文献

J-GLOBAL ID：201502213348312735   整理番号：15A1025194

気候データに基づいた屋外曝露下のパーティクルボードの内部結合強さの予測:多重線形回帰とニューラルネットワークの比較

Predicting internal bond strength of particleboard under outdoor exposure based on climate data: comparison of multiple linear regression and artificial neural network

著者 (4件)： WATANABE Ken (Forestry and Forest Products Res. Inst., 1 Matsunosato, 305-8687, Tsukuba, Ibaraki, JPN) ,  KORAI Hideaki (Forestry and Forest Products Res. Inst., 1 Matsunosato, 305-8687, Tsukuba, Ibaraki, JPN) ,  MATSUSHITA Yasuhiro (SET Software Co., Ltd, 1-7-10 Bingomachi, Chuo-ku, 541-0051, Osaka, JPN) ,  HAYASHI Tomoyuki (The Inst. of Wood Technol., Akita Prefectural Univ., 11-1 Kaieizaka Noshiro, 016-0876, Akita, JPN)
資料名： Journal of Wood Science  (Journal of Wood Science)
巻： 61  号： 2  ページ： 151-158  発行年： 2015年04月 
JST資料番号： L3386A  ISSN： 1435-0211  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 様々な屋外曝露条件下に置かれた一般的なパーティクルボードの内部結合強さ(IB)について,多重線形回帰(MLR)とニューラルネットワーク(ANN)を用いてモデル化した。本研究で用いた屋外曝露データは,2004年から2011年まで日本の8つの立地で行われた過去の屋外曝露試験の結果から収集した。5つの立地からのデータを用い,曝露期間や年平均気温,年間降水量などの気候データに基づいた屋外曝露下のパーティクルボードのIBを予測するためMLRモデルとANNモデルを開発した。更に,残りの3つの立地でIB予測値と実測値を比較してモデルの性能を評価した。MLRモデルでは0.87の高いR²と0.07MPaの低い二乗平均誤差(RMSE)が得られ,ANNモデルでは0.93のR²と0.05MPaのRMSEが得られた。このように,両モデルとも日本の様々な立地で曝露されたパーティクルボードに適応可能であることが立証された。MLRモデルの統計検定により,IBは曝露期間,温度,及び降水量から負の影響を受けることが分かった。これらの影響はANNモデルの感度解析で確認され,IBに及ぼす日照期間の補足的な正の影響も明らかになった。Copyright 2014 The Japan Wood Research Society Translated from English into Japanese by JST.

シソーラス用語： 接着強さ ,  *パーティクルボード ,  ニューラルネットワーク ,  曝露 ,  曝露試験 ,  予測モデル ,  多重回帰分析 ,  評価 ,  モデリング ,  期間 ,  気温 ,  降水量 ,  仮説検定 ,  感度解析 ,  日照時間
準シソーラス用語： 屋外曝露 ,  気候データ ,  多重線形回帰 ,  統計検定 ,  内部結合強さ ,  比較評価

分類 (2件)： 木材の性質・構造  (FF05020Z) ,  データベースシステム  (JD03030U)

タイトルに関連する用語 (7件)： 気候データ ,  屋外曝露 ,  パーティクルボード ,  内部結合強さ ,  予測 ,  多重線形回帰 ,  ニューラルネットワーク