リカレントニューラルネットワークによる重合反応器内状態変化の長期予測 Long-Term Predictions using Recurrent Neural Networks for State Changes in Polymerization Reactors

この論文にアクセスする

この論文をさがす

著者

    • 黒田 千秋 KURODA Chiaki
    • 東京工業大学工学部化学工学専攻 Graduate School of Chemical Engineering, Tokyo Institute of Technology
    • 小川 浩平 OGAWA Kouhei
    • 東京工業大学工学部化学工学専攻 Graduate School of Chemical Engineering, Tokyo Institute of Technology

抄録

重合反応器内の状態変化を長期に渡って予測することを目的とし, ニューラルネットワーク (NN) を用いて行う方法について検討した.スチレン連続塊状重合プロセスにおける反応器出口温度の変化を予測対象とし, 階層型NNとリカレントNN (RNN) を用いた長期予測方法について, RNNの構造上の問題点を明らかにし, ネットワークの隠れ層による処理法に関する2種類の改良方法 (隠れユニットでの余分の処理を付加したH-RNNと, 階層型NNの隠れユニット計算機構をモジュールとして付加したM-RNN) を提案し, 各方法の予測性能を比較評価することができた.<BR>RNNの改良法を使用することにより, 階層型NNと比較して初期段階の予測および極値を持つ変化の予測の性能を改善することができた.特に, 初期段階の予測の精度を上げるために改良され, 階層型NNの隠れ層とRNNを融合した構造を持つM-RNNの予測性能は, 予測前半は勿論, 長期予測の全体に渡り満足できるものであった.

Long-term predicting methods using neural networks (NN) are discussed for state changes in polymerization reactors. The temperature at the outlet of a continuous bulk polystyrene polymerization reactor is the present target of predictions using a layered neural network and some recurrent neural networks (RNN). Some structural problems in a general RNN are indicated, and two improvements (H-RNN with additional processing in hidden layer units, M-RNN with an additional calculating module of a hidden layer in a layered NN) are proposed on data processing and arranging by hidden layer units in RNN. As to the above networks, each predictive performance can be comparatively evaluated using mean square error.<BR>The predictive performance of H-RNN and M-RNN is superior to that of a layered NN in the initial stage of predictions, or in the state change with maximum or minimum points. In particular, long-term predictive performance is widely satisfied by M-RNN where the combined structure of RNN with hidden units of layered NN is built to improve accuracy in initial stage of predictions.

収録刊行物

  • 化学工学論文集  

    化学工学論文集 24(2), 334-339, 1998-03-10 

    The Society of Chemical Engineers, Japan

参考文献:  9件

参考文献を見るにはログインが必要です。ユーザIDをお持ちでない方は新規登録してください。

各種コード

  • NII論文ID(NAID)
    10002835495
  • NII書誌ID(NCID)
    AN00037234
  • 本文言語コード
    JPN
  • 資料種別
    ART
  • ISSN
    0386216X
  • NDL 記事登録ID
    4424771
  • NDL 雑誌分類
    ZP5(科学技術--化学・化学工業--化学工学)
  • NDL 請求記号
    Z17-725
  • データ提供元
    CJP書誌  NDL  J-STAGE 
ページトップへ