文献

J-GLOBAL ID：201702224495748938   整理番号：17A0776415

最適化のために高速変換する一貫した教育-学習-自己学習アルゴリズム:微粉炭を隅角燃焼するボイラからのNOx排出予測のためのLSSVMパラメータ調整の事例検討

A Fast Converging and Consistent Teaching-Learning-Self-Study Algorithm for Optimization: A Case Study of Tuning of LSSVM Parameters for the Prediction of NOx Emissions from a Tangentially Fired Pulverized Coal Boiler

著者 (6件)： Ahmed Faisal (Department of Chemical Engineering, Hanyang University) ,  Ahmed Faisal (Department of Chemical Engineering, COMSATS Institute of Information Technology) ,  Kim Jin-Kuk (Department of Chemical Engineering, Hanyang University) ,  Khan Asad Ullah (Department of Chemical Engineering, COMSATS Institute of Information Technology) ,  Park Ho Young (KEPRI) ,  Yeo Yeong Koo (Department of Chemical Engineering, Hanyang University)
資料名： Journal of Chemical Engineering of Japan  (Journal of Chemical Engineering of Japan)
巻： 50  号： 4  ページ： 273-290(J-STAGE)  発行年： 2017年 
JST資料番号： S0629A  ISSN： 0021-9592  CODEN： JCEJAQ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 本論文では,反復回数に応じた高速変換を実現するだけでなく,他のアルゴリズムと比較して,高精度に大域的最小値に収斂する新しいTLSO(Teaching-Learning-Self-Study-Optimization,教育-学習-自己学習)アルゴリズムを提案した。オリジナルの教育-学習による最適化(TLBO)は,各段階,すなわち,教師段階および学習者段階における学習者への知識量に均一に分散され,ランダムに選択された重みを与えた。均一に分布しランダムに選択された重みにより,アルゴリズムは,中程度の反復回数で学習者の平均コストを収斂させる。Liと彼の同僚は,2013年の反復の収斂速度を向上させるために重みパラメータを導入することにより,教師段階と学習者段階を強化し,これを改善された教育-学習による最適化(ATLBO)と呼んだ。良好な進化的最適化アルゴリズムの基準は,目的関数のコストの収斂で一貫していることである。そのためには,局所最小でトラップされる可能性を減らすために,大域検索用の多様化だけでなく,局所検索用の強化も含めるべきである。学生の中には,自ら知識を高めるために,図書館やインターネットの学術的な手段によって自ら勉強する傾向がある。この事は自己学習と呼ばれ,提案されたTLSOの学習者段階で多様化要因(DF)として導入した。ACO,PSO,TLBO,ATLBO,およびTLSOの2つの変種など,さまざまな他の革新的アルゴリズムも開発し,TLSOと比較して,一貫性の観点から大域的最小値に収斂した。結果,TLSOが,20のベンチマーク関数のうちのより高い数の関数だけでなく,NOx予測アプリケーションについても一貫していることが判明した。また,TLSOで調整されたLSSVMによる予測NOx排出量が,本研究で考慮された他のアルゴリズムと同等であることも示していた。(翻訳著者抄録)

シソーラス用語： *酸化窒素 ,  *排出量 ,  ボイラ ,  微粉炭 ,  *予測 ,  最適化 ,  サポートベクトルマシン ,  回帰分析 ,  *学習アルゴリズム ,  *ロバスト性 ,  パラメータ推定 ,  比較 ,  性能評価 ,  学習 ,  収束
準シソーラス用語： *酸化窒素排出量 ,  サポートベクター回帰 ,  性能比較 ,  自己学習

著者キーワード (10件)： Least Squares Support Vector Machines ,  NOx Prediction ,  Teaching-Learning-Based-Optimization ,  Ameliorated Teaching-Learning-Based-Optimization ,  Teaching-Learning-Self-Study-Optimization ,  Least Squares Support Vector Machines ,  NOx Prediction ,  Teaching-Learning-Based-Optimization ,  Ameliorated Teaching-Learning-Based-Optimization ,  Teaching-Learning-Self-Study-Optimization

分類 (2件)： ボイラ  (PB01020V) ,  大気汚染一般  (SB03010B)

引用文献 (28件)：

• Adali, T., B. Bakal, M. K. Sonmez and R. Fakory; “NOx and CO Prediction in Fossil Fuel Plants by Time Delay Neural Networks,” Integr. Comput.-Aided Eng., 6, 27-39 (1999)
• Ahmed, F., H. J. Cho, J.-K. Kim, N. Seong and Y. K. Yeo; “Prediction of NOx Emission from Coal Fired Power Plant Based on Real-Time Model Updates and Output Bias Update,” J. Chem. Eng. Japan, 48, 35-43 (2015)
• Ahmed, F., S. Nazir and Y. K. Yeo; “A Recursive Pls-Based Soft Sensor for Prediction of the Melt Index During Grade Change Operations in Hdpe Plant,” Korean J. Chem. Eng., 26, 14-20 (2009)
• Baek, S. H., H. Y. Park and S. H. Ko; “The Effect of the Coal Blending Method in a Coal Fired Boiler on Carbon in Ash and Nox Emission,” Fuel, 128, 62-70 (2014)
• Chamkalani, A., S. Zendehboudi, A. Bahadori, R. Kharrat, R. Chamkalani, L. James and I. Chatzis; “Integration of Lssvm Technique with Pso to Determine Asphaltene Deposition,” J. Petrol. Sci. Eng., 124, 243-253 (2014)

タイトルに関連する用語 (12件)： 最適化 ,  教育 ,  学習 ,  自己学習 ,  アルゴリズム ,  微粉炭 ,  燃焼 ,  ボイラ ,  NOx排出 ,  予測 ,  パラメータ ,  事例検討