論文の概要: Application of Random Forest and Support Vector Machine for Investigation of Pressure Filtration Performance, a Zinc Plant Filter Cake Modeling

• arxiv url: http://arxiv.org/abs/2307.14199v1
• Date: Wed, 26 Jul 2023 13:52:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-27 12:19:59.258173
• Title: Application of Random Forest and Support Vector Machine for Investigation of Pressure Filtration Performance, a Zinc Plant Filter Cake Modeling
• Title（参考訳）: ランダム・フォレストとサポート・ベクター・マシンの圧力濾過性能調査への応用 : 亜鉛プラント・フィルタ・ケーキ・モデリング
• Authors: Masoume Kazemi, Davood Moradkhani, Alireza Abbas Alipour
• Abstract要約: 本研究では、ランダムフォレスト(RF)と支持ベクトルマシン(SVM)による圧力濾過過程をモデル化する。 その結果,RFRモデルはケーキの水分予測においてSVRモデルよりも優れていることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: The hydrometallurgical method of zinc production involves leaching zinc from ore and then separating the solid residue from the liquid solution by pressure filtration. This separation process is very important since the solid residue contains some moisture that can reduce the amount of zinc recovered. This study modeled the pressure filtration process through Random Forest (RF) and Support Vector Machine (SVM). The models take continuous variables (extracted features) from the lab samples as inputs. Thus, regression models namely Random Forest Regression (RFR) and Support Vector Regression (SVR) were chosen. A total dataset was obtained during the pressure filtration process in two conditions: 1) Polypropylene (S1) and 2) Polyester fabrics (S2). To predict the cake moisture, solids concentration (0.2 and 0.38), temperature (35 and 65 centigrade), pH (2, 3.5, and 5), pressure, cake thickness (14, 20, 26, and 34 mm), air-blow time (2, 10 and 15 min) and filtration time were applied as input variables. The models' predictive accuracy was evaluated by the coefficient of determination (R2) parameter. The results revealed that the RFR model is superior to the SVR model for cake moisture prediction.
• Abstract（参考訳）: 亜鉛の生産には鉱石から亜鉛を溶出し、その後圧力濾過によって固形物と液体を分離することが含まれる。 この分離プロセスは、亜鉛の回収量を減少させる水分を含むため、非常に重要である。 本研究ではランダムフォレスト(rf)とサポートベクターマシン(svm)による圧力濾過過程をモデル化した。 モデルは実験室のサンプルから連続変数(抽出された特徴)を入力として取り出す。 そのため、回帰モデルであるランダムフォレスト回帰(RFR)とサポートベクター回帰(SVR)が選択された。 圧力濾過過程において,2つの条件で全データセットを得た。 1)ポリプロピレン(S1)および 2) ポリエステル織物(S2) ケーキ水分の予測には, 固体濃度 (0.2, 0.38), 温度 (35, 65cm) , pH (2, 3.5, 5) , 圧力, ケーキ厚 (14, 20, 26, 34 mm) , 気中時間 (2, 10, 15分) , 濾過時間 (15分) を入力変数として適用した。 モデルの予測精度は決定係数(r2)パラメータによって評価された。 その結果,RFRモデルはケーキの水分予測においてSVRモデルよりも優れていることがわかった。

関連論文リスト

• Molecule Design by Latent Prompt Transformer [76.2112075557233]
  本研究は、分子設計の課題を条件付き生成モデリングタスクとしてフレーミングすることによって検討する。 本研究では,(1)学習可能な事前分布を持つ潜伏ベクトル,(2)プロンプトとして潜伏ベクトルを用いる因果トランスフォーマーに基づく分子生成モデル,(3)潜在プロンプトを用いた分子の目標特性および/または制約値を予測する特性予測モデルからなる新しい生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-02-27T03:33:23Z)
• DiffusionPCR: Diffusion Models for Robust Multi-Step Point Cloud Registration [73.37538551605712]
  ポイントクラウド登録(PCR)は、2つのポイントクラウド間の相対的な厳密な変換を推定する。 本稿では, PCR を拡散確率過程として定式化し, ノイズ変換を基礎的真理にマッピングする。 実験ではDiffusionPCRの有効性を示し,3Dおよび3DLoMatchに対する最先端の登録リコール率(95.3%/81.6%)を得た。
  論文  参考訳（メタデータ） (2023-12-05T18:59:41Z)
• Molecule Design by Latent Prompt Transformer [61.68502207071992]
  本稿では,分子設計などの最適化課題を解決するために,潜時変圧器モデルを提案する。 目的は、既存のソフトウェアで計算可能な、標的となる化学的または生物学的性質の最適な値を持つ分子を見つけることである。
  論文  参考訳（メタデータ） (2023-10-05T02:09:51Z)
• Application of Artificial Neural Networks for Investigation of Pressure Filtration Performance, a Zinc Leaching Filter Cake Moisture Modeling [0.0]
  本研究では,亜鉛製造の圧力濾過過程のケーキ水分を予測するためのANNモデルを開発した。 ANNモデルは、判定係数(R2)、平均平方誤差(MSE)、平均絶対誤差(MAE)で評価された。
  論文  参考訳（メタデータ） (2023-08-11T13:58:42Z)
• Online Non-Destructive Moisture Content Estimation of Filter Media During Drying Using Artificial Neural Networks [95.42181254494287]
  粗いろ過媒体製品の乾燥工程において, 水分量 (MC) の推定が重要である。 人工ニューラルネットワーク(ANN)に基づく手法は、文献で報告されている最先端のMC推定手法と比較する。 実験結果から, ANNとオーブン設定データ, 乾燥時間, 製品温度を組み合わせることで, バルクフィルターメディア製品のMCを確実に推定できることがわかった。
  論文  参考訳（メタデータ） (2023-03-27T19:37:53Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• Photoelectric Factor Prediction Using Automated Learning and Uncertainty Quantification [0.0]
  光電率(PEF)は、異なる種類の貯水池岩を識別するための重要な井戸検層ツールである。 岩石鉱物の比は、PEFログと他の井戸ログを組み合わせることで決定できる。 しかし、古い井戸の丸太やバリウムベースの泥で掘削された井戸など、一部のケースではPEFログが欠落する可能性がある。
  論文  参考訳（メタデータ） (2022-06-17T18:03:38Z)
• Visual-tactile sensing for Real-time liquid Volume Estimation in Grasping [58.50342759993186]
  変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。 我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。 ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
  論文  参考訳（メタデータ） (2022-02-23T13:38:31Z)
• Deep-learning-based coupled flow-geomechanics surrogate model for CO$_2$ sequestration [4.635171370680939]
  3次元リカレントr-u-netモデルは、深い畳み込みとリカレントニューラルネットワークを組み合わせて、飽和、圧力、表面変位場の空間分布と時間変化を捉える。 サーロゲートモデルは、貯留層内の3D CO2飽和と圧力場、および地球の表面の2D変位マップを予測するために訓練されています。
  論文  参考訳（メタデータ） (2021-05-04T07:34:15Z)
• A Feature Importance Analysis for Soft-Sensing-Based Predictions in a Chemical Sulphonation Process [0.0]
  我々は、関心の変数を直接感知するのではなく、他のプロセス変数に基づいて関心の変数を予測するソフトセンシングアプローチを用いる。 本研究の目的は,どの変数が製品品質の予測に最も関連があるか,どの精度でどの変数が正しいかを探索し,検出することであった。
  論文  参考訳（メタデータ） (2020-09-25T11:20:06Z)

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。