文献

J-GLOBAL ID：201702252176278386   整理番号：17A2001385

人工神経回路網を用いた表面dripper下の水分分布のシミュレーション【Powered by NICT】

Simulation of water distribution under surface dripper using artificial neural networks

著者 (4件)： Elnesr M.N. (Alamoudi Water Research Chair, King Saud University, Riyadh, Saudi Arabia) ,  Elnesr M.N. (Soil and Water Conservation Department, Desert Research Center, Cairo, Egypt) ,  Alazba A.A. (Alamoudi Water Research Chair, King Saud University, Riyadh, Saudi Arabia) ,  Alazba A.A. (Agricultural Engineering Department, King Saud University, Riyadh, Saudi Arabia)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 143  ページ： 90-99  発行年： 2017年 
JST資料番号： T0337A  ISSN： 0168-1699  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： ドリッパの湿潤パターンの予測点滴潅がいシステムの適切な設計に役立つ。人工ニューラルネットワーク予測器モデルを,良く試験されたモデルHYDRUS2D/3Dからのデータに基づいて開発した。HYDRUSからのシミュレーションデータグリッドは濡れ楕円の単純な3変数ベクトルに変換した。出力ベクトルはxとz方向の半径とz方向の中心の位置を含んでいた。シミュレーションは,いくつかのテクスチャクラス,浸透時間,エミッタの放電,水理モデル,および他の特徴を行った。ニューラルネットワークの訓練後,試験データセットは0.93 0.99の相関を示し,試験したパターンは,HYDRUS出力と高い類似性を示した。さらに,フラックスは土壌の透水係数と特定の時間で特定水分含量を表す三パラメータの使いやすいベクトルにHYDRUS出力を変換の問題を超える論文では,大きな流れエミッタをシミュレートする問題に対する解を提供した。本研究では,51入力変数の順列最高の結果の最良のセットを示唆するセットを試みた。最良訓練されたニューラルネットワークは,研究者の利益のためのと今後の展開のための自由に利用できる。入力変数の感度解析は,濡れパターンは浸潤,エミッター流出,および飽和透水係数の時間によって影響されることを示した。モデルの将来の発展は,訓練データ極値を増加させ,おそらく地下ドリッパーのエミッタの深さのようなより多くの特徴を加えることにより有望である。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 類似性 ,  *ニューラルネットワーク ,  予測 ,  水理モデル ,  感度解析 ,  三次元 ,  濡れ ,  透水係数 ,  浸透 ,  ベクトル ,  点滴灌漑 ,  含水量 ,  湿潤
準シソーラス用語： 訓練データ ,  *水分分布 , 【Automatic Indexing@JST】

著者キーワード (5件)： 液滴かんがい設計 ,  機械学習 ,  ニューラルネットワーク予測 ,  土壌水移動 ,  HYDRUSモデル

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 人工神経回路網 ,  水分分布 ,  シミュレーション