文献

J-GLOBAL ID：201802264005389985   整理番号：18A0936237

人工神経回路網モデルを用いたバイオマスの空気ガス化における生産ガス組成の評価【JST・京大機械翻訳】

Assessment of producer gas composition in air gasification of biomass using artificial neural network model

著者 (3件)： George Joel (Department of Mechanical Engineering, National Institute of Technology, Calicut, Kerala, India) ,  Arun P. (Department of Mechanical Engineering, National Institute of Technology, Calicut, Kerala, India) ,  Muraleedharan C. (Department of Mechanical Engineering, National Institute of Technology, Calicut, Kerala, India)
資料名： International Journal of Hydrogen Energy  (International Journal of Hydrogen Energy)
巻： 43  号： 20  ページ： 9558-9568  発行年： 2018年 
JST資料番号： B0192B  ISSN： 0360-3199  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： 再生可能および炭素中性バイオマスからのエネルギー発生は,持続可能なエネルギー枠組みの文脈において重要である。水素は,ガス化の熱化学変換プロセスを通してバイオマスから便利に抽出できる。本研究では,実験的研究から得られた広範なデータに基づくガス化プロセスシミュレーションのためのMATLABソフトウェアを用いて,人工ニューラルネットワーク(ANN)モデルを開発した。空気ガス化に関する実験的研究を,生産者ガスを得るために種々の運転条件で異なる局所的に利用可能なバイオマスを有するバブリング流動層ガス化装置において実施した。開発した人工ニューラルネットワークは,7つの入力変数,4つの出力変数を有する出力層,および15のニューロンを有する1つの隠れ層から成る。多層フィードフォワード神経回路網をLevenberg-Marquardt逆伝搬アルゴリズムを用いて訓練した。平均二乗誤差と回帰分析を用いて評価したモデルの性能は,回帰係数R=0.987と平均二乗誤差(MSE=0.71)を有する出力と目標値の間の良好な一致を示した。開発されたモデルは,運転範囲内で選択されたバイオマスからの生産者ガス組成を予測するために実行される。このモデルは,発電機ガス収率に及ぼす運転パラメータの影響を十分に予測し,したがって,ガス化システムのシミュレーションと性能評価のための有用なツールである。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： 回帰分析 ,  *空気 ,  性能評価 ,  ソフトウェア ,  *ニューラルネットワーク ,  流動層 ,  *ガス化 ,  プロセスシミュレーション ,  水素 ,  *神経回路網 ,  *バイオマス ,  炭素
準シソーラス用語： 平均二乗誤差 ,  実験研究 ,  *ガス組成 , 【Automatic Indexing@JST】

著者キーワード (5件)： バイオマスガス化 ,  バブリング流動層ガス化装置 ,  生産者のガス収率 ,  人工神経回路網モデル ,  フィードフォワード逆伝搬アルゴリズム

分類 (1件)： 生物燃料及び廃棄物燃料  (LB02020Y)

タイトルに関連する用語 (5件)： 人工 ,  神経回路網モデル ,  バイオマス ,  ガス組成 ,  評価