文献

J-GLOBAL ID：201702270334331748   整理番号：17A0442993

無観測所流域の流量継続時間曲線の予測【Powered by NICT】

Prediction of flow duration curves for ungauged basins

著者 (4件)： Atieh Maya (School of Engineering, University of Guelph, Guelph, Ontario N1G 2W1, Canada) ,  Taylor Graham (School of Engineering, University of Guelph, Guelph, Ontario N1G 2W1, Canada) ,  M.A. Sattar Ahmed (Department of Irrigation & Hydraulics, Faculty of Eng., Cairo University, Giza, Egypt) ,  Gharabaghi Bahram (School of Engineering, University of Guelph, Guelph, Ontario N1G 2W1, Canada)
資料名： Journal of Hydrology  (Journal of Hydrology)
巻： 545  ページ： 383-394  発行年： 2017年 
JST資料番号： C0584A  ISSN： 0022-1694  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： この研究は,北アメリカ全域の171未調節と規制されている89流域からの歴史的流量記録を用いて訓練と試験した人工神経回路網(ANN)及び遺伝子発現プログラミング(GEP)を利用した未観測流域における流量継続時間曲線(FDCs)の予測のための新しいモデルを提示した。89調節盆地では,FDCは,流量調節後の両方において発生させた。地形,気候,および土地利用特性を用いて,これらの流域特性とFDC統計的分布パラメータの間の関係を開発することである:平均(m)と分散(ν)。流調節は平均(m)にほとんど影響しない,分散(ν)が二つの主な仮説が確認された。平均を予測する(GEP m)新しいGEPモデルは,高R~2(0.9)とD(0.95)値と低いRAE値0.25と非常に良い性能を示した。分散を予測する(REG v)簡単な回帰モデルは,平均(m)と流量調節指数(R)の関数として開発した。測定性能と不確実性解析は,ANNはR~2(0.97),RAE(0.21),D(0.93)と最低95%信頼予測誤差区間(+0.22に+3.49)と最良のモデルであることを示した。両GEPとANNモデルは流域面積とそれに続く平均年降水量,割当てエントロピー障害指数,形状係数に最も敏感であった。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： エントロピー ,  流域特性 ,  ニューラルネットワーク ,  予測誤差 ,  流量制御 ,  *流量 ,  流域面積 ,  気候 ,  *継続時間 ,  回帰モデル ,  年雨量 ,  *流域
準シソーラス用語： 不確実性解析 ,  未観測流域 ,  遺伝子発現プログラミング , 【Automatic Indexing@JST】

著者キーワード (5件)： 調節される ,  未観測流域 ,  流況曲線 ,  人工ニューラルネットワーク ,  遺伝的進化的プログラム

分類 (2件)： 流出解析  (DC07030N) ,  水文学一般  (DC07010R)

タイトルに関連する用語 (6件)： 観測所 ,  流域 ,  流量 ,  継続時間 ,  曲線 ,  予測