文献

J-GLOBAL ID：201802253930457662   整理番号：18A2235170

炭材存在下での石灰石熱分解挙動 -深層学習を用いた反応性評価-

Reaction Behavior of Thermal Decomposition of Limestone in the Presence of Carbon -Reactivity Evaluation by Deep Learning-

著者 (2件)： 杉浦太郎 (名古屋工業大学大学院工学研究科学生) ,  奥村圭二 (名古屋工業大学大学院工学研究科)
資料名： 鉄と鋼
巻： 104  号： 12  ページ： 758-765(J-STAGE)  発行年： 2018年 
JST資料番号： F0332A  ISSN： 0021-1575  CODEN： TEHAA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： この論文では,石灰石の熱分解とブドワー反応に関する反応を論じた。石灰石と炭材の混合粉末試料の熱重量分析を行った。逐次反応の比率,α_cは,大きな粒径の石灰石粉末と小さな粒径のグラファイト粉末を用いた時,0.65であった。反応性は粉末粒子の分散状態と相互被覆に依存して変化することが分かった。回帰ニューラルネットワーク(RNN)と畳込みニューラルネットワーク(CNN)による深層学習を適用して,TG分析の重量損失曲線を較正し,試料の反応性を予測した。RNNによって修正されたTG曲線は,手動で処理したものとほぼ同等であった。CNNは,現在の条件で正確に試料の反応性を評価するためにより多くの学習を必要とした。構築したモデルは冶金反応の評価に極めて強力なツールであることを示した。(翻訳著者抄録)

シソーラス用語： *石灰石 ,  *熱分解 ,  反応性 ,  炭素材 ,  熱重量分析 ,  混合 ,  粉体 ,  逐次反応 ,  粒径 ,  グラファイト ,  分散【dispersion】 ,  ニューラルネットワーク ,  回帰分析 ,  機械学習 ,  重量損失 ,  *冶金反応 ,  高炉操業 ,  畳込みニューラルネットワーク ,  深層学習

著者キーワード (12件)： 製鉄 ,  石灰石 ,  熱分解 ,  bouard反応 ,  深層学習 ,  ニューラルネットワーク ,  製鉄 ,  石灰石 ,  熱分解 ,  bouard反応 ,  深層学習 ,  ニューラルネットワーク

分類 (1件)： その他の鉄鋼原料  (WD01034J)

引用文献 (24件)：

• 1) T. Miwa and H. Okuda: J. Jpn. Inst. Energy, 89(2010), 28.
• 2) M. Naito, K. Takeda and Y. Matsui: Tetsu-to-Hagané, 100(2014), 2.
• 3) R.T. Haslam and V.C. Smith: Ind. Eng. Chem., 20(1928), 170.
• 4) C.C. Furnas: Ind. Eng. Chem., 23(1931), 534.
• 5) H. Tagawa and H. Sudo: J. Chem. Soc. Jpn., 61(1958), 946.

タイトルに関連する用語 (7件)： 炭材 ,  石灰石 ,  熱分解 ,  挙動 ,  深層学習 ,  反応性 ,  評価