文献

J-GLOBAL ID：201802243812520620   整理番号：18A1321023

再帰ニューラルネットワークに基づく火力発電所汚染物排出研究【JST・京大機械翻訳】

Research on Quantity of Power Unit Pollutant Emission Based on Recurrent Neural Networks

著者 (6件)： Liang Xiao (安徽電力調度控制中心,合肥,230022) ,  Li Duanchao (安徽電力調度控制中心,合肥,230022) ,  Huang Shaoxiong (安徽電力調度控制中心,合肥,230022) ,  Gao Xiasheng (安徽電力調度控制中心,合肥,230022) ,  Gao Weiheng (安徽電力調度控制中心,合肥,230022) ,  Yang Xunzheng (中国科学技術大学計算机科学与技術学院,合肥,230027)
資料名： Zidonghua yu Yibiao  (Zidonghua yu Yibiao)
巻： 32  号： 10  ページ： 68-71,76  発行年： 2017年 
JST資料番号： C3603A  ISSN： 1001-9944  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： 本論文では,LSTM-RNNの深さ学習に基づく改良発電ユニットエミッション予測アルゴリズムALSTM-RNN(A-R)を,大量の発電装置の歴史的汚染物質放出データの研究を通して提案した。A-Rアルゴリズムはモデルの特徴量を効果的に抽出でき、データの正規化によってモデルの結果を最適化調整し、モデルの訓練時間を下げ、予測精度を高める。A-Rアルゴリズムは,最小自乗法(LSM)とサポートベクトルマシン回帰(SVR)と比較して,異なった発電機セットの試験を通して,小さな平均二乗誤差を持った。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *汚染物質 ,  最小二乗法 ,  サポートベクトルマシン ,  アルゴリズム ,  発電設備 ,  正規化 ,  *ニューラルネットワーク ,  モデル
準シソーラス用語： 平均二乗誤差 ,  発電機セット ,  予測精度 ,  特徴量 ,  予測アルゴリズム ,  *火力発電所 , 【Automatic Indexing@JST】

著者キーワード (5件)： deep learning ,  recurrent neural networks (RNN) ,  energy-saving and emission-reduction ,  forecasting model ,  improved algorithm

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ニューラルネットワーク ,  火力発電所 ,  汚染物 ,  研究