論文の概要: Prediction of Final Phosphorus Content of Steel in a Scrap-Based Electric Arc Furnace Using Artificial Neural Networks

• arxiv url: http://arxiv.org/abs/2410.19924v1
• Date: Fri, 25 Oct 2024 18:37:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 12:20:55.376349
• Title: Prediction of Final Phosphorus Content of Steel in a Scrap-Based Electric Arc Furnace Using Artificial Neural Networks
• Title（参考訳）: ニューラルネットワークを用いたスクラップ型電気アーク炉における鋼の最終リン含有量の予測
• Authors: Riadh Azzaz, Valentin Hurel, Patrice Menard, Mohammad Jahazi, Samira Ebrahimi Kahou, Elmira Moosavi-Khoonsari,
• Abstract要約: スクラップをベースとした電気アーク炉プロセスは、将来的には鉄鋼市場のかなりのシェアを獲得することが期待されている。 しかし、不純物、特にリンの管理は依然として課題である。 本研究の目的は, 入力パラメータに基づいて, プロセス終了時のスチールリン含有量を推定する機械学習モデルを開発することである。
• 参考スコア（独自算出の注目度）: 3.2789634280286957
• License:
• Abstract: The scrap-based electric arc furnace process is expected to capture a significant share of the steel market in the future due to its potential for reducing environmental impacts through steel recycling. However, managing impurities, particularly phosphorus, remains a challenge. This study aims to develop a machine learning model to estimate the steel phosphorus content at the end of the process based on input parameters. Data were collected over two years from a steel plant, focusing on the chemical composition and weight of the scrap, the volume of oxygen injected, and process duration. After preprocessing the data, several machine learning models were evaluated, with the artificial neural network (ANN) emerging as the most effective. The best ANN model included four hidden layers. The model was trained for 500 epochs with a batch size of 50. The best model achieves a mean square error (MSE) of 0.000016, a root-mean-square error (RMSE) of 0.0049998, a coefficient of determination (R2) of 99.96%, and a correlation coefficient (r) of 99.98%. Notably, the model achieved a 100% hit rate for predicting phosphorus content within +-0.001 wt% (+-10 ppm). These results demonstrate that the optimized ANN model offers accurate predictions for the steel final phosphorus content.
• Abstract（参考訳）: スクラップをベースとした電気アーク炉プロセスは, 鉄鋼リサイクルによる環境影響低減の可能性から, 将来, 鉄鋼市場のかなりのシェアを獲得することが期待されている。 しかし、不純物、特にリンの管理は依然として課題である。 本研究の目的は, 入力パラメータに基づいて, プロセス終了時のスチールリン含有量を推定する機械学習モデルを開発することである。 データは鋼製プラントから2年間にわたって収集され、スクラップの化学組成と重量、酸素注入量、処理時間に焦点が当てられた。 データを前処理した後、いくつかの機械学習モデルが評価され、人工知能ニューラルネットワーク(ANN)が最も効果的である。 最高のANNモデルには、隠された4つの層が含まれていた。 モデルは500エポックで訓練され、バッチサイズは50。 最良のモデルでは、平均二乗誤差(MSE)が0.000016、根平均二乗誤差(RMSE)が0.0049998、決定係数(R2)が99.96%、相関係数(r)が99.98%となる。 特に, このモデルでは+-0.001 wt% (+-10 ppm)の範囲内でリン含有率を予測するために100%ヒット率を達成した。 これらの結果から, 最適化されたANNモデルにより, 鋼最終リン含有量の正確な予測が可能であることが示唆された。

