文献

J-GLOBAL ID：201002256242244734   整理番号：10A0583185

サイクロン分離器圧力降下の人工ニューラルネットワークベースのモデル化

Artificial neural network-based modeling of pressure drop coefficient for cyclone separators

著者 (2件)： ZHAO Bingtao (School of Energy and Power Engineering, Univ. of Shanghai for Sci. and Technol., 516 Jungong Road, Shanghai 200093, CHN) ,  SU Yaxin (School of Environmental Sci. and Engineering, Donghua Univ., 2999 North Renmin Road, Shanghai 201620, CHN)
資料名： Chemical Engineering Research and Design  (Chemical Engineering Research and Design)
巻： 88  号： 5-6  ページ： 606-613  発行年： 2010年05月 
JST資料番号： E0282A  ISSN： 0263-8762  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： サイクロン圧力降下係数(PDC)と幾何学的な寸法との間の複雑な関係を構築するために,逆伝搬ニューラルネットワーク(BPNN),半径基本関数ニューラルネットワーク(RBFNN),及び一般回帰ニューラルネットワーク(GRNN)を含む代表的な人工ニューラルネットワーク(ANNs)を開発し,サイクロン分離器のPDCのモデル化に採用した。ANNsの最適パラメーターは交差検証を伴う動的最適化探索法により構成した。PDCの予測精度に従って構成されたANNモデルの性能を比較し,評価した。全てのANNモデルが試行サンプルの近似的な結果を成功裏に予測できることを認めた。更に,RBFNNはBPNNやGRNN及び従来のPDCモデルより高い一般化性能を持ち,二乗平均誤差5.84x10^-4,及びCPU時間120.15秒であった。この結果はまた,ANNがサイクロン圧力降下をモデル化する代替法を提供することを実証した。Copyright 2010 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *サイクロン【分離】 ,  サイクロン集塵器 ,  サイクロン分級機 ,  *圧力損失 ,  *ニューラルネットワーク ,  係数 ,  モデリング ,  最適化手法 ,  交差検証法 ,  CPU時間
準シソーラス用語： *圧力降下 ,  人工ニューラルネットワーク ,  数値モデリング ,  *損失係数

分類 (2件)： 固体の処理装置一般  (XD03031Z) ,  集塵  (XD02100D)

タイトルに関連する用語 (4件)： サイクロン分離器 ,  圧力降下 ,  人工ニューラルネットワーク ,  モデル化