論文の概要: The Application of Artificial Neural Network Model to Predicting the Acid Mine Drainage from Long-Term Lab Scale Kinetic Test
- arxiv url: http://arxiv.org/abs/2409.02128v1
- Date: Sun, 1 Sep 2024 16:39:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-05 23:53:09.903057
- Title: The Application of Artificial Neural Network Model to Predicting the Acid Mine Drainage from Long-Term Lab Scale Kinetic Test
- Title（参考訳）: ニューラルネットワークモデルを用いた長期実験による酸性鉱山排水量の予測
- Authors: Muhammad Sonny Abfertiawan, Muchammad Daniyal Kautsar, Faiz Hasan, Yoseph Palinggi, Kris Pranoto,
- Abstract要約: 酸性鉱山排水(Acid mine drainage、AMD)は、石炭鉱業において一般的な環境問題の一つである。
AMDによる酸生成の予測は, 埋没管理と地雷後の土地利用計画において重要である。
本研究では,人工ニューラルネットワーク(ANN)モデルを用いて,実験室での運動実験の結果を予測する手法について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Acid mine drainage (AMD) is one of the common environmental problems in the coal mining industry that was formed by the oxidation of sulfide minerals in the overburden or waste rock. The prediction of acid generation through AMD is important to do in overburden management and planning the post-mining land use. One of the methods used to predict AMD is a lab-scale kinetic test to determine the rate of acid formation over time using representative samples in the field. However, this test requires a long-time procedure and large amount of chemical reagents lead to inefficient cost. On the other hand, there is potential for machine learning to learn the pattern behind the lab-scale kinetic test data. This study describes an approach to use artificial neural network (ANN) modeling to predict the result from lab-scale kinetic tests. Various ANN model is used based on 83 weeks experiments of lab-scale kinetic tests with 100\% potential acid-forming rock. The model approaches the monitoring of pH, ORP, conductivity, TDS, sulfate, and heavy metals (Fe and Mn). The overall Nash-Sutcliffe Efficiency (NSE) obtained in this study was 0.99 on training and validation data, indicating a strong correlation and accurate prediction compared to the actual lab-scale kinetic tests data. This show the ANN ability to learn patterns, trends, and seasonality from past data for accurate forecasting, thereby highlighting its significant contribution to solving AMD problems. This research is also expected to establish the foundation for a new approach to predict AMD, with time efficient, accurate, and cost-effectiveness in future applications.
- Abstract（参考訳）: 酸性鉱山排水(Acid mine drainage、AMD)は、石炭鉱業において、過負荷あるいは廃岩中の硫化物鉱物の酸化によって形成された一般的な環境問題の一つである。
AMDによる酸生成の予測は, 埋没管理と地雷後の土地利用計画において重要である。
AMDを予測するために用いられる手法の1つは、現場の代表的な試料を用いて、時間経過とともに酸の生成速度を決定する実験室の速度論的試験である。
しかし、この試験は長時間の手順を必要とし、大量の化学試薬は非効率なコストをもたらす。
一方、機械学習は、ラボスケールの速度論的テストデータの背後にあるパターンを学習する可能性がある。
本研究では,人工ニューラルネットワーク(ANN)モデルを用いて,実験室での運動実験の結果を予測する手法について述べる。
様々なANNモデルが、100 %の酸性生成岩を含む実験室スケールの運動実験の83週間の実験に基づいて使用されている。
このモデルは、pH、ORP、伝導率、TDS、硫酸塩、重金属(Fe、Mn)のモニタリングにアプローチする。
本研究で得られたナッシュ・サトクリフ効率(NSE)は、トレーニングと検証データで0.99であり、実際の実験室スケールの速度論的テストデータと比較して強い相関関係と正確な予測を示す。
