文献

J-GLOBAL ID：201702218796006346   整理番号：17A1725137

GM ANN(人工ニューラルネットワーク)に基づいた沿岸都市の洪水損失予測【Powered by NICT】

Flood loss prediction of coastal city based on GM-ANN

著者 (3件)： Cui Pengzhan (Nanjing University of Aeronautics and, Astronautic, Nanjing, China) ,  Guan Yeqing (Nanjing University of Aeronautics and, Astronautic, Nanjing, China) ,  Zhu Ying (Nanjing University of Aeronautics and, Astronautic, Nanjing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： GSIS  ページ： 187-190  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 洪水損失予測は,中国で非常に重要である。本論文では,年間を通して沿岸都市,地質堆積速度のような,海面高度の上昇,降水量,都市排水管の長さ,年間GDPと人口の洪水因子は,洪水損失を予測するために考察した。,A HPは洪水因子の量を決定するために使用されるであろう。異なる因子の特性を考慮して,GMは,洪水因子の予測値を得るために適用した。予測値と重みは,沿岸都市の洪水損失を得るためにANN法に適用した。最後に,深せん市が,GM,DGMとANN法を比較して,この方法の実現可能性を検証する例として見なされている。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 堆積速度 ,  *ニューラルネットワーク ,  地質 ,  *都市 ,  海面高度 ,  降水量 ,  *洪水 ,  *沿岸 ,  排水管 ,  中華人民共和国
準シソーラス用語： 深せん市 ,  予測値 , 【Automatic Indexing@JST】

分類 (3件)： 水文学一般  (DC07010R) ,  海洋物理学一般  (DC06010K) ,  オペレーションズリサーチ一般  (KA03010Q)

タイトルに関連する用語 (5件)： 人工ニューラルネットワーク ,  沿岸 ,  都市 ,  洪水 ,  損失予測