文献

J-GLOBAL ID：201802287388152536   整理番号：18A0718871

油凝集プロセスの予測のための人工神経回路網と応答曲面法アプローチの応用【JST・京大機械翻訳】

Application of artificial neural networks and response surface methodology approaches for the prediction of oil agglomeration process

著者 (4件)： Yadav Anand Mohan (Department of Fuel and Mineral Engineering, IIT-ISM Dhanbad, Jharkhand 826004, India) ,  Chaurasia Ram Chandra (Department of Fuel and Mineral Engineering, IIT-ISM Dhanbad, Jharkhand 826004, India) ,  Suresh Nikkam (Department of Fuel and Mineral Engineering, IIT-ISM Dhanbad, Jharkhand 826004, India) ,  Gajbhiye Pratima (Gharda Institute of Technology, Lavel, Ratnagiri, 415708, India)
資料名： Fuel  (Fuel)
巻： 220  ページ： 826-836  発行年： 2018年 
JST資料番号： C0023A  ISSN： 0016-2361  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： 石油凝集は,石炭調製プラントから発生する廃棄尾鉱から微粉と超微粉炭粒子を回収する有望な技術である。本研究では,人工ニューラルネットワーク(ANN)と応答曲面法(RSM)を用いて,%灰除去率(%AR)と%可燃性物質回収率(%CMR)に関する石炭油凝集の挙動を予測した。固体濃度(SC),油用量(OD)および凝集時間(AT)のようなプロセス変数を変化させることによって,3つの層状Feed Forwardニューラルネットワークを開発した。廃棄大豆油を架橋液として用いた。移動関数として双曲線接線S字(tansig)との共役において,多層フォワード逆伝搬ニューラルネットワークのアプローチを用いた。ネットワークは,Levenberg-Marquardt(LM)アルゴリズムを用いて,よく訓練されている(学習)。開発したANNモデルの一般化における更なる改良のために,Bayes正則化技術を採用した。感度解析を,Garsonのアルゴリズム,ピアソン相関係数,および接続重量法を用いて実行した。ANNから予測された%CMR値は得られた実験値(R~20.9965)と良く一致し,RSM(R~20.9892)より予測値と観測値の間に良好な相関を示した。また,%ARに対して,ANNを用いて得られた相関(R~20.9965)はRSM(R~20.9956)より高いことが分かった。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： 回収率 ,  微粉体 ,  プロセス変数 ,  *凝集 ,  アルゴリズム ,  微粉炭 ,  感度解析 ,  石油 ,  ネットワーク ,  *応答曲面法 ,  大豆油 ,  *凝集処理 ,  *ニューラルネットワーク
準シソーラス用語： 除去率 ,  選炭所 , 【Automatic Indexing@JST】

著者キーワード (6件)： 油の凝集 ,  人工神経回路網 ,  応答曲面法 ,  Levenberg-Marquardtアルゴリズム ,  廃大豆油 ,  感度解析

分類 (3件)： 圧縮点火機関  (PB02030N) ,  火花点火機関  (PB02020C) ,  燃焼一般  (XE04010W)

タイトルに関連する用語 (6件)： 油 ,  凝集プロセス ,  予測 ,  人工神経回路網 ,  応答曲面法 ,  応用