文献

J-GLOBAL ID：201702257279948177   整理番号：17A1169090

機械学習と地球統計学的モデルを用いた沿岸地域における排水問題の診断【Powered by NICT】

Diagnosing Drainage Problems in Coastal Areas Using Machine-Learning and Geostatistical Models

著者 (3件)： Darzi-Naftchali Abdullah (Water Engineering Department, Sari Agricultural Sciences and Natural Resources University, Sari, Iran) ,  Karandish Fatemeh (Water Engineering Department, University of Zabol, Zabol, Iran) ,  Asgari Ahmad (Water Engineering Department, Sari Agricultural Sciences and Natural Resources University, Sari, Iran)
資料名： Irrigation and Drainage  (Irrigation and Drainage)
巻： 66  号： 3  ページ： 428-438  発行年： 2017年 
JST資料番号： W1925A  ISSN： 1531-0353  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： 本研究では,地球統計学的手法,サポートベクトルマシン(SVM)と適応ニューロ-ファジィ推論システム(ANFIS)を用いてイランの海岸地域における排水問題を診断に焦点を当てた。地下水位(WD)と品質を種々の時間で25000haの地域に散らばった37浅井戸でモニターした。最良の方法によるpH,ESP,ECとWDのラスタマップを用いて,排水問題を八クラスに分類した。両SVMおよびANFISモデルは地球統計学的モデルと比較してpH,ESP,ECとWDの予測データを著しく改善し,一方SVMは更なる分析のために使用された僅かに良好な結果を提供した。面積の60%以上が前と収穫後期間の地下水位を低下させるために排水を必要とし,一方成長季に,面積の約72%以上が塩分管理のための排水を必要とする。結果に基づいて,流域スケールでの排水問題を同定する詳細な現場調査のための最小時間とデータ要求と投資でコスト効率の高い機械学習モデルで可能であった。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： 予測 ,  サポートベクトルマシン ,  地下水位 ,  *沿岸地区 ,  *機械学習 ,  品質 ,  *排水 ,  塩分 ,  イラン・イスラム共和国 ,  *地球 ,  流域 ,  海岸 ,  *統計模型
準シソーラス用語： 適応ニューロ-ファジィ推論システム ,  *地球統計学 , 【Automatic Indexing@JST】

著者キーワード (10件)： ANFIS ,  地下水位 ,  塩分 ,  SVM ,  湛水 ,  ANFIS ,  部位水souterraines ,  salinite ,  SVM ,  膨潤の

分類 (2件)： 農業土木  (FB02000W) ,  水利用,その他  (RC11030Q)

タイトルに関連する用語 (8件)： 機械学習 ,  地球 ,  統計学的モデル ,  沿岸 ,  地域 ,  排水 ,  問題 ,  診断