MétaCan
Menu
Retour à la cohorte
Enregistrement W2324092737 · doi:10.1515/1553-779x.2960

ANN - SQP Approach For NOx Emission Reduction In Coal Fired Boilers

2012· article· en· W2324092737 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInternational Journal of Emerging Electric Power Systems · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Algorithms and Applications
Établissements canadiensBC Hydro (Canada)
Organismes subventionnairesnon disponible
Mots-clésNOxFlue gasCombustionBoiler (water heating)CoalPulverized coal-fired boilerSequential quadratic programmingEngineeringFlueEnvironmental scienceWaste managementProcess engineeringMathematicsQuadratic programmingMathematical optimizationChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract In this research paper, predictive modelling of NOx emission of a 210 MW capacity pulverized coal-fired boiler and combustion parameter optimization to reduce NOx emission in flue gas is proposed. The effects of oxygen concentration in flue gas, coal properties, coal flow, boiler load, air distribution scheme, flue gas outlet temperature and nozzle tilt were studied. The data collected from parametric field experiments were used to build a feed-forward back-propagation artificial neural net (ANN). The coal combustion parameters were used as inputs and NOx emission as outputs of the model. The ANN model was developed for full load condition and its predicted values were verified with the actual values. The algebraic equation containing weights and biases of the trained net was used as fitness function in sequential quadratic programming (SQP) to find the optimum level of input operating conditions for low NOx emission. The results proved that the proposed approach could be used for generating feasible operating conditions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,813
Score d'incertitude au seuil0,408

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,268
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle