文献

J-GLOBAL ID：202002282010967370   整理番号：20A2729636

プロパン垂直ジェット火災に対する予測モデル開発のための実験と組み合わせた深層学習ニューラルネットワークの解析【JST・京大機械翻訳】

Analysis of deep learning neural network combined with experiments to develop predictive models for a propane vertical jet fire

著者 (3件)： Mashhadimoslem Hossein (School of Chemical, Petroleum and Gas Engineering, Iran University of Science and Technology, Tehran, 72810, Iran) ,  Ghaemi Ahad (School of Chemical, Petroleum and Gas Engineering, Iran University of Science and Technology, Tehran, 72810, Iran) ,  Palacios Adriana (Department of Chemical, Food and Environmental Engineering, Fundacion Universidad de las Americas, Puebla, 72810, Mexico)
資料名： Heliyon  (Heliyon)
巻： 6  号： 11  ページ： Null  発行年： 2020年 
JST資料番号： W3098A  ISSN： 2405-8440  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： 火災は,プロセス産業における壊滅的事象を引き起こす重要な責任要因であり,その帰結は,通常ドミノ効果を開始する。人工ニューラルネットワークは,リスク解析分野におけるプロセスをシミュレートするための迅速な方法の1つであることが示されている。本研究では,800K等温線によって定義されるジェット火災形状比に関する実験データ点をANN開発に適用した。これらの噴流火炎の質量流量とノズル直径を入力データセットとして考慮した。一方,ジェット火炎長さと幅をANNモデルによって出力データセットとして集めた。Bayes正則化アルゴリズムを多層パーセプトロンアルゴリズムからの三層逆伝搬訓練として選択した。次に,単一隠れ層に基づく動径基底関数アルゴリズムと比較した。MLPアルゴリズムの第一および第二隠れ層におけるニューロンの最適数,およびRBFアルゴリズムの単一隠れ層は,それぞれ20および15であった。MLPとRBFネットワークの最良のMSE検証性能は,それぞれ100と20の時点で0.00286と0.00426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： アルゴリズム ,  計算機シミュレーション ,  ニューロン ,  火炎長さ ,  *ニューラルネットワーク ,  リスク分析 ,  正則化 ,  多層パーセプトロン ,  動径基底関数 ,  動径基底関数ネットワーク ,  *予測モデル ,  質量流量 ,  アルカン
準シソーラス用語： 隠れ層 ,  噴流火炎 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (14件)： 化学工学 ,  エネルギー ,  石油工学 ,  安全工学 ,  熱力学 ,  計算数学 ,  人工ニューラルネットワーク ,  環境災害 ,  ジェット火災 ,  プロパン ,  シミュレーション ,  ANN ,  MLP ,  RBF

分類 (3件)： 火災  (RA02020B) ,  ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

物質索引 (1件)： プロパン

タイトルに関連する用語 (10件)： プロパン ,  垂直 ,  ジェット ,  火災 ,  予測モデル ,  開発 ,  実験 ,  深層学習 ,  ニューラルネットワーク ,  解析