文献

J-GLOBAL ID：201702263619239693   整理番号：17A0109712

風駆動アルゴリズムに基づくボイラNO_X排出モデルの最適化【JST・京大機械翻訳】

Model Improvement for Boiler NO_x Emission Based on Wind Driven Optimization Algorithm

著者 (6件)： Niu Peifeng (Key Lab of Industrial Computer Control Engineering of Hebei Province,Yanshan University) ,  Zhao Zhen (Key Lab of Industrial Computer Control Engineering of Hebei Province,Yanshan University) ,  Ma Yunpeng (Key Lab of Industrial Computer Control Engineering of Hebei Province,Yanshan University) ,  Chen Ke (Key Lab of Industrial Computer Control Engineering of Hebei Province,Yanshan University) ,  Wang Qiuya (Key Lab of Industrial Computer Control Engineering of Hebei Province,Yanshan University) ,  Zhao Qingchong (Key Lab of Industrial Computer Control Engineering of Hebei Province,Yanshan University)
資料名： Dongligongcheng Xuebao  (Dongligongcheng Xuebao)
巻： 36  号： 9  ページ： 732-738  発行年： 2016年 
JST資料番号： C2678A  ISSN： 1674-7607  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： 発電所ボイラのNO_X排出量を正確に予測するために,300MWの亜臨界循環流動層ボイラを研究対象として,適応型風力駆動最適化(AWDO)アルゴリズムと極端な学習機械(ELM)を統合してモデル化した。このモデルの予測能力を,異なる条件の下で収集したサンプルデータによってテストした。このモデルの予測値を,基本的極端な学習機械,差分進化アルゴリズム,粒子群最適化アルゴリズム,および基本的風駆動アルゴリズムによって最適化した極端な学習機械モデルの予測値と比較した。結果は以下を示す。AWDOアルゴリズムは,最適化パラメータをよりよく見つけることができ,最適化された極端な学習モデルは,良好な予測精度と汎化能力を持ち,発電所ボイラのNO_X排出量を正確に予測することができた。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 発電所 ,  風力 ,  *ボイラ ,  排出量 ,  流動層ボイラ ,  *風 ,  汎化 ,  モデリング ,  *最適化 ,  *アルゴリズム
準シソーラス用語： 予測精度 ,  粒子群最適化 ,  差分進化アルゴリズム ,  予測値 ,  極度学習機械 , 【Automatic Indexing@JST】

著者キーワード (4件)： NO_x emission ,  circulating fluidized bed boiler ,  extreme learning machine ,  wind driven optimization algorithm

分類 (4件)： 人工知能  (JE08000Z) ,  化学プロセスの解析  (XC01030R) ,  微生物代謝産物の生産  (FK03020A) ,  風力エネルギー  (LB03060X)

タイトルに関連する用語 (5件)： 風 ,  アルゴリズム ,  ボイラ ,  排出モデル ,  最適化