GPモデルの性能を評価し,比較した。実験結果はSVMモデルはロバスト性と精度の点で二相流測定のためのBP-ANN,RBF-ANN,GPモデルよりも優れていることを示唆した。SVMモデルを用いた液体質量流量測定のために,実験データの93.49%が水平パイプライン上の±1%以下の相対誤差を与え,結果の96.17%が垂直設置の±1%以内であった。SVMモデルは,水平および垂直設備に及ぼす試験条件の93.10%と94.25%の相対誤差でガス体積率を予測する±10%以下であった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 体積率 ,  *アルゴリズム ,  質量流量 ,  *ニューラルネットワーク ,  ロバスト性 ,  *サポートベクトルマシン ,  *気液二相流 ,  水平管 ,  二相流 ,  *遺伝的プログラミング ,  試験装置
準シソーラス用語： 相対誤差 ,  実験研究 ,  単相流 ,  *コリオリ流量計 , 【Automatic Indexing@JST】

分類 (1件)： 流体の実験・試験・測定方法及び装置  (BC01020K)

タイトルに関連する用語 (6件)： 人工ニューラルネットワーク ,  サポートベクトルマシン ,  遺伝的プログラミング ,  アルゴリズム ,  コリオリ流量計 ,  気液2相流