文献

J-GLOBAL ID：201902222075980318   整理番号：19A0021859

フェンスモニタリングデータを用いた化学漏れの源追跡のためのディープニューラルネットワークとランダムフォレスト分類器【JST・京大機械翻訳】

Deep neural network and random forest classifier for source tracking of chemical leaks using fence monitoring data

著者 (4件)： Cho Jaehoon (Department of Chemical Engineering, Myongji University, Yongin, Gyeonggido 17058, Republic of Korea) ,  Kim Hyunseung (Department of Chemical Engineering, Myongji University, Yongin, Gyeonggido 17058, Republic of Korea) ,  Gebreselassie Addis Lulu (Department of Chemical Engineering, Myongji University, Yongin, Gyeonggido 17058, Republic of Korea) ,  Shin Dongil (Department of Chemical Engineering, Myongji University, Yongin, Gyeonggido 17058, Republic of Korea)
資料名： Journal of Loss Prevention in the Process Industries  (Journal of Loss Prevention in the Process Industries)
巻： 56  ページ： 548-558  発行年： 2018年 
JST資料番号： T0434A  ISSN： 0950-4230  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： 化学プラント漏れ事故は,二次および三次主要災害を拡大できる主要な産業事故の一つとして分類されている。軌道を保ち,発生源位置を診断し,二次および三次損傷を軽減するために,プラント管理者および緊急応答者を迅速に通知することは非常に重要であり,緊急応答の有効性を改善する。本研究では,センサデータを監視することにより,化学プラントの漏れ事故に対処できる緊急応答システムを提案し,機械学習を用いて疑われる漏れ源を追跡する。すなわち,Deep学習とランダムフォレスト分類器である。また,十分な化学漏れ事故シナリオデータを得ることは困難であり,高いリスクとコスト因子により,実際のプラントでの実際の漏れ実験を行うことは困難である。結果として,計算流体力学(CFD)シミュレーションを用いて,化学漏れ事故シナリオに対するフェンス監視データを導出した。これらのデータは,漏洩源位置を予測するために機械学習モデルを訓練することである。6つの時系列深さニューラルネットワーク(DNN)構造と3つのランダムフォレスト(RF)構造を,実際の化学プラントの640の漏れ事故シナリオに対するCFD分散シミュレーション結果を用いて訓練し,訓練と試験データセットとして分割した。結果として,25の隠れ層を用いたDNNモデルと100のディシジョンツリーを用いたRFモデルにおいて,それぞれ75.43%と86.33%の予測精度が達成され,40の潜在的漏れ源位置から最も可能性のある漏れ源を分類した。誤って分類される予測された漏れ源位置を分析して,それらの予測された漏れ源は実際の漏れ位置に非常に隣接しており,誤分類とはほとんど呼ばれていない。化学漏れ追跡のためのDNNとRF分類器の超高性能を考慮すると,提案した方法は化学的緊急管理に非常に有用であり,化学漏れ源のリアルタイム診断のために非常に推奨される。Copyright 2019 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： 機械学習 ,  プラント ,  シミュレーション ,  *ネットワーク ,  学習 ,  診断 ,  *ニューラルネットワーク ,  ディシジョンツリー ,  有効性 ,  化学プラント ,  緊急対策
準シソーラス用語： 予測精度 ,  隠れ層 ,  *ランダムフォレスト ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 化学事故 ,  ケミカルリリース ,  漏れ源追跡 ,  深層学習ネットワーク ,  ランダムフォレスト ,  人工知能

分類 (2件)： 気体燃料の輸送,供給,貯蔵  (YE02060M) ,  安全管理  (KB06000D)

タイトルに関連する用語 (5件)： 化学 ,  追跡 ,  ディープニューラルネットワーク ,  ランダムフォレスト ,  分類器