文献

J-GLOBAL ID：201702236278729928   整理番号：17A0882209

リグノセルロース燃料の総発熱量を予測するための人工知能的アプローチ【Powered by NICT】

An artificial intelligence approach to predict gross heating value of lignocellulosic fuels

著者 (1件)： Ozveren Ugur (Department of Chemical Engineering, Faculty of Engineering, Marmara University, Istanbul 34722, Turkey)
資料名： Journal of the Energy Institute  (Journal of the Energy Institute)
巻： 90  号： 3  ページ： 397-407  発行年： 2017年 
JST資料番号： C0303A  ISSN： 1743-9671  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： グロス発熱量(GHV)は,燃料処理システムの設計と運転におけるバイオマス燃料の最も重要な特性の一つである。本研究では,人工知能法としてLevenberg-Marquardt訓練した人工神経回路網(ANN)を用いて,種々の種類のリグノセルロース燃料の近成分析からGHVを計算するための新しい方法を検討した。さらに,新しい非線形回帰モデルを本研究のために開発した。公表された相関関係をANNモデルとの比較を得るために種々のバイオマスを用いた,本研究で非線形相関を開発した。結果は,人工知能アプローチは高い相関度とその近成分析からリグノセルロース燃料のGHVを計算するために,そのロバスト性と能力を提供することを示した。それ故,提案した人工知能は,リグノセルロース燃料の熱分解プロセスの設計と運転に使用する非常に有望なツールである。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： ロバスト性 ,  *リグノセルロース ,  熱分解 ,  生物燃料 ,  バイオマス ,  ニューラルネットワーク ,  *人工知能 ,  近成分析
準シソーラス用語： 線形相関 ,  非線形回帰モデル ,  *発熱量 ,  *総発熱量 , 【Automatic Indexing@JST】

著者キーワード (4件)： バイオマス ,  総発熱量 ,  人工ニューラルネットワーク ,  近似分析

分類 (1件)： 生物燃料及び廃棄物燃料  (LB02020Y)

タイトルに関連する用語 (5件)： リグノセルロース ,  燃料 ,  総発熱量 ,  予測 ,  人工知能