イオン液体(ILs)における予測亜酸化窒素(N_2O)溶解度の知的モデルの解析【Powered by NICT】

Shaahmadi Fariborz; Anbaz Mohammad Amin; Bazooyar Bahamin

文献

J-GLOBAL ID：201702292974494295 整理番号：17A1638301

イオン液体(ILs)における予測亜酸化窒素(N_2O)溶解度の知的モデルの解析【Powered by NICT】

Analysis of intelligent models in prediction nitrous oxide (N₂O) solubility in ionic liquids (ILs)

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A1638301&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A1638301&from=J-GLOBAL&jstjournalNo=B0924A") }}

著者 (3件)： , ,
資料名：
巻： 246 ページ： 48-57 発行年： 2017年
JST資料番号： B0924A ISSN： 0167-7322 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)

イオン液体(IL)における亜酸化窒素(N_2O)溶解度の正確な予測は,大気中のこの有害な気体成分の除去と制御のための吸収剤としてこれらの流体の有効性への詳細な洞察を与える。この重要なパラメータの正確な推定は,大規模で前向きILベース分離プロセスの設計に必要である。この目的のために,人工神経回路網(ANN),サポートベクトルマシン(SVM)と最小二乗サポートベクトルマシン(LSSVM)を含む三種の知能法は25ILsにおけるN_2O溶解度を予測するために適用した。shuffled complex evolution(SCE)を用いて,SVMとLSSVMモデルの埋め込み部品であるハイパーパラメータ(σ~2とγ)の最適大きさを獲得し,試行錯誤をANN知的モデルのための中性子および層の最適数を得るために採用した。収集と627溶解度データを用いて,最も効果的な予測はILsにおけるこの温室効果ガス(N_2O)の吸収プロセスの適切な設計のために既存のPVT熱力学モデルと結合した化学工学ソフトウェアパッケージにおける使用のために提示できるように溶解度を与えるに適用したインテリジェントモデルの能力の比較も前述の知的モデルの間で行った。知見はインテリジェントモデルと実験データからの推定との間に良好な一致を示した。それらの三つの調査したモデル間の比較は決定係数(R~2)と根平均二乗誤差(RMSE)は,データのテストセットに対してそれぞれ0.9970と0.0104として溶解度の予測におけるSVM(サポートベクトルマシン)の性能を研究した25ILにおけるN_2O溶解度をprognosticatingにおける他の知的モデル(すなわち,ANNとLSSVM)よりも若干優れていることを明らかにした。これはSVMアルゴリズムに組み込まれているSVMの構造的リスク最小化原理の存在によるものと考えられ,汎化誤差の上限,訓練誤差を最小化するよりもむしろを最小化した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

人工知能 , 油層工学

, , , , , ,

前のページに戻る