文献

J-GLOBAL ID：202202258212478889   整理番号：22A0832509

都市固形廃棄物焼却プロセスのための改良された深い森林回帰に基づくダイオキシン排出予測【JST・京大機械翻訳】

Dioxin emission prediction based on improved deep forest regression for municipal solid waste incineration process

著者 (5件)： Xia Heng (Faculty of Information Technology, Beijing University of Technology, Beijing, 100124, China) ,  Xia Heng (Beijing Laboratory of Smart Environmental Protection, Beijing, 100124, China) ,  Tang Jian (Faculty of Information Technology, Beijing University of Technology, Beijing, 100124, China) ,  Tang Jian (Beijing Laboratory of Smart Environmental Protection, Beijing, 100124, China) ,  Aljerf Loai (Key Laboratory of Organic Industries, Department of Chemistry, Faculty of Sciences, Damascus University, Damascus, Syria)
資料名： Chemosphere  (Chemosphere)
巻： 294  ページ： Null  発行年： 2022年 
JST資料番号： E0843A  ISSN： 0045-6535  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： ダイオキシン(DXN)排出濃度は都市固形廃棄物焼却(MSWI)プロセスにおける重要な環境指標である。DXN放出の予測モデルを,運転最適化の実際の要求を実現するために,汚染制御に使用できる。したがって,改良深森林回帰(ImDFR)に基づくDXN放出濃度予測モデルを,本研究で提案した。アウトオブバッグ誤差に基づく特徴低減層を,最初に,冗長変数を除去して,MSWIプロセスの特性強化層へのDXN放出に関するすべての信頼情報を供給するために,ImDFRに導入した。深部アンサンブル積層モデルを次に構築し,ランダム森林,完全ランダム森林,GBDT,およびXGBoostを森林として用いて,深い特徴を描写し,多様性と精度を増加させた。最後に,DXN予測モデルの予測値を決定層で決定した。DXN排出予測モデルは,800トンの日常処理能力で運転した2つの焼却炉の実際の歴史的データを用いて検証した。実験結果は,提案した予測モデルが最先端のモデルより高い精度とより良い一般化能力を提示することを示した。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： 最適化 ,  冗長性 ,  *森林 ,  汚染防止 ,  焼却 ,  焼却炉 ,  スループット ,  指標 ,  予測モデル
準シソーラス用語： *MSW【都市ごみ】 ,  環境指標 ,  ランダムフォレスト ,  予測値 , 【Automatic Indexing@JST】

著者キーワード (5件)： 都市固形廃棄物焼却 ,  ダイオキシン放出濃度 ,  深い森林回帰 ,  特徴選択 ,  アンサンブル学習

分類 (1件)： その他の汚染原因物質  (SB05040W)

タイトルに関連する用語 (6件)： 都市固形廃棄物 ,  焼却 ,  プロセス ,  森林 ,  ダイオキシン ,  予測