文献

J-GLOBAL ID：202002251177388732   整理番号：20A0651214

特徴抽出とGMDHニューラルネットワークを用いた二相流計の構造改善【JST・京大機械翻訳】

Improving the structure of two-phase flow meter using feature extraction and GMDH neural network

著者 (3件)： Sattari Mohammad Amir (Kermanshah University of Technology, Electrical Engineering Department, Kermanshah, Iran) ,  Roshani Gholam Hossein (Kermanshah University of Technology, Electrical Engineering Department, Kermanshah, Iran) ,  Hanus Robert (Rzeszow University of Technology, Faculty of Electrical and Computer Engineering, Rzeszow, Poland)
資料名： Radiation Physics and Chemistry  (Radiation Physics and Chemistry)
巻： 171  ページ： Null  発行年： 2020年 
JST資料番号： D0627A  ISSN： 0969-806X  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： 二相流体における体積率と流動様式のタイプの決定は,石油,ガス,石油化学工業などの様々な産業における重要なパラメータである。本論文では,この重要なパラメータを区別するために,一つの137Cs源と一つのヨウ化ナトリウム(NaI)検出器からなる構造をシミュレートした。3つの一般的な流れ体制を含む。環状,層状および均一性を,5%~90%のボイド率でシミュレートした。シミュレーション構造は,モンテカルロN粒子Xバージョン(MCNP-X)コードによって実行して,特徴を抽出して,人工ニューラルネットワーク(ANN)においてそれらを使用するために必要なデータセットを提供した。検出器から受信された信号は,MCNPXコードにおける測定の不確実性のために,多くの変動を持っている。高周波雑音としての不確実性パラメータを考慮し,この雑音を除去するためにSavitzky-Golayフィルタを用いて,不確実性パラメータを改善することを試みた。時間領域における一次信号7特徴を雑音除去した後に抽出した。すべての抽出された特性を,データハンドリング(GMDH)ニューラルネットワークのグループ法の入力として考慮した。本研究では,2つの独立したGMDHニューラルネットワークを実行し,流れ領域を同定し,体積率を推定した。結果は,提案したモデルが100%の精度で流動様式のタイプを区別する能力を持ち,1.11未満の二乗平均平方根誤差で体積分率を決定することを示した。検出器の数を減らして,コストを減らして,システム簡素化と二相流計の精度を増加することは,本研究の重要な利点であった。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： ヨウ化ナトリウム ,  流れ分布 ,  不確実性 ,  簡素化 ,  *GMDH ,  セシウム137 ,  *ニューラルネットワーク ,  雑音 ,  モンテカルロ法 ,  石油 ,  *二相流 ,  雑音除去 ,  *特徴抽出

著者キーワード (5件)： 二相流 ,  ガンマ線減衰技術 ,  特徴抽出 ,  時間領域 ,  GMDH神経回路網

分類 (1件)： 線量計測・計測器  (AD08050Q)

タイトルに関連する用語 (4件)： 特徴抽出 ,  GMDH ,  ニューラルネットワーク ,  二相流