文献

J-GLOBAL ID：201702263813439206   整理番号：17A0411388

人工神経回路網(ANN)を用いた回転充填層におけるダスト除去のモデル化【Powered by NICT】

Modelling of dust removal in rotating packed bed using artificial neural networks (ANN)

著者 (10件)： Li Weiwei (Shanxi Province Key Laboratory of Higee-oriented Chemical Engineering, North University of China, Taiyuan 030051, China) ,  Li Weiwei (Research Center of Shanxi Province for High Gravity Chemical Engineering and Technology, North University of China, Taiyuan 030051, China) ,  Wu Xiaoli (Shanxi Province Key Laboratory of Higee-oriented Chemical Engineering, North University of China, Taiyuan 030051, China) ,  Wu Xiaoli (Research Center of Shanxi Province for High Gravity Chemical Engineering and Technology, North University of China, Taiyuan 030051, China) ,  Jiao Weizhou (Shanxi Province Key Laboratory of Higee-oriented Chemical Engineering, North University of China, Taiyuan 030051, China) ,  Jiao Weizhou (Research Center of Shanxi Province for High Gravity Chemical Engineering and Technology, North University of China, Taiyuan 030051, China) ,  Qi Guisheng (Shanxi Province Key Laboratory of Higee-oriented Chemical Engineering, North University of China, Taiyuan 030051, China) ,  Qi Guisheng (Research Center of Shanxi Province for High Gravity Chemical Engineering and Technology, North University of China, Taiyuan 030051, China) ,  Liu Youzhi (Shanxi Province Key Laboratory of Higee-oriented Chemical Engineering, North University of China, Taiyuan 030051, China) ,  Liu Youzhi (Research Center of Shanxi Province for High Gravity Chemical Engineering and Technology, North University of China, Taiyuan 030051, China)
資料名： Applied Thermal Engineering  (Applied Thermal Engineering)
巻： 112  ページ： 208-213  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： カスケードフォワード逆伝搬ニューラルネットワーク(CFBPNN),フィードフォワード逆伝搬ニューラルネットワーク(FFBPNN)とElmanフォワード逆伝搬ニューラルネットワーク(EFBPNN)を含む,人工神経回路網(ANN)モデルは,その開発をスピードアップするために回転充填床(RPB)におけるダスト除去効率を予測するために提案した。分離グレード効率の全326データセットを訓練のための文献から収集し,モデルを検証した。ガスReynolds数(Re_G),液体Reynolds数(Re_L),回転Reynolds数(Re_ω),M(d_0~2ρ_L/dp~2/ρ_p)とC_si/ρ_Gを入力データとして用いた。が,変数η(分離グレード効率)は,各モデルの出力データとした。種々の隠れニューロンの各モデルの平均二乗誤差(E~2),決定係数(R~2)に基づいており,残留比較した。RPBにおける分離グレード効率も他の存在するダスト除去装置と比較した。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： *モデリング ,  Reynolds数 ,  *ニューラルネットワーク ,  *固定層 ,  フィードフォワード ,  ニューロン ,  *塵埃
準シソーラス用語： 決定係数 ,  平均二乗誤差 ,  入力データ ,  除去効率 ,  逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 回転充填層 ,  ダスト ,  分離グレード効率 ,  ANN(人工ニューラルネットワーク)モデル

分類 (1件)： 熱交換器,冷却器  (PA03020G)

タイトルに関連する用語 (4件)： 人工神経回路網 ,  充填層 ,  ダスト除去 ,  モデル化