文献

J-GLOBAL ID：201702258318000506   整理番号：17A1292980

多値ニューロン複数ニューラルネットワークによる土壌水分の予測【JST・京大機械翻訳】

Prediction of soil moisture based on multilayer neural network with multi-valued neurons

著者 (4件)： Ji Ronghua (中国農業大学信息与電气工程学院,北京,100083) ,  Zhang Shulei (中国農業大学信息与電气工程学院,北京,100083) ,  Zheng Lihua (中国農業大学信息与電气工程学院,北京,100083) ,  Liu Qiuxia (中国農業大学信息与電气工程学院,北京,100083)
資料名： Nongye Gongcheng Xuebao  (Nongye Gongcheng Xuebao)
巻： 33  号： z1  ページ： 126-131  発行年： 2017年 
JST資料番号： C2454A  ISSN： 1002-6819  CODEN： NGOXEO  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： 節水灌漑戦略の制定を指導するため、多値ニューロンに基づく複数の神経回路網(multilayer neural network with ti-valued neurons、MLMVN)を利用した。土壌水分の多段階予測モデルを確立した。まず、平均値法を用いてサンプル中の異常値を置換し、欠損値に対して補足を行い、データ分析により、土壌水分データは非定常的な非線形時系列であることが分かった。次に,土壌水分と環境要因(降雨量,気温と風速)の間の相関分析に基づいて,降雨量を選択することは,重要な環境要因であった。最後に,土壌水分量,降雨量,および目標土壌の状況を複合化して,MLMVN予測モデルをネットワーク入力と期待出力として確立した。結果により、ネットワーク構造が240-15-1200-1のとき、単ステップ予測精度は0.883、循環予測法を用いてステップサイズ72の多段階予測を行い、平均予測精度は0.853で、実数領域誤差逆伝播ニューラルネットワークBPより9.1%向上した。研究により、MLMVNモデルの多段階予測誤差は累積が小さく、予測結果はこの地域の節水灌漑戦略の制定の理論的根拠となることが分かった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  風速 ,  *ニューロン ,  降雨量 ,  神経回路網 ,  データ解析 ,  *ニューラルネットワーク ,  予測モデル ,  *予測 ,  土壌含水量 ,  *土壌水 ,  予測誤差 ,  平均法
準シソーラス用語： 予測精度 ,  環境要因 , 【Automatic Indexing@JST】

著者キーワード (6件)： soils ,  moisture ,  models ,  neural networks ,  multi-valued neurons ,  spring maize

分類 (1件)： 土壌物理  (FB04030R)

タイトルに関連する用語 (5件)： 多値 ,  ニューロン ,  ニューラルネットワーク ,  土壌水分 ,  予測