本文では、火力発電所の装置状態分析の詳細な分析が行われ、量子化学習ニューラルネットワーク（LVQ）およびショートタームメモリ（LSTM）再帰的ディープラーニングアルゴリズムの使用が分析されました。LSTMニューラルネットワークを使用して石炭粉砕機の状態分析が行われ、LSTMニューラルネットワークの最後の隠れ層の活性化関数をソフトマックス関数とし、その出力は装置の健康度および事故発生の可能性を示し、またLSTMニューラルネットワークとLVQニューラルネットワークを使用して装置の状態を比較しました。その結果、LSTMニューラルネットワークを使用したトレーニングモデルは装置状態の分類により高い精度を実現し、装置状態判定における漏報率および誤報率を減らすことができることが示されました。

火力発電所の装置；機械学習；ディープラーニング；状態分析；粉砕機；LSTMニューラルネットワーク；LVQニューラルネットワーク