文献

J-GLOBAL ID：201902274904291606   整理番号：19A2386026

量子反復カオスに基づく渦探索アルゴリズムは,ボイラフライアッシュの炭素含有量を予測する。【JST・京大機械翻訳】

Prediction of Carbon Content in Boiler Fly Ash Based on Quantum and Iterative Chaos Vortex Search Algorithm

著者 (4件)： Li Xia (燕山大学電气工程学院,河北秦皇島066004;河北科技師范学院数学与信息科技学院,河北秦皇島066004) ,  Niu Peifeng (燕山大学電气工程学院,河北秦皇島,066004) ,  Liu Jianping (河北科技師范学院数学与信息科技学院,河北秦皇島,066004) ,  Li Guoqiang (燕山大学電气工程学院,河北秦皇島,066004)
資料名： Dongligongcheng Xuebao  (Dongligongcheng Xuebao)
巻： 39  号： 7  ページ： 531-540  発行年： 2019年 
JST資料番号： C2678A  ISSN： 1674-7607  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： ボイラのフライアッシュ炭素含有量予測モデルを正確に確立するために,Bloch球面座標符号化と反復カオス写像に基づく改良渦探索(I-VS)アルゴリズムを,最初に提案し,次に,I-VSアルゴリズム,渦探索(VS)アルゴリズム,粒子群最適化(PSO)アルゴリズム,および,PSOアルゴリズムなどのいくつかのアルゴリズムを提示した。正余弦(SCA)アルゴリズム,および,ハス群(SSA)アルゴリズムの性能を比較した。発電所の300MW循環流動層ボイラの現場運転データに基づき,I-VSアルゴリズムを採用して,並列パーセプトロンの極端学習機(PELM)を最適化し,そして,フライアッシュ炭素含有量の包括的予測モデル(すなわち,I-VS-PELMモデル)を得た。最後にI-VS-PELMモデルの予測結果をPELM,PSO-PELM,SCA-PELM,SSA-PELMおよびVS-PELMモデルの予測結果と比較した。結果は,他のモデルと比較して,I-VS-PELMモデルが,より高い予測精度とより良い一般化性能を持ち,ボイラのフライアッシュの炭素含有量をより正確に予測できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *カオス ,  パーセプトロン ,  発電所 ,  *ボイラ ,  学習 ,  最適化 ,  *フライアッシュ ,  予測モデル ,  *アルゴリズム ,  *予測
準シソーラス用語： 予測精度 ,  粒子群最適化 ,  カオス写像 ,  *炭素量 ,  *探索アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： ボイラ  (PB01020V)

タイトルに関連する用語 (7件)： 量子 ,  反復 ,  カオス ,  渦 ,  探索アルゴリズム ,  炭素含有量 ,  予測