کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8070791 1521388 2018 35 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A novel robust ensemble model integrated extreme learning machine with multi-activation functions for energy modeling and analysis: Application to petrochemical industry
ترجمه فارسی عنوان
یک مدل جدید مجموعه ای جامع یک ماشین یادگیری افراطی با توابع چند فعال سازی برای مدل سازی و تجزیه و تحلیل انرژی: کاربرد در صنایع پتروشیمی
کلمات کلیدی
مدلسازی و تجزیه و تحلیل انرژی، مدل انسانی، دستگاه یادگیری شدید توابع چند فعال سازی، صنعت پتروشیمی،
ترجمه چکیده
با افزایش پیچیدگی داده های مدل سازی انرژی، به ایجاد یک مدل تحلیل قوی و دقیق انرژی با استفاده از یک شبکه عصبی می پردازد. برای مقابله با این مشکل، یک مدل جدید گروه قوی و یکپارچه یک دستگاه یادگیری افراطی با توابع چند فعال سازی ارائه شده است تا مدل های تحلیلی قوی و دقیق انرژی ارائه شود. دو ویژگی برجسته در مدل پیشنهادی وجود دارد: یکی این است که توابع فعال سازی غیرخطی مؤثر مختلف در دستگاه یادگیری افراطی به منظور افزایش توانایی در برخورد با غیرخطی بالا اطلاعات مدل سازی انرژی، یعنی استفاده از توابع چند فعال سازی استفاده می شود؛ یکی دیگر از ویژگی های برجسته این است که چندین مدل مجزا با توابع فعال سازی غیرخطی مؤثر متفاوت برای ساخت یک مدل سازمانی برای افزایش عملکرد با توجه به دقت و ثبات ترکیب شده است، به عنوان مثال، تعمیم و توانایی قابلیت اطمینان مدل پیشنهادی با افزایش فعالیت چندگانه مدل های ماشین یادگیری افراطی مبتنی بر عملکردها است. برای بررسی عملکرد مدل پیشنهادی، دو مطالعه موردی برای توسعه مدل های تحلیل انرژی برای فرایندهای شیمیایی پیچیده انجام شده است. نتایج شبیه سازی نشان می دهد که مدل پیشنهادی دقت بالا و پایداری خوب را به دست می آورد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
پیش نمایش مقاله
یک مدل جدید مجموعه ای جامع یک ماشین یادگیری افراطی با توابع چند فعال سازی برای مدل سازی و تجزیه و تحلیل انرژی: کاربرد در صنایع پتروشیمی
چکیده انگلیسی
With the increasing complexity of energy modeling data, it becomes more and more demanding to build a robust and accurate energy analysis model using a single neural network. To deal with this problem, a novel robust ensemble model integrated extreme learning machine with multi-activation functions is proposed to develop robust and accurate energy analysis models. There are two salient features in the proposed model: one is that different effective nonlinear activation functions are adopted in extreme learning machine to enhance the ability in dealing with the high nonlinearity of energy modeling data, i.e. multi-activation functions are utilized; the other salient feature is that several single models with different effective nonlinear activation functions are combined to build an ensemble model for enhancing the performance in terms of accuracy and stability, i.e. the generalization and robustness capability of the proposed model is much improved through aggregating multiple activation functions based extreme learning machine models. To verify the performance of the proposed model, two case studies of developing energy analysis models for complex chemical processes are carried out. Simulation results demonstrate that the proposed model achieves high accuracy and good stability.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy - Volume 162, 1 November 2018, Pages 593-602
نویسندگان
, , , ,