文献

J-GLOBAL ID：201902269223834379   整理番号：19A1575204

NF/RO膜濾過中の汚損成長とフラックス低下をモデル化するためのディープニューラルネットワーク【JST・京大機械翻訳】

Deep neural networks for modeling fouling growth and flux decline during NF/RO membrane filtration

著者 (6件)： Park Sanghun (School of Urban Environmental Engineering, Ulsan National Institute of Science and Technology, UNIST-gil 50, Ulsan, 44919, Republic of Korea) ,  Baek Sang-Soo (School of Urban Environmental Engineering, Ulsan National Institute of Science and Technology, UNIST-gil 50, Ulsan, 44919, Republic of Korea) ,  Pyo JongCheol (School of Urban Environmental Engineering, Ulsan National Institute of Science and Technology, UNIST-gil 50, Ulsan, 44919, Republic of Korea) ,  Pachepsky Yakov (Environmental Microbial and Food Safety Laboratory, USDA-ARS, Beltsville, MD, USA) ,  Park Jongkwan (School of Urban Environmental Engineering, Ulsan National Institute of Science and Technology, UNIST-gil 50, Ulsan, 44919, Republic of Korea) ,  Cho Kyung Hwa (School of Urban Environmental Engineering, Ulsan National Institute of Science and Technology, UNIST-gil 50, Ulsan, 44919, Republic of Korea)
資料名： Journal of Membrane Science  (Journal of Membrane Science)
巻： 587  ページ： Null  発行年： 2019年 
JST資料番号： E0669A  ISSN： 0376-7388  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： 膜ファウリング機構のより良い理解を得るために数学モデルを開発した。しかし,これらのモデルは,膜濾過システムにおける供給水質と流れパターンに関連する多数の適合パラメータのため,膜ファウリング挙動を正確にシミュレートすることができなかった。本研究では,光コヒーレンストモグラフィー(OCT)からのin situファウリング画像データを用いて,ナノろ過(NF)および逆浸透(RO)濾過中の膜ファウリングをモデル化するための深いニューラルネットワーク(DNN)を開発した。DNNモデルの性能を既存の数学モデルと比較した。全体で,13708の高分解能汚損層画像を用いてDNNモデルを開発し,モデル性能を検証した。DNNモデルを,有機ファウリング成長とフラックス低下の両方をシミュレートするために訓練し,それは有機ファウリング成長の二次元または三次元画像を再現した。DNNモデルは既存の数学モデルより良好な予測性能を示した。これは,フラックス低下シミュレーションに対して,ファウリング成長シミュレーションに対しては,0.99のR2値と2.82μmのRMSEを達成し,0.30Lm~-2h~(-1)のRMSEとRMSEのR2値を達成した。したがって,データ駆動アプローチは,高圧濾過下での膜ファウリングとフラックス低下プロセスをモデル化する代替法である。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： シミュレーション ,  逆浸透 ,  *モデル ,  数学モデル ,  画像 ,  *ニューラルネットワーク ,  流れ分布 ,  *逆浸透膜 ,  二次元 ,  *モデリング ,  ナノ濾過 ,  水質
準シソーラス用語： ファウリング ,  膜ファウリング ,  *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 (4件)： 膜ファウリング ,  ディープニューラルネットワーク ,  汚染評価 ,  逆浸透

分類 (1件)： 膜分離  (XD02120Z)

タイトルに関連する用語 (7件)： RO膜 ,  濾過 ,  汚損 ,  成長 ,  フラックス ,  モデル化 ,  ディープニューラルネットワーク