文献

J-GLOBAL ID：201702237030189854   整理番号：17A1444245

スウォーム最適化ニューラルネットワークを用いたDst指数の予測【Powered by NICT】

Forecasting the Dst index using a swarm-optimized neural network

著者 (4件)： Lazzus J. A. (Departamento de Fisica y Astronomia, Universidad de La Serena, La Serena, Chile) ,  Vega P. (Departamento de Fisica y Astronomia, Universidad de La Serena, La Serena, Chile) ,  Rojas P. (Departamento de Fisica y Astronomia, Universidad de La Serena, La Serena, Chile) ,  Salfate I. (Departamento de Fisica y Astronomia, Universidad de La Serena, La Serena, Chile)
資料名： Space Weather  (Space Weather)
巻： 15  号： 8  ページ： 1068-1089  発行年： 2017年 
JST資料番号： W2746A  ISSN： 1542-7390  資料種別： 逐次刊行物 (A)
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： 粒子群最適化(ANN+PSO)と人工神経回路網を組み合わせたハイブリッド法を用いて,前方障害嵐時(Dst)指数を予測から1~6時間にした。著者らのANNはANN重みを更新するために,入力パラメータとして過去の値を用いた短期Dst指数を予測するために,PSOによって最適化した。用いたデータベースは2016年8月31日に1990年1月1日から233,760時間毎のデータを含み,嵐および静穏期,三データセット:学習セット(116,880時間データ点を持つ),検証セット(58,440データ点),及び試験セット(58,440データ点)にグループ化を考慮した。いくつかのANNトポロジーを研究し,最良のアーキテクチャは,ニューロンを添加し,訓練プロセス中の二乗平均平方根誤差(RMSE)と相関係数(R)を評価する系統的に決定した。これらの結果は,ハイブリッドアルゴリズムは0.98~0.90t+1のようなDst指数を予測する事前に短時間t RMSE3.5nTから7.5nT,Rのための強力な技術であることを示した。しかし,t t予測にはわずかに不確実でRMSEから8.8nT10.9nT,と0.86から0.79であった。さらに,磁気嵐大きさに従って徹底的な解析を行った。一般に,結果は筆者らのハイブリッドアルゴリズムは,Dst指数を予測する適切な精度で訓練が可能であることがとDst過去の行動を実装しANNの適当な訓練と予測能力に著しく影響することを示した。Copyright 2017 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *ニューラルネットワーク ,  計算機アーキテクチャ ,  *予測 ,  データベース ,  *スウォーム ,  ニューロン ,  不確実性 ,  学習 ,  *最適化 ,  相関係数 ,  位相幾何学
準シソーラス用語： ハイブリッドアルゴリズム ,  ハイブリッド法 ,  粒子群最適化 ,  *Dst指数 , 【Automatic Indexing@JST】

著者キーワード (6件)： Dst指数 ,  磁気嵐 ,  宇宙天気 ,  予測 ,  人工ニューラルネットワーク ,  パーティクルスワーム最適化

分類 (5件)： 都市交通  (TA01020W) ,  クロマトグラフィー,電気泳動  (CC01050S) ,  その他の切削  (QC02040C) ,  測光と光検出器一般  (BD07031F) ,  工程管理  (KB03030P)

タイトルに関連する用語 (5件)： スウォーム ,  最適化 ,  ニューラルネットワーク ,  Dst指数 ,  予測