文献

J-GLOBAL ID：202202250525708401   整理番号：22A0453776

水処理プラントの凝固プロセスを支援するための効率的なニューラルネットワークモデル【JST・京大機械翻訳】

An efficient neural network model for aiding the coagulation process of water treatment plants

著者 (2件)： Jayaweera Chamanthi Denisha (School of Chemical Engineering, Engineering Campus, Universiti Sains Malaysia, Seri Ampangan, Nibong Tebal, Seberang Perai Selatan, Penang, Malaysia) ,  Aziz Norashid (School of Chemical Engineering, Engineering Campus, Universiti Sains Malaysia, Seri Ampangan, Nibong Tebal, Seberang Perai Selatan, Penang, Malaysia)
資料名： Environment, Development and Sustainability  (Environment, Development and Sustainability)
巻： 24  号： 1  ページ： 1069-1085  発行年： 2022年 
JST資料番号： W1365A  ISSN： 1387-585X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 水処理施設では,必要な凝集剤投与量を決定するためにジャー試験を実施するための決定は,処理水の濁度や色などの処理水質の顕著な変化に基づいて行われ,これは本質的に水質の変化に対する反応応答である。さらに,オペレータが「有意なするにつれて,プラントは,時間延長期間に対してジャーテストを用いて以前に決定した同じ用量を使用する傾向がある。本研究では,人工神経ネットワーク(ANN)モデルを開発し,原水パラメータの変化に基づく凝集剤投与量を積極的に決定する。ANNの使用はまた,ジャー試験に用いる高価な化学物質の規則的な使用を防ぎ,水質の突然の変化に応答する。一般的回帰ニューラルネットワーク(GRNN)と極端学習機械ニューラルネットワークは,それらが最小モデルパラメータを含み,それらの訓練アルゴリズムが反復しないので,モデル開発のために最小の計算努力を必要とする。本研究では,凝固プロセスを支援するための2つのより便利で効率的なモデルを決定した。GRNNとELM-RBFモデルは,それぞれ0.9737と0.9783のR値で試験データを予測した。GRNNは過剰適合しやすく,ELM-RBFモデルはGRNNよりも高い一般化能力を示した。したがって,ELM-RBFモデルは凝集剤投与量の予測のためのより適切なモデルであった。Copyright The Author(s), under exclusive licence to Springer Nature B.V. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *凝固 ,  水質 ,  オペレータ ,  *ネットワーク ,  プラント ,  *ニューラルネットワーク ,  学習機械 ,  凝集剤 ,  原水 ,  *水処理 ,  *水処理施設 ,  混濁度 ,  学習アルゴリズム
準シソーラス用語： *神経回路網モデル ,  モデルパラメータ , 【Automatic Indexing@JST】

著者キーワード (4件)： 一般的回帰ニューラルネットワーク ,  極限学習機械 ,  凝固 ,  水処理

分類 (1件)： 環境問題  (SA01020V)

タイトルに関連する用語 (5件)： 水処理プラント ,  凝固 ,  プロセス ,  支援 ,  ニューラルネットワークモデル