論文の概要: Extreme learning machine-based model for Solubility estimation of
hydrocarbon gases in electrolyte solutions
- arxiv url: http://arxiv.org/abs/2009.03983v1
- Date: Tue, 31 Dec 2019 19:23:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-16 21:01:12.284341
- Title: Extreme learning machine-based model for Solubility estimation of
hydrocarbon gases in electrolyte solutions
- Title（参考訳）: 極端学習マシンによる電解質溶液中の炭化水素ガスの溶解度推定モデル
- Authors: Narjes Nabipour, Amir Mosavi, Alireza Baghban, Shahaboddin
Shamshirband, Imre Felde
- Abstract要約: メタン, エタン, プロパン, ブタンなどの炭化水素ガスに対して, 新しい溶解度推定ツールが提案されている。
ELM出力と1175の溶解点を持つ総合的な実データバンクを比較すると、R2乗値は0.985と0.987である。
- 参考スコア（独自算出の注目度）: 1.1988695717766686
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Calculating hydrocarbon components solubility of natural gases is known as
one of the important issues for operational works in petroleum and chemical
engineering. In this work, a novel solubility estimation tool has been proposed
for hydrocarbon gases including methane, ethane, propane, and butane in aqueous
electrolyte solutions based on extreme learning machine (ELM) algorithm.
Comparing the ELM outputs with a comprehensive real databank which has 1175
solubility points concluded to R-squared values of 0.985 and 0.987 for training
and testing phases respectively. Furthermore, the visual comparison of
estimated and actual hydrocarbon solubility led to confirm the ability of the
proposed solubility model. Additionally, sensitivity analysis has been employed
on the input variables of the model to identify their impacts on hydrocarbon
solubility. Such a comprehensive and reliable study can help engineers and
scientists to successfully determine the important thermodynamic properties
which are key factors in optimizing and designing different industrial units
such as refineries and petrochemical plants.
- Abstract（参考訳）: 天然ガスの炭化水素成分の溶解度を計算することは、石油と化学工学の運用において重要な問題の一つである。
本研究では, メタン, エタン, プロパン, ブタンなどの炭化水素ガスに対して, 極端学習機械(ELM)アルゴリズムに基づく電解質水溶液中での新しい溶解度推定法を提案する。
ELM出力と1175の可溶性点を有する総合実データバンクを比較して、それぞれ訓練相と試験相のR二乗値0.985と0.987とを結論付ける。
さらに, 推定および実際の炭化水素溶解度を視覚的に比較した結果, 提案した溶解度モデルの有効性が確認された。
さらに, モデル入力変数に感度解析を適用し, 炭化水素溶解度への影響を同定した。
このような包括的で信頼性の高い研究は、製油所や石油化学プラントなどの異なる産業単位を最適化し設計する上で重要な要素である重要な熱力学特性をエンジニアや科学者が決定するのに役立つ。
関連論文リスト
- Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。
この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。
従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
論文 参考訳（メタデータ） (2024-08-27T15:03:20Z) - Hessian QM9: A quantum chemistry database of molecular Hessians in implicit solvents [0.31457219084519]
ヘシアン QM9 は平衡配置と数値ヘシアン行列の最初のデータベースである。
MLIPの損失関数にポテンシャルエネルギー表面の第2の導関数を組み込むことにより,全溶媒環境における振動周波数の予測が大幅に向上することを示す。
論文 参考訳（メタデータ） (2024-08-15T08:16:11Z) - Turning hazardous volatile matter compounds into fuel by catalytic steam
reforming: An evolutionary machine learning approach [2.1026063307327045]
本研究は,揮発性物質化合物の触媒水蒸気改質をモデル化し,理解し,最適化するための機械学習に基づく研究フレームワークを初めて開発したものである。
トルエン触媒水蒸気改質は, 化学・音場解析を用いて機械学習モデルの入力特性を得る方法を示すケーススタディとして用いられる。
論文 参考訳（メタデータ） (2023-07-25T16:29:07Z) - Accurate melting point prediction through autonomous physics-informed
learning [52.217497897835344]
NPTアンサンブルにおける共存シミュレーションから自律的に学習することで融点を計算するアルゴリズムを提案する。
固液共存進化の物理モデルを統合することで、アルゴリズムの精度が向上し、最適な意思決定が可能になることを実証する。
論文 参考訳（メタデータ） (2023-06-23T07:53:09Z) - Machine Guided Discovery of Novel Carbon Capture Solvents [48.7576911714538]
機械学習は、材料開発における時間とリソースの負担を軽減するための有望な方法を提供する。
そこで我々は, 市販の酸性ガススクラップ式炭素捕捉装置に適合する新規な水性アミンを, エンドツーエンドで発見する「発見サイクル」を開発した。
予測プロセスは、材料パラメータの両方の実験に対して60%の精度を示し、外部テストセット上では1つのパラメータに対して80%の精度を示す。
論文 参考訳（メタデータ） (2023-03-24T18:32:38Z) - Prediction of liquid fuel properties using machine learning models with
Gaussian processes and probabilistic conditional generative learning [56.67751936864119]
本研究の目的は、代替燃料の物理的特性を予測するためのクロージャ方程式として機能する、安価で計算可能な機械学習モデルを構築することである。
これらのモデルは、MDシミュレーションのデータベースや、データ融合-忠実性アプローチによる実験的な測定を用いて訓練することができる。
その結果,MLモデルでは,広範囲の圧力および温度条件の燃料特性を正確に予測できることがわかった。
論文 参考訳（メタデータ） (2021-10-18T14:43:50Z) - MLIMC: Machine learning-based implicit-solvent Monte Carlo [1.8284033205909684]
機械学習に基づく暗黙解法モンテカルロ法(MLIMC)を開発した。
具体的には、MLIMC法では、高速かつ正確なPBベースの機械学習スキームを使用して、各ステップで静電溶解自由エネルギーを計算する。
論文 参考訳（メタデータ） (2021-09-24T17:47:07Z) - Graphical Gaussian Process Regression Model for Aqueous Solvation Free
Energy Prediction of Organic Molecules in Redox Flow Battery [2.7919873713279033]
本稿では,有機分子の溶解自由エネルギーを学習し,予測する機械学習モデルを提案する。
我々は,MLモデルを用いて,分子の解離自由エネルギーを1kcal/mol未満の平均絶対誤差で化学的精度で予測できることを実証した。
論文 参考訳（メタデータ） (2021-06-15T13:48:26Z) - Machine Learning Implicit Solvation for Molecular Dynamics [0.0]
平均力の暗黙の溶媒ポテンシャルをモデル化するために,グラフニューラルネットワークであるボルネットを導入した。
この手法の成功は、溶媒効果の正確なモデリングに機械学習手法を適用することの潜在的利点を示すものである。
論文 参考訳（メタデータ） (2021-06-14T15:21:45Z) - Optimizing Molecules using Efficient Queries from Property Evaluations [66.66290256377376]
汎用的なクエリベースの分子最適化フレームワークであるQMOを提案する。
QMOは効率的なクエリに基づいて入力分子の所望の特性を改善する。
QMOは, 有機分子を最適化するベンチマークタスクにおいて, 既存の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-11-03T18:51:18Z) - Reservoir engineering with arbitrary temperatures for spin systems and
quantum thermal machine with maximum efficiency [50.591267188664666]
貯留層工学は、量子情報科学と量子熱力学にとって重要なツールである。
この手法を用いて、任意の(有効)負および正の温度の貯水池を単一スピン系に設計する。
論文 参考訳（メタデータ） (2020-01-28T00:18:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。