文献

J-GLOBAL ID：201702252341040327   整理番号：17A1020236

Metropolis-Hastings Markov連鎖モンテカルロアルゴリズムを用いた河川流のBayes予測と不確実性定量化【Powered by NICT】

Bayesian forecasting and uncertainty quantifying of stream flows using Metropolis-Hastings Markov Chain Monte Carlo algorithm

著者 (5件)： Wang Hongrui (College of Water Sciences, Beijing Normal University, Beijing Key Laboratory of Urban Hydrological Cycle and Sponge City Technology, Beijing 100875, China) ,  Wang Cheng (Environmental Science Division, Argonne National Laboratory, Lemont, IL 60439, USA) ,  Wang Ying (State Key Laboratory of Environmental Criteria and Risk Assessment, Chinese Research Academy of Environmental Sciences, Beijing 100012, China) ,  Gao Xiong (College of Water Sciences, Beijing Normal University, Beijing Key Laboratory of Urban Hydrological Cycle and Sponge City Technology, Beijing 100875, China) ,  Yu Chen (College of Water Sciences, Beijing Normal University, Beijing Key Laboratory of Urban Hydrological Cycle and Sponge City Technology, Beijing 100875, China)
資料名： Journal of Hydrology  (Journal of Hydrology)
巻： 549  ページ： 476-483  発行年： 2017年 
JST資料番号： C0584A  ISSN： 0022-1694  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： Metropolis-Hastings Markov連鎖モンテカルロアルゴリズムを用いたBayesアプローチを提案し,中国におけるZhujiachuan流域におけるQiaotoubaoゲージステーションと他の13ゲージ観測所から収集したデータを用いてZhujiachuan川の日河川流量予測と不確実性定量化のためのこの方法を適用した。提案した方法はまた,関連する不確実性のパラメータ推定と定量化のための従来の最尤推定(MLE)と比較した。Bayes法は,日流量の平均値を推定するための同様に機能することが,不確実性定量化に対する従来のMLE法で行い,地域雨量計観測所からの関連情報を用いてMLE信頼区間よりも相対的に狭い信頼性間隔と,より正確な推定を提供する。Bayes MCMC法は不確実性解析とリスク管理におけるより有利である可能性がある。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： 中華人民共和国 ,  *河川流 ,  *Markov連鎖 ,  流域 ,  パラメータ推定 ,  *予測 ,  雨量計 ,  ゲージ ,  最尤法 ,  *不確実性 ,  *河川 ,  リスク管理
準シソーラス用語： 不確実性解析 ,  Bayes法 ,  河川流量予測 , 【Automatic Indexing@JST】

著者キーワード (4件)： Bayesアプローチ ,  Metropolis-Hastings Markov連鎖モンテカルロアルゴリズム ,  最尤推定 ,  不確実性解析

分類 (1件)： 水文学一般  (DC07010R)

タイトルに関連する用語 (7件)： Markov連鎖 ,  モンテカルロ ,  アルゴリズム ,  河川流 ,  予測 ,  不確実性 ,  定量化