• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Materials >Estimation of Coal’s Sorption Parameters Using Artificial Neural Networks
【2h】

Estimation of Coal’s Sorption Parameters Using Artificial Neural Networks

机译：人工神经网络估算煤炭吸附参数

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This article presents research results into the application of an artificial neural network (ANN) to determine coal’s sorption parameters, such as the maximal sorption capacity and effective diffusion coefficient. Determining these parameters is currently time-consuming, and requires specialized and expensive equipment. The work was conducted with the use of feed-forward back-propagation networks (FNNs); it was aimed at estimating the values of the aforementioned parameters from information obtained through technical and densitometric analyses, as well as knowledge of the petrographic composition of the examined coal samples. Analyses showed significant compatibility between the values of the analyzed sorption parameters obtained with regressive neural models and the values of parameters determined with the gravimetric method using a sorption analyzer (prediction error for the best match was 6.1% and 0.2% for the effective diffusion coefficient and maximal sorption capacity, respectively). The established determination coefficients (0.982, 0.999) and the values of standard deviation ratios (below 0.1 in each case) confirmed very high prediction capacities of the adopted neural models. The research showed the great potential of the proposed method to describe the sorption properties of coal as a material that is a natural sorbent for methane and carbon dioxide.
机译：本文将研究结果提出了人工神经网络（ANN）的应用，以确定煤的吸附参数，例如最大吸附能力和有效的扩散系数。确定这些参数目前是耗时的，需要专业和昂贵的设备。使用前馈回传播网络（FNNS）进行该工作;旨在估计通过技术和密度测定分析获得的信息的上述参数的值，以及所检查的煤样的岩图像组合物的知识。分析表明，使用回归神经模型获得的分析的吸附参数的值与使用吸附分析仪（最佳匹配的预测误差为6.1％和0.2％，与重量法测定的分析吸附参数的值之间的显着相容性。有效扩散系数的预测方法为6.1％和0.2％。最大吸附能力分别）。所建立的确定系数（0.982,0.999）和标准偏差比的值（每种情况下0.1以下）证实了采用的神经模型的非常高的预测能力。该研究表明，描述煤的吸附性能作为甲烷和二氧化碳的天然吸附剂的材料的方法的巨大潜力。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号