인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Aiming to enhance the operational efficiency and safety of Ambient Air Vaporizers (AAVs), this study utilizes real operational data collected over a year from an active natural gas production facility to develop a foundational model that improves operations currently reliant on onsite experience and intuition. Specifically, the data revealed strong seasonality in production and energy costs. Through regression and variance analyses, we found that the outlet temperature of natural gas (NG) is significantly influenced by current atmospheric conditions, fan speed, and existing NG outlet temperatures, informing our model development. We tested and compared Long Short-Term Memory (LSTM) and Deep Neural Network (DNN) predictive models, with the LSTM model showing superior performance, indicating its potential as a foundation for real-time fan speed control. Despite data collection limitations due to high safety operations and restricted fan speeds, we developed highly performant .0models by testing various parameters. The AI model provides accurate predictions of discharge temperature based on fan operating conditions, serving as a valuable tool for facility operators and essential for developing automated models through further reinforcement learning.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
