文献

J-GLOBAL ID：201702258453800646   整理番号：17A0442996

限られたデータを用いた流域における流量予測のための完全オンラインニューロファジィモデル【Powered by NICT】

A fully-online Neuro-Fuzzy model for flow forecasting in basins with limited data

著者 (6件)： Ashrafi Mohammad (School of Civil and Environmental Engineering, Nanyang Technological University, 50 Nanyang Avenue, Singapore 639798, Singapore) ,  Chua Lloyd Hock Chye (School of Civil and Environmental Engineering, Nanyang Technological University, 50 Nanyang Avenue, Singapore 639798, Singapore) ,  Chua Lloyd Hock Chye (Current affiliation: School of Engineering, Faculty of Science Engineering & Built Environment, Deakin University, Locked Bag 20000, Geelong, Victoria 3220, Australia) ,  Quek Chai (Computational Intelligence Laboratory, School of Computer Science and Engineering, Nanyang Technological University, 50 Nanyang Avenue, Singapore 639798, Singapore) ,  Qin Xiaosheng (School of Civil and Environmental Engineering, Nanyang Technological University, 50 Nanyang Avenue, Singapore 639798, Singapore) ,  Qin Xiaosheng (Environmental Process Modelling Centre (EPMC), Nanyang Environment and Water Research Institute (NEWRI), Nanyang Technological University, 1 Cleantech Loop, Singapore 637141, Singapore)
資料名： Journal of Hydrology  (Journal of Hydrology)
巻： 545  ページ： 424-435  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： DENFIS(動的進化ニューラルファジィ推論システム)のような現在の最新のオンラインニューロファジィモデル(NFM)は流出予測のための使用されてきた。オンラインNFMは局所学習アプローチを採用し,変化に連続的に適応させることができた。DENFISモデルは正規化のための上下界を必要とし,また,ルールの数は単調に増加した。この要求は限られたデータをもつ流域での利用に不適切なモデルを,事前データが必要である。電流オンラインモデルのこの及び他の欠点を解決するために,一般的自己進化Takagi-Sugeno-Kang(GSETSK)は,限定されたデータをもつ流域における予測応用のための本研究で採用した。GSETSKは最も最近のデータに基づいてその構造とパラメータを更新する完全にオンラインNFMである。モデルは,歴史的データの必要性を必要とせず,コンパクトで最新のルールベースを生成するためにクラスタリングとルール枝刈り技法を採用した。GSETSKは二予測応用,降雨-流出(スウェーデンにおける流域)と河川ルーティング(メコン川下)予測に使用した。これら二つの応用の各々は,二種のシナリオの下で研究した(i)は,以前のデータではなく,(ii)データは限られている利用可能な(1年メコン川のためのスウェーデン流域と1シーズン)。スウェーデン流域のために,GSETSKモデル結果は,較正HBV(H ydrologiska Byrans Vattenblansavdelning)モデルから得られる結果と比較した。メコン川流域を対象に,GSETSK結果はURBS(UnifiedRiverBasinシミュレータ)モデルと比較した。両比較はGSETSKからの結果は,物理ベースモデル,歴史的データを用いてキャリブレーションしたが同等であることを示した。GSETSKはHBVまたはURBSと比較して非常に限られたデータセットを用いて訓練したにもかかわらず,類似の結果が達成された。同様に,DENFISとGSETSK間のさらなる比較とRBF(動径基底関数)モデルを,よりコンパクトな,最新のより容易に解釈できるようにルールベース(不透明RBF(動径基底関数)と比較して)を有するとしてGSETSKのさらなる利点を明らかにした。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： 正規化 ,  スウェーデン王国 ,  流量 ,  シミュレータ ,  電流 ,  河川 ,  動径基底関数 ,  ルールベース ,  経路選定 ,  学習 ,  降雨 ,  *流域
準シソーラス用語： Mekong川 ,  *オンライン , 【Automatic Indexing@JST】

著者キーワード (5件)： 流出予測 ,  オンライン ,  ニューロファジィモデル ,  自己進行Takagi-Sugeno-Kang ,  メコン川

分類 (1件)： 流出解析  (DC07030N)

タイトルに関連する用語 (3件)： 流域 ,  流量 ,  予測