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)
• 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)
• Retrosynthesis Prediction with Local Template Retrieval [112.23386062396622]
  特定の標的分子の反応を予測する再合成は、薬物発見に必須の課題である。 本稿では,局所的な反応テンプレート検索手法であるRetroKNNを紹介する。 我々は、広く使われている2つのベンチマーク、USPTO-50KとUSPTO-MITで包括的な実験を行う。
  論文  参考訳（メタデータ） (2023-06-07T03:38:03Z)
• Post-training Model Quantization Using GANs for Synthetic Data Generation [57.40733249681334]
  量子化法における実データを用いたキャリブレーションの代用として合成データを用いた場合について検討する。 本稿では,StyleGAN2-ADAが生成したデータと事前学習したDiStyleGANを用いて定量化したモデルの性能と,実データを用いた量子化とフラクタル画像に基づく代替データ生成手法との比較を行った。
  論文  参考訳（メタデータ） (2023-05-10T11:10:09Z)
• IKD+: Reliable Low Complexity Deep Models For Retinopathy Classification [15.543363807730096]
  網膜症に対するディープニューラルネットワーク(DNN)モデルでは、90%中～90%の予測精度が推定されている。 最先端モデルは複雑で、訓練と展開には相当な計算インフラが必要である。 サイズ,精度,信頼性のトレードオフを取り入れた反復的知識蒸留(IKD)の形式をIKD+と呼ぶ。
  論文  参考訳（メタデータ） (2023-03-04T03:59:06Z)
• Recognition of Defective Mineral Wool Using Pruned ResNet Models [88.24021148516319]
  我々はミネラルウールのための視覚品質管理システムを開発した。 ウール標本のX線画像が収集され、欠陥および非欠陥サンプルのトレーニングセットが作成された。 我々は98%以上の精度のモデルを得たが、同社の現在の手順と比較すると、20%以上の欠陥製品を認識することができる。
  論文  参考訳（メタデータ） (2022-11-01T13:58:02Z)
• Development of Crop Yield Estimation Model using Soil and Environmental Parameters [0.6980357450216633]
  本研究はパキスタン国立茶研究所で実施されている茶形態について行ったものである。 採取したパラメータは, 土壌の温度, 湿度, 降雨量, PHレベルである。 設計モデルはニューラルネットワークのアンサンブルに基づいており、R-squaredは0.9461、RMSEは0.1204である。
  論文  参考訳（メタデータ） (2021-02-10T22:02:13Z)
• Unassisted Noise Reduction of Chemical Reaction Data Sets [59.127921057012564]
  本稿では,データセットから化学的に間違ったエントリを除去するための,機械学習に基づく無支援アプローチを提案する。 その結果,クリーン化およびバランスの取れたデータセットでトレーニングしたモデルの予測精度が向上した。
  論文  参考訳（メタデータ） (2021-02-02T09:34:34Z)
• Statistical Downscaling of Temperature Distributions from the Synoptic Scale to the Mesoscale Using Deep Convolutional Neural Networks [0.0]
  有望な応用の1つは、低分解能ダイナミックモデルの出力画像を高分解能画像に変換する統計的代理モデルを開発することである。 本研究では,6時間毎に合成温度場をメソスケール温度場にダウンスケールする代理モデルについて検討した。 代理モデルが短時間で実施されれば、高解像度の天気予報ガイダンスや環境緊急警報を低コストで提供する。
  論文  参考訳（メタデータ） (2020-07-20T06:24:08Z)
• Predicting and Mapping of Soil Organic Carbon Using Machine Learning Algorithms in Northern Iran [0.0]
  本研究では,支援ベクトルマシン,人工ニューラルネットワーク,回帰木,ランダムフォレスト,極勾配向上,および従来の深部ニューラルネットワークを用いて,SOCの予測モデルを前進させる機械学習アルゴリズムを提案する。 モデルは、1879年の複合表層土壌サンプルと105の補助データで訓練されている。
  論文  参考訳（メタデータ） (2020-07-12T08:23:24Z)
• Assessing Graph-based Deep Learning Models for Predicting Flash Point [52.931492216239995]
  グラフベースのディープラーニング(GBDL)モデルは初めてフラッシュポイントを予測するために実装された。 MPNNの平均R2と平均絶対誤差(MAE)は、それぞれ2.3%低、2.0K高である。
  論文  参考訳（メタデータ） (2020-02-26T06:10:12Z)

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。