文献

J-GLOBAL ID：201702230507344879   整理番号：17A0882678

アンサンブル多様体学習に基づく局所モデルを用いた工業用ポリエチレンのメルトインデックス予測【Powered by NICT】

Industrial polyethylene melt index prediction using ensemble manifold learning-based local model

著者 (3件)： Liu Yi (Institute of Process Equipment and Control Engineering, Zhejiang University of Technology, Hangzhou, 310014, People’s Republic of China) ,  Liang Yu (Institute of Process Equipment and Control Engineering, Zhejiang University of Technology, Hangzhou, 310014, People’s Republic of China) ,  Gao Zengliang (Institute of Process Equipment and Control Engineering, Zhejiang University of Technology, Hangzhou, 310014, People’s Republic of China)
資料名： Journal of Applied Polymer Science  (Journal of Applied Polymer Science)
巻： 134  号： 29  ページ： ROMBUNNO.45094  発行年： 2017年 
JST資料番号： C0467A  ISSN： 0021-8995  CODEN： JAPNAB  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： 多重グレードのポリエチレン重合プロセスにおけるオンラインメルトインデックス予測のために,固定モデルを用いた不十分である。,十分なプロセス知識なしに,予測モデルを構築正確に適切な入力変数を選択することは困難である。アンサンブルジャスト・イン・タイムGauss過程回帰(EJGPR)と呼ばれる新しい多様体学習ベース局所確率的モデリング法を開発した。出力変数を利用することにより,入力と出力変数の局所構造を保存するために提案した最適化フレームワーク。出力情報はJGPRベース局所モデルの構築に統合した。さらに,射影空間におけるいくつかの新しい抽出された変数を得ることができた。さらに,確率的予測情報を用いて,各JGPRベース局所候補モデルの不確実性を簡単に記述することができた。結果として,効率的なアンサンブル戦略を用いた,より正確なEJGPR予測モデルをオンライン構築することができる。工業ポリエチレンプロセスにおけるメルトインデックス予測の結果は,従来の方法よりも優れた性能を持つことを示した。Copyright 2017 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 最適化 ,  多重化 ,  *メルトインデックス ,  予測モデル ,  *予測 ,  かんばん方式
準シソーラス用語： オンライン ,  射影空間 ,  局所構造 ,  確率的モデリング ,  Gauss過程回帰 ,  *多様体学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 応用 ,  製造 ,  センサとアクチュエータ

分類 (3件)： 製造工程とその装置  (YH03000O) ,  重合反応一般  (CG04010H) ,  数値計算  (JE02000J)

タイトルに関連する用語 (7件)： アンサンブル ,  多様体学習 ,  モデル ,  工業 ,  ポリエチレン ,  メルトインデックス ,  予測