文献

J-GLOBAL ID：201702226660713187   整理番号：17A1549429

廃水水力学のための機械学習法【Powered by NICT】

Machine learning methods for wastewater hydraulics

著者 (2件)： Granata Francesco (Department of Civil and Mechanical Engineering, University of Cassino and Southern Lazio, via G. Di Biasio 43, 03043 Cassino (FR), Italy) ,  de Marinis Giovanni (Department of Civil and Mechanical Engineering, University of Cassino and Southern Lazio, via G. Di Biasio 43, 03043 Cassino (FR), Italy)
資料名： Flow Measurement and Instrumentation  (Flow Measurement and Instrumentation)
巻： 57  ページ： 1-9  発行年： 2017年 
JST資料番号： T0986A  ISSN： 0955-5986  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： 廃水水理学問題は物理的モデルに関する研究によって対処されている。次元解析を調べ現象に関する基本的な情報を発見する可能にする強力なツールであるが,いくつかのケースでは,重大な制限に影響される。このような場合,多くの問題は,機械学習アルゴリズムを用いて対処し,パターン認識と計算論的学習理論からなる。そのようなアプローチの可能性を示すために,本研究における回帰ツリーM5Pモデル,バギングアルゴリズムとランダムフォレストアルゴリズムは廃水工学のいくつかの複雑な問題:エネルギー損失,プール深さ,液滴マンホールにおける空気エントレインメント,および低天端側堰における横方向流出の予測の予測の解に適用した。アルゴリズムは大学Cassinoと南Lazioの水工学研究所で実施された実験から得られたデータで訓練し,試験した。考慮した事例の殆どでは,回帰ツリーとアンサンブル法は非常に正確な予測を提供することができる。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： *機械学習 ,  アルゴリズム ,  パターン認識 ,  マンホール ,  水理学 ,  *廃水 ,  エントレインメント ,  次元解析 ,  エネルギー損失 ,  *水力学 ,  学習アルゴリズム
準シソーラス用語： ランダムフォレスト ,  アンサンブル法 ,  水工学 ,  計算学習理論 , 【Automatic Indexing@JST】

著者キーワード (8件)： 機械学習 ,  ツリーモデル ,  バギング ,  ランダムフォレスト ,  廃水水力学 ,  ドロップマンホール ,  側堰 ,  実験的研究

分類 (1件)： 流体の実験・試験・測定方法及び装置  (BC01020K)

タイトルに関連する用語 (3件)： 廃水 ,  水力学 ,  機械学習