文献

J-GLOBAL ID：202102250591682003   整理番号：21A2386610

運転パラメータからのBOS原子炉性能の機械学習ベース予測【JST・京大機械翻訳】

Machine Learning-Based Prediction of a BOS Reactor Performance from Operating Parameters

著者 (4件)： Rahnama Alireza (AI-GARISMO, 1 Sandover House, 124 Spa Road, London SE16 3FD, UK) ,  Li Zushu (WMG, The University of Warwick, Gibbet Hill Road, Coventry CV4 7AL, UK) ,  Sridhar Seetharaman (AI-GARISMO, 1 Sandover House, 124 Spa Road, London SE16 3FD, UK) ,  Sridhar Seetharaman (George S. Ansell Department of Metallurgical and Materials Engineering, Colorado School of Mines, Golden, CO 80401, USA)
資料名： Processes (Web)  (Processes (Web))
巻： 8  号： 3  ページ： 371  発行年： 2020年 
JST資料番号： U7264A  ISSN： 2227-9717  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 機械学習ベースの解析を,基本的酸素製鋼(BOS)パイロットプラントから得たプロセスデータに適用した。第一の目的は,脱炭率(dc/dt)として定義される操作パラメータと反応器性能の間の相関を同定することであった。相関分析は,脱炭速度(dc/dt)と全酸素流量との間に強い正の相関を示した。一方,脱炭率はランス高さと負の相関を示した。明らかに,脱炭率は,廃ガス中の廃ガスとCO_2含有量の温度と正相関を示した。第2の目的は,パイロットプラントデータセットを訓練し,脱炭率を予測するためにニューラルネットワークベースの回帰を開発することであった。これを用いて,ランス高さと全酸素流量に基づく実際の製造工場におけるBOS炉における脱炭率を予測した。性能は0.98の決定係数で満足し,訓練されたモデルがBOS反応器内の脱炭速度(dc/dt)の変化を適切に予測することができることを確認した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *原子炉 ,  排ガス ,  製鋼 ,  脱炭 ,  ニューラルネットワーク ,  反応器 ,  人工知能 ,  パイロットプラント ,  順相 ,  *機械学習
準シソーラス用語： 相関分析 ,  *運転パラメータ ,  決定係数 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  人工知能 ,  ニューラルネットワーク ,  BOS原子炉 ,  製鋼

分類 (2件)： ガス化,ガス化プラント  (YE02040Q) ,  製鋼  (WD01060A)

引用文献 (26件)：

• Ogawa, Y.; Yano, M.; Kitamura, S.; Hirata, H. Development of the continuous dephosphorization and decarburization process using BOF. Steel Res. Int. 2003, 74, 70-76.
• Millman, M.S.; Kapilashrami, A.; Bramming, M.; Malmberg, D. IMPHOS-Improving Phosphorus Refining; European Commission, Research Fund for Coal and Steel: Luxembourg, 2011; ISSN 1831-9424.
• Jung, I.H.; Hudon, P.; Van Ende, M.A.; Kim, W.Y. Thermodynamic database for P2O5-containing slags and its application to the dephosphorization process. In Proceedings of the Iron & Steel Technology Conference, Indianapolis, IN, USA, 5-8 May 2014; Volume 1, pp. 1257-1268.
• Rout, B.; Brooks, G.; Rhamdhani, M.A.; Li, Z.; Schrama, F.N.; Sun, J. Dynamic model of basic oxygen steelmaking process based on multi-zone reaction kinetics: Model derivation and validation. Metall. Mater. Trans. B 2018, 49, 537-557.
• Ersson, M.; Hoglund, L.; Tilliander, A. Dynamic coupling of computational fluid dynamics and thermodynamics software: Applied on a top blown converter. ISIJ Int. 2008, 48, 147-153.

タイトルに関連する用語 (4件)： パラメータ ,  原子炉 ,  機械学習 ,  予測