文献

J-GLOBAL ID：202002241759852004   整理番号：20A2477559

モンテカルロシミュレーションを用いた深層学習を用いたプラントデータ駆動プロセスモデリングのための統合フレームワーク【JST・京大機械翻訳】

An integrated framework for plant data-driven process modeling using deep-learning with Monte-Carlo simulations

著者 (4件)： Hwangbo Soonho (Process and Systems Engineering Center (PROSYS), Department of Chemical and Biochemical Engineering, Technical University of Denmark, Building 229, 2800 Kgs., Lyngby, Denmark) ,  Hwangbo Soonho (Department of Chemical Engineering, Gyeongsang National University, 501, Jinju-daero, Jinju-si, Gyeongsangnam-do, South Korea) ,  Al Resul (Process and Systems Engineering Center (PROSYS), Department of Chemical and Biochemical Engineering, Technical University of Denmark, Building 229, 2800 Kgs., Lyngby, Denmark) ,  Sin Guerkan (Process and Systems Engineering Center (PROSYS), Department of Chemical and Biochemical Engineering, Technical University of Denmark, Building 229, 2800 Kgs., Lyngby, Denmark)
資料名： Computers & Chemical Engineering  (Computers & Chemical Engineering)
巻： 143  ページ： Null  発行年： 2020年 
JST資料番号： H0199C  ISSN： 0098-1354  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： 本研究は,プラント全体のプロセスの理解を助けるためのプロセスモデリングのための深層学習ベースおよびプラントデータ駆動フレームワークを開発することを目的とする。系統的フレームワークは次のステップから成る:ドメイン知識に基づくデータ処理,深層学習モデル開発,情報基準を用いたモデル選択,およびモンテカルロシミュレーションによるグローバル感度解析。プラント全体のプロセス理解をサポートするための最適深層学習モデルの品質の評価は,この枠組みの重要な強調である。提案した枠組みを,亜酸化窒素放出特性を予測するために,廃水処理プラントからの長期データを分析するために適用した。結果は,高度に好ましい交差検証統計(R2)を有する適合目的の深い学習モデルを系統的に効率的に開発するためのフレームワークの有望な可能性を示した。フレームワークは,非線形および複雑なプロセス現象を含む植物データに基づく多用途の深い学習モデルの開発を促進すると期待され,そこでは特に機構的モデルが利用できない。Copyright 2020 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： 学習モデル ,  プラント ,  感度解析 ,  *酸化二窒素 ,  データ処理 ,  廃水処理施設 ,  ドメイン知識
準シソーラス用語： *モンテカルロシミュレーション ,  モデル選択 ,  *データ駆動 ,  *プロセスモデリング ,  モデル開発 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層学習 ,  実規模プラントデータ ,  ドメイン知識 ,  プロセスモデリング ,  廃水処理プラント ,  亜酸化窒素放出

分類 (1件)： 化学プロセスの解析  (XC01030R)

タイトルに関連する用語 (6件)： モンテカルロシミュレーション ,  深層学習 ,  プラント ,  データ駆動 ,  プロセスモデリング ,  統合フレームワーク