Long-Term Predictions using Recurrent Neural Networks for State Changes in Polymerization Reactors.

重合反応器内の状態変化を長期に渡って予測することを目的とし, ニューラルネットワーク (NN) を用いて行う方法について検討した.スチレン連続塊状重合プロセスにおける反応器出口温度の変化を予測対象とし, 階層型NNとリカレントNN (RNN) を用いた長期予測方法について, RNNの構造上の問題点を明らかにし, ネットワークの隠れ層による処理法に関する2種類の改良方法 (隠れユニットでの余分の処理を付加したH-RNNと, 階層型NNの隠れユニット計算機構をモジュールとして付加したM-RNN) を提案し, 各方法の予測性能を比較評価することができた.RNNの改良法を使用することにより, 階層型NNと比較して初期段階の予測および極値を持つ変化の予測の性能を改善することができた.特に, 初期段階の予測の精度を上げるために改良され, 階層型NNの隠れ層とRNNを融合した構造を持つM-RNNの予測性能は, 予測前半は勿論, 長期予測の全体に渡り満足できるものであった.