文献

J-GLOBAL ID：201702244563440047   整理番号：17A1486804

農薬の運命と輸送のモデル化におけるパラメータ推定と推論のためのMarkov連鎖モンテカルロ法【Powered by NICT】

A Markov Chain Monte Carlo technique for parameter estimation and inference in pesticide fate and transport modeling

著者 (3件)： Boulange Julien (Tokyo University of Agriculture and Technology, Tokyo, Japan) ,  Watanabe Hirozumi (Tokyo University of Agriculture and Technology, Tokyo, Japan) ,  Akai Shinpei (Tokyo University of Agriculture and Technology, Tokyo, Japan)
資料名： Ecological Modelling  (Ecological Modelling)
巻： 360  ページ： 270-278  発行年： 2017年 
JST資料番号： A0605B  ISSN： 0304-3800  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： Markov Chain Monte Carlo(MCMC)技術を含むベイズ法は,観測された農薬濃度とモデルに含まれる不確実性を考慮しながら最良入力パラメータ範囲を推定するための農薬の運命と輸送モデルに実装した。汚染物質の運命と輸送モデルへのMCMC法を統合するための用いた方法論を詳述した。溶解速度と除草剤メフェナセットの吸着係数に含まれる不確実性は,MCMCシミュレーションによって大きく減少した。添加では,元の発表されたデータセットと比較して,MCMCシミュレーションから抽出された入力パラメータの最適セットは,水田水と水田土壌におけるメフェナセット濃度を正確に再現した。環境モデルの複数のパラメータを最適化し,不確実性解析を同時に,MCMC法は計算機モデルの信頼性と精度を改善するための強力な能力を示した。MCMC方法論の主要な強さは(1)入力パラメータと観測の両方から不確実性の考察と(2)追加知識が入手できるときに,再定式化できる入力パラメータの事前分布。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： *パラメータ推定 ,  シミュレーション ,  *モンテカルロ法 ,  除草剤 ,  環境モデル ,  汚染物質 ,  *モデリング ,  信頼性 ,  吸着 ,  不確実性 ,  *Markov連鎖 ,  最適化 ,  エーテル ,  窒素複素環化合物 ,  芳香族アミン ,  カルボアミド ,  有機硫黄化合物 ,  硫黄複素環化合物 ,  芳香族縮合化合物
準シソーラス用語： 輸送モデル ,  入力パラメータ , 【Automatic Indexing@JST】

著者キーワード (5件)： 水稲 ,  農薬の運命と輸送 ,  Markov連鎖モンテカルロ(MCMC) ,  逆モデリング ,  PCPF-1モデル

分類 (2件)： 農薬  (SB05030L) ,  雑草に対する農薬  (FB06030F)

物質索引 (1件)： メフェナセット

タイトルに関連する用語 (6件)： 農薬 ,  輸送 ,  モデル化 ,  パラメータ推定 ,  推論 ,  Markov連鎖モンテカルロ法