文献

J-GLOBAL ID：201802237185387202   整理番号：18A2000640

下降流バイオマスガス化のための合成ガス組成を予測するための人工知能に基づくアプローチ【JST・京大機械翻訳】

An artificial intelligence based approach to predicting syngas composition for downdraft biomass gasification

著者 (2件)： Mutlu Ali Yener (Department of Electrical and Electronics Engineering, Izmir Katip Celebi University, Izmir, Turkey) ,  Yucel Ozgun (Department of Environmental Engineering, Izmir Katip Celebi University, Izmir, Turkey)
資料名： Energy  (Energy)
巻： 165  号： PA  ページ： 895-901  発行年： 2018年 
JST資料番号： H0631A  ISSN： 0360-5442  CODEN： ENEYDS  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： 最近,人工ニューラルネットワークと人工知能ベースの回帰技術が様々なガス化プロセスに適用されている。これらの技術はガス化生成物を予測するために比較的満足できる結果を得るが,提案したモデルの大部分は訓練データセットにおいて低い数のサンプルに傾向があり,それはまた過剰適合問題をもたらす。さらに,これらのモデルは,交差検証がガス化生成物を予測するために使用されていないので,局所最小値に落ちる可能性がある本論文では,機械学習分類器を用いて分類問題としてのガス化生成物の予測を考察した。2つのタイプの分類器を提案した。すなわち,二値最小二乗サポートベクトルマシンとマルチクラスランダムフォレスト分類器であり,下降気流ガス化装置における木質バイオマスガス化プロセスにより得られた発電機ガス組成とその発熱量を予測する。提案した手法を開発し,10倍の交差検証を用いて5237のデータサンプルを用いて試験した。ここで,二値および多クラス分類器は,それぞれ96%および89%の予測精度値を達成した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese 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 ,  機械学習 ,  下降気流 ,  *バイオマス ,  *ガス化 ,  サポートベクトルマシン ,  *人工知能
準シソーラス用語： ランダムフォレスト ,  予測精度 ,  多クラス分類 ,  発熱量 ,  ガス化装置 ,  *ガス組成 ,  *バイオマスガス化 ,  *下降流 , 【Automatic Indexing@JST】

著者キーワード (6件)： バイオマス ,  ガス化 ,  ダウンドラフト ,  機械学習 ,  サポートベクトルマシン ,  ランダムフォレスト

分類 (2件)： 生物燃料及び廃棄物燃料  (LB02020Y) ,  気体燃料の製造  (YE02030F)

タイトルに関連する用語 (5件)： 下降流 ,  バイオマスガス化 ,  ガス組成 ,  予測 ,  人工知能