文献

J-GLOBAL ID：201702269270277039   整理番号：17A1657336

人工神経回路網-基底結合寄与モデルは,石炭液化油の偏心因子を予測するために使用される。【JST・京大機械翻訳】

Prediction of acentric factor of direct coal liquefaction oil by artificial neural network and group bond contribution coupled model

著者 (1件)： Mao Xuefeng (煤炭科学技術研究院有限公司煤化工分院,北京100013;煤炭資源開采与潔浄利用国家重点実験室,北京100013;国家能源煤炭高效利用与節能減排技術装備重点実験室,北京100013)
資料名： Jiejing Mei Jishu  (Jiejing Mei Jishu)
巻： 23  号： 3  ページ： 39-44,50  発行年： 2017年 
JST資料番号： C3400A  ISSN： 1006-6772  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 石炭の直接液化石油留分の偏心因子を予測する新しい方法を探索するために、人工神経回路網-基結合寄与モデル(ANN-GBC)に基づき、石炭の直接液化油に含まれる45個の基の結合と常圧(Tb)の46個のパラメータをモデルの入力パラメータとする。石炭直接液化油の15の狭いフラクションの偏心因子と分子構造の間の相関性を研究した。結果により、20個のモデル化合物の偏心因子を計算することにより、ANN-GBCモデルは良好なシミュレーション推算機能を有し、計算値と理論値の平均相対誤差はいずれも2.5%以下であることが分かった。偏心因子ωは蒸留フラクションの温度上昇とともに増加し,ANN-GBCモデルの予測値はWatanasiri,NEDOL相関式の計算値よりも高かった。<380°Cにおいて,ωは1より小さく,相対偏差は小さかった。>380°Cでは,ωの偏差は大きかった。>420°Cの画分に対して、20%の物質を定性的に定量分析することができるため、異なる物質の含有量の差異は個別の結果のジャンプを招き、ωの偏差は比較的大きい。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *ニューラルネットワーク ,  *液化油 ,  蒸留 ,  分子構造 ,  定量分析 ,  *偏心因子 ,  石油留分 ,  *モデル ,  昇温 ,  *液化 ,  *石炭液化 ,  モデル化合物 ,  *石炭 ,  シミュレーション
準シソーラス用語： 計算値 , 【Automatic Indexing@JST】

著者キーワード (5件)： direct coal liquefaction oil ,  artificial neural network and group bond contribution coupled model ,  narrow fractions ,  acentric factor ,  atmospheric boiling point

分類 (1件)： 石炭の物理的・化学的処理  (YE04040E)

タイトルに関連する用語 (6件)： 人工神経回路網 ,  基底 ,  モデル ,  石炭液化 ,  偏心因子 ,  予測