文献
J-GLOBAL ID:202202237297297983   整理番号:22A0472896

機械学習技術による垂直環状流路内の沸騰流における流れ領域の同定【JST・京大機械翻訳】

Identification of flow regimes in boiling flows in a vertical annulus channel with machine learning techniques
著者 (4件):
資料名:
巻: 185  ページ: Null  発行年: 2022年 
JST資料番号: C0390A  ISSN: 0017-9310  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
入力データとして伝導率プローブ信号を用いて,垂直環状チャネルにおける沸騰流の流動様式を同定するために,機械学習技術を適用した。本研究で用いた沸騰データセットは,198.7-907.2kPaのシステム圧力,68-285kW/m2の熱流束,3.8-11.4°Cの入口サブクール,642.6-2465.1kg/m2sの質量流束,0.01-2.83m/sの面積平均ガス空塔速度,および0.68-2.69m/sの面積平均液体空塔速度である。局所および大域的流れ領域を同定するための教師なし自己組織化マップ(SOM)を用いる2段階アプローチを提案した。気泡継続時間の累積分布関数(CDF)をSOMの入力として用いた。大域的領域を形成する局所流れ様式の組み合わせを広範囲に解析した。加熱された内壁と局所過冷却の影響を考察する,大域的流動様式の半径方向プロファイルを研究した。さらに,教師つきサポートベクトルマシン(SVM)とK最近傍(KNN)アルゴリズムを,流れ領域分類のための伝導率プローブ信号から抽出した特徴を用いて訓練し,SOMによって同定された大域的流れ様式を基準とした。気泡継続時間の4つの統計的特徴から最初に構成される2組の特徴を生成し,2番目は流れにおける集団的気泡挙動を記述する6つの流れ特性から成る。SOMが参照として,流れ特徴データセットが入力データとして特定された大域的流れ領域を用いて,訓練されたモデルは流れ領域を90%以上の精度で分類できる。Copyright 2022 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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
相変化を伴う熱伝達 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る