文献

J-GLOBAL ID：201702220207136502   整理番号：17A0399952

モデル化降雨流出過程への感情的ANN(EANN)アプローチ【Powered by NICT】

An Emotional ANN (EANN) approach to modeling rainfall-runoff process

著者 (1件)： Nourani Vahid (Dept. of Water Resources Eng., Faculty of Civil Eng., Univ. of Tabriz, Iran)
資料名： Journal of Hydrology  (Journal of Hydrology)
巻： 544  ページ： 267-277  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： 本論文では,感情的人工神経回路網(EANN)の最初の水文学的実装を提示した,流域の日別降雨-流出(r r)モデリングのための人工知能モデルの新世代。脳の神経生理学的形に触発されて,従来の重みとバイアスに加えて,EANNはネットワーク学習プロセスの改善を目的とした,シミュレートされた感情パラメータを含んでいる。逆伝搬(BP)アルゴリズムの修正版によって訓練されたEANNは二つの異なる気候条件を持つ二流域の単一および多段階流出予測に適用した。小さい訓練データセットにより訓練されたEANNの能力を評価するために,異なる数の訓練サンプルの三データ分割戦略は,訓練目的のために検討した。r r′モデリングで得られた結果の総合的な比較はEANNは訓練と検証効率基準の観点における13%と34%までの従来のフィードフォワードニューラルネットワーク(FFNN)モデルの性能を上回ることを示した。古典ANNでEANNの優位性は人工感情系のホルモンパラメータを用いたドライ(無降雨日)と湿潤(降雨日)状況を認識し,識別するその能力によるものであった。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： バイアス ,  気象条件 ,  *降雨 ,  ネットワーク ,  ニューラルネットワーク ,  人工知能 ,  水文学 ,  *モデリング ,  流域 ,  湿潤
準シソーラス用語： フィードフォワードニューラルネットワーク ,  訓練データ ,  学習過程 ,  神経生理学 ,  *降雨流出 , 【Automatic Indexing@JST】

著者キーワード (4件)： 降雨-流出モデル化 ,  水文の時系列予測 ,  人工神経回路網(ANN) ,  シミュレートした感情

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

タイトルに関連する用語 (3件)： モデル化 ,  降雨流出 ,  過程