修正されたクジラ最適化アルゴリズムベースの ANN: RO 淡水化プラントの新しい予測モデル

Scientific Reports volume 13、記事番号: 2901 (2023) この記事を引用

1121 アクセス

5 引用

1 オルトメトリック

メトリクスの詳細

ここ数十年、自然にインスピレーションを得た最適化手法は、産業プラントの設計者がプロセス パラメータの優れたソリューションを見つける上で重要な役割を果たしてきました。 文献によると、そのような方法は簡単で迅速であり、時間、お金、エネルギーを節約するために不可欠です。 この点において、人工ニューラルネットワーク（ANN）とハイブリッド化された修正クジラ最適化アルゴリズム（MWOA）は、逆浸透（RO）淡水化プラントの性能に採用され、透過水流束（0.118〜2.656 L/h m2）を推定しました。 プラントのデータセットは文献から収集されており、供給流量 (400 ～ 600 L/h)、蒸発器入口温度 (60 ～ 80 °C)、供給塩濃度 (35 ～ 140 g/L)、および凝縮器入口温度 (20 ～ 30 °C)。 この目的のために、既存のモデル（応答曲面法（RSM）、 ANN およびハイブリッド WOA-ANN モデル）のエラーは最小限に抑えられます。 シミュレーション結果は、MWOA アルゴリズムが正しい重みとバイアスを見つける強力な最適化機能を示し、オーバーフィッティングの制限なく優れた ANN ベースのモデリングを可能にすることを示唆しています。 プラントの性能を調査するために、10 個の MWOA-ANN モデル (モデル 1 からモデル 10) が提案されています。 単一の隠れ層 (H = 1)、11 個の隠れ層ノード (n = 11)、および 13 個の検索エージェント (SA = 13) を備えたモデル 6 は、最小限のエラー (MSE = ) で最も優れた回帰結果 (R2 = 99.1%) を生成しました。 0.005）。 モデル 6 の残留誤差も制限内 (-0.1 ～ 0.2 の範囲) であることがわかります。 最後に、調査結果は、スクリーニングされた MWOA-ANN モデルが、産業プラントの設計者を支援するために最適なプロセス パラメーターを特定するのに有望であることを示しています。

このセクションは 3 つの部分に分かれており、最初の部分では ANN と WOA の背景について説明し、2 番目の部分では文献レビューについて詳しく説明します。 第三部では主な目的、貢献、研究概要について説明します。

タスクをより迅速に、簡単に、そして安価に実行したいという人間の願望により、効率的な業務の開発が世界中でますます進んでいます1、2。 同様に、プロセスプラント業界も、データ分析と実験結果に基づいて意思決定が行われる文化に変わりつつあります3、4。 この点に関して、プラントの実験データセットが収集および評価されて新しい洞察が得られ、処理時間、運用コスト、エネルギーを節約するためのプラント設計者の意思決定に役立ちます1、5、6。

ここ数十年で、プロセス プラント業界は大幅にダイナミックになり、パフォーマンスを向上させるための予測的かつ処方的なソリューションを提供するために、高度な分析、最適化アルゴリズム、機械学習ツールに目を向けています3、5、6、7、8、9、10、11。 。 これらのアルゴリズムとツールは、小規模および大規模プラントのデータセットを分析するために、シンプルで適応性があり、効率的です。 最近一般的に使用されているインテリジェントなアルゴリズムとツールには、人工ニューラル ネットワーク (ANN)12、13、14、15、人工蜂コロニー (ABC)16、17、猫群最適化 (CSO)18、19、粒子群最適化 (PSO) などがあります。 )20,21,22、ホタルアルゴリズム (FA)23、コウモリアルゴリズム (BA)23,24、クジラ最適化アルゴリズム (WOA)17,25,26,27、ハイイロオオカミオプティマイザー (GWO)17,25,28,29 、30 バタフライ最適化アルゴリズム (BOA)31、アント ライオン オプティマイザー (ALO)17、サポート ベクター マシン (SVM)18、32、33、応答曲面法 (RSM)34、35、非支配的並べ替え遺伝的アルゴリズム (NSGA)36そしてそのハイブリッド。

一般に、ANN はバックプロパゲーション (BP) トレーニング アルゴリズムに従い、エラーを減らすためにノード接続の重みとバイアスの最適なセットを見つけます。 モデルの高いパフォーマンスを確保するには、重みとバイアスを正確に予測することが非常に重要です。 BP アプローチは勾配降下法アルゴリズムを採用しており、多数の反復が必要です 37。 文献によると、勾配降下法を使用する際の最大の課題の 1 つは、局所最適化にトラップされてしまうことです。 これは考慮される重みの初期値に完全に関係しており 37、モデルの最終的な精度に影響します。 したがって、研究者は、これらの問題を最小限に抑えるために、GA、PSO、GWO、WOA などの代替ソリューションを見つけました 1,6。