文献

J-GLOBAL ID：201702250809057033   整理番号：17A1519991

ELMモデルに基づく浅層地下水位の時空間分布予測【JST・京大機械翻訳】

Temporal and Spatial Distribution Prediction of Shallow Groundwater Level Based on ELM Model

著者 (6件)： Yu Liming (昆明理工大学現代農業工程学院,昆明,650500) ,  Yan Weiguang (長沙理工大学水利工程学院,長沙,410114) ,  Gong Daozhi (中国農業科学院農業環境与可持続発展研究所,北京100081;作物高效用水与抗災減損国家工程実験室,北京100081) ,  Li Yuanyuan (中国農業科学院農業環境与可持続発展研究所,北京100081;作物高效用水与抗災減損国家工程実験室,北京100081) ,  Feng Yu (中国農業科学院農業環境与可持続発展研究所,北京100081;作物高效用水与抗災減損国家工程実験室,北京100081) ,  Jiang Danxi (寧郷県水利水電勘測設計院,長沙,410004)
資料名： Nongye Jixie Xuebao  (Nongye Jixie Xuebao)
巻： 48  号： 2  ページ： 215-223  発行年： 2017年 
JST資料番号： C2453A  ISSN： 1000-1298  CODEN： NUYCA3  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 石家荘平野地域の補因子の複数の組み合わせを入力パラメータとし、28眼の井戸の実測資料を利用して予測目標値とし、初めて限界学習機械(Extreme learning machine,ELM)に基づく地下水位深度の時空分布予測モデルを構築した。モデルの精度に及ぼす補因子の影響を,種々の損失条件の下で議論した。ArcGISを用いて誤差空間の分布傾向を分析し、常用の三隠れ層BP神経回路網モデルと比較した。結果は以下を示した。水バランス理論に基づくELMの地下水位のシミュレーションモデルは,人間と自然の二重の影響を受ける地下水システムの非線形関係を正確に反映することができる。モデル入力因子において,降水量または採掘量のシミュレーション結果の平方根誤差(RMSE)は,他の因子のRMSEよりも2.00倍高く,一方,モデル有効係数(Ens)および決定係数(R2)は,さらに減少した。BPモデルと比較すると,ELMモデルはRMSEを43.6%減少させ,誤差範囲を46.4%減少させ,EnsとR2は0.99に増加し,RMSEは空間的に同じ領域においてBPモデルより小さいことを明らかにした。ELMモデルによる南部の高誤差領域の移植精度(RMSEは1.82 m/a,Eは0.95より高い)はBPモデルより高く(RMSEは3.00 m/aを超え、Ensは0.85より低い);そのため、地下水位の深さに影響を与える主な要因は降水量と採掘量であり、ELMモデルは精度、安定性と空間均一性に優れ、移植予測の効果がよく、既知の資料を利用して地域空間内のその他の未知井戸の浅層地下水位深度を求めることができる。このモデルは,水文地質学的パラメータと補間データの不足条件下での浅い地下水位の深さ予測のための推奨モデルとして使用することができる。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  *地下水 ,  予測モデル ,  平野 ,  *浅層水 ,  降水量 ,  水文地質 ,  水収支 ,  *予測 ,  採掘 ,  補因子 ,  内挿法 ,  シミュレーションモデル ,  *地下水位
準シソーラス用語： 神経回路網モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： groundwater level ,  temporal and spatial distribution ,  neural network ,  extreme learning machine ,  prediction

分類 (2件)： 水文学一般  (DC07010R) ,  地下水流  (RC10060Q)

タイトルに関連する用語 (5件)： ELM ,  モデル ,  浅層地下水 ,  時空間分布 ,  予測