文献

J-GLOBAL ID：201702240958252702   整理番号：17A0158578

サポートベクトルマシンを利用して大嵐期間におけるDST指数の変化を予測した。【JST・京大機械翻訳】

Application of Support Vector Machine to the Forecasting of Dst Index during Geomagnetic Storm

著者 (3件)： Peng Yuxiang (School of Mathematics and Statistics, Nanjing University of Information Science and Technology) ,  Lu Jianyong (School of Mathematics and Statistics, Nanjing University of Information Science and Technology) ,  Gu Saiju (School of Mathematics and Statistics, Nanjing University of Information Science and Technology)
資料名： Kongjian Kexue Xuebao  (Kongjian Kexue Xuebao)
巻： 36  号： 6  ページ： 866-874  発行年： 2016年 
JST資料番号： C2063A  ISSN： 0254-6124  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： サポートベクトルマシン(SVM)モデルを用いて、大嵐期間中のDST指数に対して予測研究を行った。1995年~2014年の間の80回の大規模磁気嵐(DST≦-100NT)事件の共観測データを研究対象とし、対応時間の太陽風パラメータをモデル入力パラメータとし、同時にニューラルネットワークモデルと線性机モデルを比較した。予測結果の信頼性を,交差検証によって改善した。異なるモデルの予測効果を比較するため、相関係数(CC)、二乗平均平方根誤差(RMS)、磁気嵐期間中のDST指数最小値予測結果の平均絶対誤差及びDST指数最小値出現時間予測結果の平均絶対誤差などの統計量を比較パラメータとした。結果により,SVMモデルの予測効果が最も良く,相関係数は0.89であり,二乗平均平方根誤差は24.27NTであり,すべての嵐事象の最小平均予測誤差は17.35NTであることを示した。最小平均DST値の予測誤差は3.2時間であった。さらに,異なる活動レベルの磁気嵐予報効果に対するモデルの可能性をさらに検証するために,すべての磁気嵐事象を大規模磁気嵐(-200 < DST ≦ 100 NT)と巨大磁気嵐(DST≦-200 NT)の二つのグループに分けて予測した。2つの事件の予測効果は依然としてSVMモデルが最も良いことを発見した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 予測誤差 ,  太陽風 ,  相関係数 ,  前向きコホート研究 ,  磁気嵐 ,  統計量 ,  応答時間 ,  信頼性 ,  *サポートベクトルマシン
準シソーラス用語： 絶対誤差 ,  神経回路網モデル ,  入力パラメータ , 【Automatic Indexing@JST】

著者キーワード (4件)： Support Vector Machine (SVM) ,  Forecasting ,  Geomagnetic storm ,  Dst index

分類 (9件)： 電力工学・電力事業一般  (NB01000X) ,  果実とその加工品  (FJ11030Z) ,  分析化学一般  (CC02010H) ,  薬物の物理化学的性質  (GV01060M) ,  マーケティング  (KA06020W) ,  固体の処理装置一般  (XD03031Z) ,  食品の品質  (FJ01040F) ,  風力発電  (NB03120Q) ,  物理化学一般その他  (CB01030T)

タイトルに関連する用語 (3件)： サポートベクトルマシン ,  Dst指数 ,  予測