文献

J-GLOBAL ID：201802264124110880   整理番号：18A1091706

適応ニューロファジー推論システムに基づく微粉炭ボイラフライアッシュの炭素量モデリング【JST・京大機械翻訳】

Modelling for unburned carbon content in fly ash from coal-fired boilers based on adaptive neuro-fuzzy inference system

著者 (8件)： Wang Yuelan (浙江大学能源清潔利用国家重点実験室,浙江杭州,310027) ,  Ma Zengyi (浙江大学能源清潔利用国家重点実験室,浙江杭州,310027) ,  You Haihui (浙江大学能源清潔利用国家重点実験室,浙江杭州,310027) ,  Tang Yijun (浙江大学能源清潔利用国家重点実験室,浙江杭州,310027) ,  Chen Yueliang (广東省電力科学研究院,广東广州,510080) ,  Ni Mingjiang (浙江大学能源清潔利用国家重点実験室,浙江杭州,310027) ,  Chi Yong (浙江大学能源清潔利用国家重点実験室,浙江杭州,310027) ,  Yan Jianhua (浙江大学能源清潔利用国家重点実験室,浙江杭州,310027)
資料名： Reli Fadian  (Reli Fadian)
巻： 47  号： 1  ページ： 26-32  発行年： 2018年 
JST資料番号： C3437A  ISSN： 1002-3364  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： フライアッシュの炭素含有量は,微粉炭ボイラの運転中の重要なパラメータであり,そして,そのモデリング予測は重要である。本論文では、適応ニューロファジー推論システム(ANFIS)を用いて、ある660MWユニットの四角炭微粉炭ボイラの飛灰炭素含有量をモデリングした。知識と運転経験に従って,モデルの初期入力パラメータを決定した。減算クラスタ化アルゴリズムを用いて,初期ファジィルールと構造パラメータを適応的に決定した。最小二乗推定アルゴリズムと誤差逆伝搬アルゴリズムから成るハイブリッド学習アルゴリズムを用いて,ファジィニューラルネットワークのパラメータを学習し,飛灰の炭素含有量モデルの初期構築を達成した。このモデルの予測結果は精度が高く、飛灰の炭素含有量の変化状況を真に反映できる。これに基づいて,ANFISモデルと最小二乗法サポートベクトルマシン(LSSVM)とBPニューラルネットワークモデルの予測結果を比較した。その結果;訓練サンプル数が十分な場合、ANFISモデルは飛灰炭素含有量に対してより高い予測精度とより強い汎化能力を有する。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *ファジィニューラルネットワーク ,  最小二乗法 ,  減算 ,  予測 ,  *ボイラ ,  *フライアッシュ ,  サポートベクトルマシン ,  アルゴリズム ,  *モデリング ,  クラスタ化 ,  *微粉炭
準シソーラス用語： 予測精度 ,  ハイブリッド学習 ,  逆伝搬アルゴリズム ,  ファジィルール , 【Automatic Indexing@JST】

著者キーワード (7件)： unburned carbon content in fly ash ,  coal-fired boiler ,  ANFIS ,  subtractive clustering ,  LSSVM ,  BP neural network ,  prediction accuracy

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 適応 ,  ニューロファジー ,  推論 ,  微粉炭 ,  炭素量 ,  モデリング