文献
J-GLOBAL ID:201802279909820264   整理番号:18A0723117

ガンマ線吸収法と計算知能法を用いたパイプラインにおける液体-気体流領域の同定【JST・京大機械翻訳】

Identification of liquid-gas flow regime in a pipeline using gamma-ray absorption technique and computational intelligence methods
著者 (5件):
資料名:
巻: 60  ページ: 17-23  発行年: 2018年 
JST資料番号: T0986A  ISSN: 0955-5986  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
パイプラインにおける液体ガス流は,採鉱,核,および石油産業において頻繁に発生する。このような流れの研究に有用な非接触技術の一つはγ線吸収法である。シンチレーション検出器からの信号の解析は,流れパラメータの数を決定し,流れ構造を同定することを可能にする。本研究では,スラグ,プラグ,気泡,および遷移プラグ気泡としての4種類の液体-ガス流様式を,計算知能法を用いて評価した。水平パイプラインを通して水-空気流に対して実験を行った。密閉Am-241γ線源とNaI(Tl)シンチレーション検出器を研究に用いた。時間領域における測定信号解析に基づいて,9つの特徴を抽出して,それを分類装置の入力において用いた。6つの計算知能方法(K-平均クラスタ化アルゴリズム,単一ディシジョンツリー,確率的ニューラルネットワーク,多層パーセプトロン,動径基底関数ニューラルネットワークおよびサポートベクトルマシン)を,二相流構造同定のために用いた。全ての方法は,調べた流れのタイプに対して良好な認識結果を与えることが分かった。これらの結果は,液体ガス流領域分類のための人工知能法と組み合わせたγ線吸収の有用性を確認した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
流体の実験・試験・測定方法及び装置  ,  不均質流 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る