文献

J-GLOBAL ID：202002243300595863   整理番号：20A2450320

人工知能技術を用いたレディッドコンクリートバッチプラントの生産性の評価【JST・京大機械翻訳】

Evaluation of the Productivity of Ready Mixed Concrete Batch Plant Using Artificial Intelligence Techniques

著者 (2件)： Almusawi Hussein T. (Civil Engineering Department, University of Baghdad, Baghdad, Iraq) ,  Burhan Abbas M. (Civil Engineering Department, University of Baghdad, Baghdad, Iraq)
資料名： IOP Conference Series: Materials Science and Engineering  (IOP Conference Series: Materials Science and Engineering)
巻： 901  号： 1  ページ： 012020 (10pp)  発行年： 2020年 
JST資料番号： W5559A  ISSN： 1757-8981  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： バッチプラントの生産性の正確な予測は,建設プロジェクトを制御および計画するための必須要素と考えられる。現場における建設装置の実際の生産性値は,名目のものと一致しなかった。したがって,影響要因に関する装置の名目上の生産性の包括的評価を行うことが必要であり,次に,実際の値に従ってそれらを再評価する必要がある。本研究は,実際の値による生産性を評価するために,準備された混合コンクリートバッチプラントの調査を含んだ。人工ニューラルネットワーク(ANN)とサポートベクターマシン(SVM)によって表現される人工知能技術を,多重線形回帰(MLR)によって表現して,実際の生産性をモデル化して,生産性のための予測モデルを作り出すためのツールとして使用した。精度測定の3つ,相関係数(R),平均絶対誤差(MAE)及び二乗平均平方根誤差(RMSE)を用いて,モデルを開発し,実際の生産性と予測生産性を比較した。研究者は,MLR,ANN,およびSVMの3つの数学モデルを開発し,準備された混合コンクリートバッチプラントの生産性を予測し,また,結果は,人工知能技術が従来の技術で計算したものより正確で,SVMモデルが訓練と検証データの両方でANNモデルより最良の一般化であることを示した。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： プラント ,  数学モデル ,  ニューラルネットワーク ,  相関係数 ,  *人工知能 ,  予測モデル ,  サポートベクトルマシン
準シソーラス用語： 建設プロジェクト ,  多重線形回帰 ,  平均絶対誤差 , 【Automatic Indexing@JST】

分類 (1件)： 土壌化学  (FB04040C)

タイトルに関連する用語 (2件)： 人工知能技術 ,  評価