このことは、ANNが過去のデータからパターン、傾向、季節性を正確に予測するために学習し、AMD問題の解決にその重要な貢献を浮き彫りにすることを示している。
この研究は、将来の応用において、時間効率、正確、コスト効率の面でAMDを予測するための新しいアプローチの基礎を確立することも期待されている。
関連論文リスト
- Hyperbox Mixture Regression for Process Performance Prediction in Antibody Production [8.479659578608233]
本稿では,ハイパーボックスを用いた入力空間分割を用いた新しいHMRモデルを提案する。
本研究では,15日間の培養期間におけるモノクローナル抗体製造における品質特性の予測におけるモデルの性能評価を行った。
論文 参考訳（メタデータ） (2024-11-03T02:04:35Z) - Neural Network Emulator for Atmospheric Chemical ODE [6.84242299603086]
高速な化学濃度モデリングのためのニューラルネットワークエミュレータを提案する。
初期状態と今後の時間進化の間の隠れた相関関係を抽出するために,ChemNNEを提案する。
提案手法は,モデリング精度と計算速度において最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-08-03T17:43:10Z) - Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。
最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。
以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
論文 参考訳（メタデータ） (2024-05-27T13:26:34Z) - Regressor-free Molecule Generation to Support Drug Response Prediction [83.25894107956735]
目標IC50スコアに基づく条件生成により、より効率的なサンプリングスペースを得ることができる。
回帰自由誘導は、拡散モデルのスコア推定と、数値ラベルに基づく回帰制御モデルの勾配を結合する。
論文 参考訳（メタデータ） (2024-05-23T13:22:17Z) - Neural scaling laws for phenotypic drug discovery [3.076170146656896]
小型分子の薬物発見を支援するモデルに、スケールが同様の影響を与えるかどうかを考察する。
我々は、Pheno-CAのタスクを明示的に教師するDNNが、データとモデルサイズがスケールアップされるにつれて、継続的に改善されないことを発見した。
我々は,NLPで成功した因果的目的関数に類似した新しい前駆的タスクである逆生物学プロセス(Inverse Biological Process, IBP)を導入する。
論文 参考訳（メタデータ） (2023-09-28T18:10:43Z) - SPIDE: A Purely Spike-based Method for Training Feedback Spiking Neural
Networks [56.35403810762512]
イベントベースの計算を伴うスパイキングニューラルネットワーク(SNN)は、ニューロモルフィックハードウェアにおけるエネルギー効率の高い応用のために、脳にインスパイアされたモデルを約束している。
本研究では,最近提案されたトレーニング手法を拡張した平衡状態(SPIDE)に対するスパイクに基づく暗黙差分法について検討した。
論文 参考訳（メタデータ） (2023-02-01T04:22:59Z) - MetaRF: Differentiable Random Forest for Reaction Yield Prediction with
a Few Trails [58.47364143304643]
本稿では,反応収率予測問題に焦点をあてる。
筆者らはまず,数発の収量予測のために特別に設計された,注意に基づく識別可能なランダム森林モデルであるMetaRFを紹介した。
数発の学習性能を改善するために,さらに次元還元に基づくサンプリング手法を導入する。
論文 参考訳（メタデータ） (2022-08-22T06:40:13Z) - Multimodal Transformer-based Model for Buchwald-Hartwig and
Suzuki-Miyaura Reaction Yield Prediction [0.0]
このモデルは、事前訓練された双方向トランスフォーマーベースのエンコーダ(BERT)と、回帰ヘッドを備えた多層パーセプトロン(MLP)から構成され、収量を予測する。
我々は、Buchwald-Hartwigのサンプル外のデータセット分割でモデルのパフォーマンスをテストし、最先端技術で同等の結果を得た。
論文 参考訳（メタデータ） (2022-04-27T07:28:27Z) - Reducing the Long Tail Losses in Scientific Emulations with Active
Learning [0.0]
本研究では、コアセット選択と呼ばれるアクティブな学習手法を利用して、事前定義された予算に従ってデータを積極的に選択し、トレーニング用にラベル付けした。
本研究では、天体物理学における銀河ハロ占有分布とプラズマ物理学におけるX線放射分光の2つのケーススタディについて検討した。
論文 参考訳（メタデータ） (2021-11-15T09:02:00Z) - HYDRA: Hypergradient Data Relevance Analysis for Interpreting Deep
Neural Networks [51.143054943431665]
本稿では、深層ニューラルネットワーク(DNN)による予測をトレーニングデータの効果として解釈する高次データ関連分析(HYDRA)を提案する。
HYDRAは、トレーニング軌跡全体を通して、テストデータポイントに対するトレーニングデータの貢献を評価する。
さらに,HyDRAは,データのコントリビューションを正確に推定し,ノイズのあるデータラベルを検出することで,影響関数よりも優れていることを定量的に示す。
論文 参考訳（メタデータ） (2021-02-04T10:00:13Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z)
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。