化学情報学における諸問題の解決を目的とした新規多変量データ解析手法の開発
| Project/Area Number |
09J01337
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 国内 |
|---|
| Research Field |
Properties in chemical engineering process/Transfer operation/Unit operation
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
金子 弘昌 東京大学, 大学院・工学系研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2009 – 2011
|
| Project Status |
Completed (Fiscal Year 2011)
|
| Budget Amount *help |
¥2,100,000 (Direct Cost: ¥2,100,000)
Fiscal Year 2011: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 2010: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 2009: ¥700,000 (Direct Cost: ¥700,000)
|
|---|
| Keywords | 化学工学 / 機会学習 / 統計数学 / ソフトセンサー / 物性推算 / プラント管理 / ファウリング / 適用範囲 / 機械学習 |
|---|
| Research Abstract |
化学プラントにおいては、測定困難なプロセス変数を推定する手法として、ソフトセンサーが広く用いられている。ソフトセンサーとして、プラントにおいてオンラインで測定されている複数のプロセス変数(説明変数)からある目的変数を推定するモデルが構築されているが、すべての説明変数が目的変数に影響を及ぼすとは限らないため、変数選択を行う試みがなされている。一方、説明変数がある時間遅れを伴って目的変数に寄与していると考えられるが、その時間遅れを正確に求めることは困難である。そこで本研究では、最適な説明変数とその動特性の選択を行う手法を開発すること目的とした。そして我々はソフトセンサーで用いるプロセスデータと同様に、変数間の相関が強いスペクトルデータを扱う分野における波長領域選択手法に着目した。その一つがgenetic algorithm-based wavelength selection(GAWLS)法である。これらの波長領域選択手法をプロセスデータへ応用することで新規なソフトセンサー手法を開発し、高い予測性能と解釈の容易さを同時に達成するモデルの構築を目指した。実際の蒸留塔で測定されたデータを用いて従来手法とモデリング結果や予測結果を比較することで、本手法により少ない変数領域で妥当なモデルを構築可能であることを確認した。
さらに本研究では、変数間に非線型性が存在する場合においても適切な変数領域選択と予測精度の高いモデル構築を同時に達成することを目的として、GAWLSと非線型回帰分析手法の一つであるsupport vector regression(SVR)を組み合わせた新規な変数領域選択手法を開発した。この提案手法をGAWLS-SVR法と呼ぶ。本手法の有効性を確認するため、シミュレーションデータを用いた解析を行った。隣接する変数間の相関の強いXとyの間に非線型性がある場合において解析を行った結果、提案手法であるGAWLS-SVR法を用いることで、非線型性を考慮した適切な変数選択が達成され、精度と予測性能の高いモデル構築が可能であることを確認した。
|
Report
(3 results)
Research Products
(43 results)
