文献

J-GLOBAL ID：202202259550479792   整理番号：22A0565833

三角形ラビリンス堰の流量係数予測におけるハイブリッドニューラルネットワークの応用【JST・京大機械翻訳】

Application of hybrid neural network in discharge coefficient prediction of triangular labyrinth weir

著者 (5件)： Wang Fei (College of Energy and Electrical Engineering, Hohai University, No. 8 Fochengxi Road, Nanjing, 211100, PR China) ,  Zheng Shengyi (College of Energy and Electrical Engineering, Hohai University, No. 8 Fochengxi Road, Nanjing, 211100, PR China) ,  Ren Yiming (College of Public Administration, Hohai University, No. 8 Fochengxi Road, Nanjing, 211100, PR China) ,  Liu Weidong (College of Energy and Electrical Engineering, Hohai University, No. 8 Fochengxi Road, Nanjing, 211100, PR China) ,  Wu Chao (College of Energy and Electrical Engineering, Hohai University, No. 8 Fochengxi Road, Nanjing, 211100, PR China)
資料名： Flow Measurement and Instrumentation  (Flow Measurement and Instrumentation)
巻： 83  ページ： Null  発行年： 2022年 
JST資料番号： T0986A  ISSN： 0955-5986  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： 流出係数(C_d)は三角形ラビリンス堰の重要なパラメータである。正確に流出係数を予測することは,非常に重要である。本研究では,C_dをより正確に予測するために,従来のBPニューラルネットワークの観点から,訓練過程で局所最小に陥ることが容易であり,遺伝的アルゴリズム(GA)と粒子群最適化(PSO)を採用して,従来のBPニューラルネットワークの初期重みと閾値を最適化した。また,非線形回帰分析(NLR)を,これらの知的方法と比較するために追加して,4つの排出係数予測モデル,すなわち,NLR,BPNN,GA-BPNNおよびPSO-BPNNを構築した。モデル構築の完了後,これらのモデルの性能を客観的に評価するため,これらのモデルの予測結果を実験結果と比較し,決定係数(R2),平均絶対誤差(MAE)および二乗平均平方根誤差(RMSE)を性能指標として導入し,モデル性能を定量化した。結果は,NLRの精度と安定性がインテリジェントモデルのものよりはるかに悪いことを示した。GA-BPNNとPSO-BPNNの予測結果はBPNNより高い決定係数で非常に正確である。さらに,GA-BPNNとPSO-BPNNのMAEとRMSEsはBPNNと比較してそれぞれ25と40%減少し,最大予測誤差は4.4%と2.6%であった。一方,GA-BPNNとPSO-BPNNの誤差不確実性バンドの幅はBPNNより狭かった。GA-BPNNとPSO-BPNNを,以前の文献における三角形ラビリンス堰の流出係数予測モデルと比較して,GA-BPNNとPSO-BPNNの平均絶対百分率誤差(MAPE)値は,それぞれ1.504%と1.225%であり,他の既存のモデルより低かった。同時に,他の性能指数は,ほとんどの既存のモデルより良く,遺伝的アルゴリズムとPSOアルゴリズムが,BPニューラルネットワークパラメータの調整において従来のBPアルゴリズムより効果的であり,グローバル最適値を見つけるのが容易で,モデルの予測精度と適応性を改善することを示した。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： アルゴリズム ,  最適化 ,  不確実性 ,  *ニューラルネットワーク ,  流出係数 ,  モデリング ,  モデル ,  遺伝的アルゴリズム ,  予測誤差 ,  予測モデル
準シソーラス用語： 粒子群最適化 ,  予測精度 ,  最適値 ,  決定係数 ,  非線形回帰分析 , 【Automatic Indexing@JST】

著者キーワード (5件)： 放電係数 ,  遺伝的アルゴリズム ,  粒子スウォームアルゴリズム ,  三角ラビリンス堰 ,  ニューラルネットワーク

分類 (1件)： 流体の実験・試験・測定方法及び装置  (BC01020K)

タイトルに関連する用語 (6件)： 三角形 ,  ラビリンス堰 ,  流量係数 ,  予測 ,  ニューラルネットワーク ,  応用