文献

J-GLOBAL ID：202202273413360349   整理番号：22A0449948

長方形シート状膜の透過流束(%)を予測するための修正粒子群最適化と結合したデータハンドリングアルゴリズムの多項式ニューラルネットワークベースグループ法【JST・京大機械翻訳】

Polynomial neural network-based group method of data handling algorithm coupled with modified particle swarm optimization to predict permeate flux (%) of rectangular sheet-shaped membrane

著者 (4件)： Banik Anirban (Department of Civil Engineering, National Institute of Technology Agartala, Jirania, Tripura, India) ,  Majumder Mrinmoy (Department of Civil Engineering, National Institute of Technology Agartala, Jirania, Tripura, India) ,  Biswal Sushant Kumar (Department of Civil Engineering, National Institute of Technology Agartala, Jirania, Tripura, India) ,  Bandyopadhyay Tarun Kanti (Department of Chemical Engineering, National Institute of Technology Agartala, Jirania, Tripura, India)
資料名： Chemical Papers  (Chemical Papers)
巻： 76  号： 1  ページ： 79-97  発行年： 2022年 
JST資料番号： A0475B  ISSN： 0366-6352  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： 本論文は,長方形のシート状膜の透過流束を予測するために,修正粒子群最適化(PSO)アルゴリズムと結合したデータ処理の多項式ニューラルネットワークベースのグループ方法の新規アプローチを論じた。この点に関して,透過流束はモデル出力であると考えられ,一方,運転圧力,細孔径,および供給速度をモデル入力として考慮した。データ処理(GMDH)モデルの多項式ニューラルネットワーク(PNN)ベースのグループ方法は,人工ニューラルネットワーク(ANN),多重線形回帰分析(MLR),および適応ニューロファジー推論システム(ANFIS)のような他の方法より高い0.723の性能指数(PI)値を有することが報告されている。本研究では,3つの典型的な数学的試験関数を用いて,修正PSOの性能を評価した。調査結果は,改良PSOアルゴリズムがより良い全体的探索能力,計算速度,および安定性を示すことを示した。プロセス最適化は,運転圧力,細孔径,および供給速度(それぞれ,543.69Pa,1.40μm,および0.179m/s)の最適操作条件をもたらした。感度解析は,細孔径が最も重要なパラメータであることを確立した。Copyright Institute of Chemistry, Slovak Academy of Sciences 2021 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 ,  *多項式 ,  感度解析 ,  *ニューラルネットワーク ,  性能指数 ,  計算機処理速度 ,  データ処理 ,  GMDH ,  細孔径 ,  *透過流束 ,  ファジィニューラルネットワーク
準シソーラス用語： *粒子群最適化 ,  プロセス最適化 ,  供給速度 ,  多重線形回帰 , 【Automatic Indexing@JST】

著者キーワード (6件)： 人工ニューラルネットワーク ,  適応ニューロファジィ推論システム ,  データ処理のグループ法 ,  修正粒子群最適化 ,  膜 ,  多重線形回帰解析

分類 (3件)： 脳・神経系モデル  (EL02050C) ,  膜分離  (XD02120Z) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 長方形 ,  透過流束 ,  予測 ,  粒子群最適化 ,  多項式