文献

J-GLOBAL ID：202002211235550407   整理番号：20A0865550

非監視人工神経回路網を用いた発電所における石炭ベース資源からの温室効果ガス排出の予測【JST・京大機械翻訳】

Forecasting greenhouse gas emissions from coal-based resource in power plant using a nonsupervisory artificial neural network

著者 (6件)： Zanil Mohd Fauzi (Department of Chemical&Petroleum Engineering, Faculty of Engineering, Technology and Built Environment, UCSI University, 56000 Kuala Lumpur, Malaysia) ,  Lee Kiat Moon (Department of Chemical&Petroleum Engineering, Faculty of Engineering, Technology and Built Environment, UCSI University, 56000 Kuala Lumpur, Malaysia) ,  Ahmad Radin Diana R. (Built Environment and Climate Change Unit, Generation and Environment Department, TNB Research Sdn. Bhd., No.1, Lorong Ayer Itam, Kawasan Institusi Penyelidikan, 43000 Kajang, Selangor) ,  Zakaria Sazalina (Built Environment and Climate Change Unit, Generation and Environment Department, TNB Research Sdn. Bhd., No.1, Lorong Ayer Itam, Kawasan Institusi Penyelidikan, 43000 Kajang, Selangor) ,  Shah RES Raja Shazrin (Galaxy Tech Solutions Suite 2.3, Innovation Incubator Complex, University of Malaya, 50603 Kuala Lumpur) ,  Shah RES Raja Shazrin (Department of Chemical Engineering, Faculty of Engineering, University of Malaya, 50603 Kuala Lumpur)
資料名： IOP Conference Series: Earth and Environmental Science  (IOP Conference Series: Earth and Environmental Science)
巻： 463  号： 1  ページ： 012184 (6pp)  発行年： 2020年 
JST資料番号： W5558A  ISSN： 1755-1307  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： 機械学習は地球温暖化予測のためのゲーム交換器である。約75%の地球温暖化ガス(GHG)排出はエネルギー部門によって引き起こされ,これは地球温暖化コミュニティに対する主要な関心事を示している。本研究では,非監視機械学習技術を用いて,気候変動(IPCC)基準に関する政府間パネルに基づく正味発熱量に関連するGHG効果を予測した。本研究は,発電部門で使用される石炭の特性と,ガス放出としての最終分析(乾燥ベース;炭素, 水素, 酸素, 窒素, 硫黄とAsh)から得られたその化学排出物に焦点を当てた。データセットは,異なる起源とタイプからの石炭が約86.95~108.23kトンCO_2/TJの間のGHG放出範囲を示し,正味発熱量は19.77~27.17MJ/kg石炭であることを示した。一方,最終分析のために,炭素, 水素, 酸素, 窒素, 硫黄とAshの割合は,それぞれ[65.05-73.3],[1.46-5.49],[1.2-19.06],[0.3-1.20]と[4.82-15.96]の範囲にあった。本研究では,主成分分析を用いて訓練データセットをスクリーニングし,人工ニューラルネットワークからのフィードフォワード構造を用いて,訓練モデルが与えられた入力データに基づいてGHG排出係数を決定することを可能にした。年間2017データセットのネットワーク相対誤差を用いて,重量値を調整し,結果として,ネットワークは0.91678のr-平方を与え,その後,訓練ネットワークを,r-平方0.82191の精度で2018年のGHG排出予測のためにシミュレーションした。さらに,本研究はまた,GHS排出に対する石炭特性からの重要な影響であり,研究は石炭プラントの発電(消費重量当たり正味発熱量)とGHG値(k-tonne CO2/TJ)を同時に最大化する最適解を提案した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ゲーム ,  *石炭 ,  ネットワーク ,  *発電所 ,  水素 ,  炭素 ,  *発電 ,  *ニューラルネットワーク ,  フィードフォワード ,  主成分分析 ,  地球温暖化 ,  機械学習 ,  *温室効果ガス
準シソーラス用語： 発熱量 ,  最適解 , 【Automatic Indexing@JST】

分類 (2件)： 環境問題  (SA01020V) ,  エネルギー利用と環境との関係  (LE01000E)

タイトルに関連する用語 (6件)： 人工神経回路網 ,  発電所 ,  石炭 ,  資源 ,  温室効果ガス排出 ,  予測