文献

J-GLOBAL ID：202002272354253617   整理番号：20A2448858

プラズマ発光分光法と教師つき機械学習による微量メタンレベルの検出【JST・京大機械翻訳】

Detecting trace methane levels with plasma optical emission spectroscopy and supervised machine learning

著者 (4件)： Vincent Jordan (Faculty of Computing, Engineering, and the Built Environment, University of Ulster, Shore Rd, Newtownabbey, BT370QB, Northern Ireland, United Kingdom) ,  Wang Hui (Faculty of Computing, Engineering, and the Built Environment, University of Ulster, Shore Rd, Newtownabbey, BT370QB, Northern Ireland, United Kingdom) ,  Nibouche Omar (Faculty of Computing, Engineering, and the Built Environment, University of Ulster, Shore Rd, Newtownabbey, BT370QB, Northern Ireland, United Kingdom) ,  Maguire Paul (Faculty of Computing, Engineering, and the Built Environment, University of Ulster, Shore Rd, Newtownabbey, BT370QB, Northern Ireland, United Kingdom)
資料名： Plasma Sources Science and Technology  (Plasma Sources Science and Technology)
巻： 29  号： 8  ページ： 085018 (10pp)  発行年： 2020年 
JST資料番号： W0479A  ISSN： 0963-0252  CODEN： PSTEEU  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： 低温大気圧マイクロプラズマからの光発光スペクトルに基づく新しい検出スキームを用いて,数百万の範囲の部分における微量メタン検出を報告した。これらの明るい低コストプラズマ源を非平衡条件下で操作し,微量の添加ガスに対して複雑で多様な感度を有するスペクトルを生成した。部分最小二乗判別分析に基づくデータ駆動機械学習法をHe中で100ppmまでのCH_4濃度に対して実装し,2ppm以上の閾値以上の試料の2成分分類を提供した。低解像度分光計とカスタムスペクトルアラインメント手順により,98%の予測精度を達成し,他の禁止的に複雑なスペクトル解析による機械学習のパワーを実証した。本研究は,現場展開と自律遠隔監視のための可能性による低コストと高分解能トレースガス検出のための原理の証明を確立した。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： *プラズマ ,  低温 ,  発光スペクトル ,  ヘリウム ,  非平衡状態 ,  スペクトル解析 ,  プラズマ源 ,  スペクトル ,  分光計 ,  判別分析 ,  高分解能 ,  大気微量成分 ,  *機械学習 ,  部分最小二乗法
準シソーラス用語： 予測精度 , 【Automatic Indexing@JST】

分類 (2件)： プラズマ応用  (BJ02110K) ,  プラズマ装置  (BJ02082I)

タイトルに関連する用語 (5件)： プラズマ ,  発光分光法 ,  教師 ,  機械学習 ,  メタン