文献

J-GLOBAL ID：201702259055243144   整理番号：17A0412260

熱帯デルタ土壌の評価土壌水保留における統計的回帰とデータマイニング技術の比較【Powered by NICT】

Comparison of statistical regression and data-mining techniques in estimating soil water retention of tropical delta soils

著者 (9件)： Nguyen Phuong M. (Department of Soil Management - Ghent University, Coupure Links 653, 9000, Ghent, Belgium) ,  Nguyen Phuong M. (Department of Soil Science, Can Tho University, 3/2 Street, Ninh Kieu District, Can Tho City, Viet Nam) ,  Haghverdi Amir (Department of Environmental Sciences, University of California-Riverside, Riverside, CA, 92521, USA) ,  de Pue Jan (Department of Soil Management - Ghent University, Coupure Links 653, 9000, Ghent, Belgium) ,  Botula Yves-Dady (Department of Natural Resources Management - University of Kinshasa, Democratic Republic of the Congo) ,  Le Khoa V. (Department of Soil Science, Can Tho University, 3/2 Street, Ninh Kieu District, Can Tho City, Viet Nam) ,  Le Khoa V. (Department of Scientific Affairs, Can Tho University, 3/2 Street, Ninh Kieu District, Can Tho City, Viet Nam) ,  Waegeman Willem (Department of Mathematical Modelling, Statistics and Bioinformatics - Ghent University, Coupure Links 653, 9000, Ghent, Belgium) ,  Cornelis Wim M. (Department of Soil Management - Ghent University, Coupure Links 653, 9000, Ghent, Belgium)
資料名： Biosystems Engineering  (Biosystems Engineering)
巻： 153  ページ： 12-27  発行年： 2017年 
JST資料番号： E0030A  ISSN： 1537-5110  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 多数の研究は,土壌伝達関数(PTF)を開発し,評価するためになされてきたが,いくつかの疑問は,特にほとんど注目を受けた熱帯デルタ土壌に関連するされていない。そのような問題の1つが基本的な土壌特性と土壌水分保持特性(SWRC)間の最適構造依存性,種々の回帰法による定式化に関連している。データマイニング技術は,統計的線形回帰よりもより正確なSWRC PTFsを提供すると仮定される。しかし,データマイニング技法は高度にデータの大変な技術と判明することが多い。本研究の目的は,多重線形回帰(MLR),人工神経回路網(ANN),サポートベクトルマシンのための回帰(SVR),k最近傍(kNN)法によって育成された点PTFと擬似連続(PC)PTFの予測能力を比較することにより,限られたデータセット熱帯デルタ土壌のという仮説を検証することであった。結果は,データマイニング技法(すなわちANN,SVR,kNN)から誘導された点PTFはいくつかのマトリックポテンシャルでの土壌水含有量の正確で信頼性のある推定を提供することを示した。PC PTFsの場合,ANNとkNNモデルは検証段階(ANNとkNN PTFsのRMSEは約0.05m~3m~ 3であったが,SVR PTFとMLR PTFsのそれは0.068と0.066m~3m~ 3まで上昇)におけるSVRとMLR PTFより優れていた。著者らの知見は,土壌と水の複雑なシステムのモデル化におけるデータマイニングアプローチの優位性を確認し,限られたデータセットが利用可能である。擬似連続様式でSWRCを推定に拘束されているが,ノンパラメトリックkNN法はその柔軟性,単純性,精度と容量の新しい観測を付加するために大きな利点を有している。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： サポートベクトルマシン ,  *データマイニング ,  *土壌水 ,  柔軟性 ,  モデリング ,  ノンパラメトリック法 ,  含水量 ,  *熱帯
準シソーラス用語： k最近接法 ,  マトリックポテンシャル ,  予測能力 ,  多重線形回帰 ,  線形回帰 ,  土壌伝達関数 ,  *データマイニング技術 , 【Automatic Indexing@JST】

著者キーワード (6件)： ペドトランスファー関数 ,  熱帯デルタ土壌 ,  サポートベクトルマシン ,  k-最近傍 ,  多重線形回帰 ,  人工ニューラルネットワーク

分類 (3件)： 土壌管理  (FB04070J) ,  土壌物理  (FB04030R) ,  土壌汚染  (FB04100T)

タイトルに関連する用語 (7件)： 熱帯 ,  デルタ ,  土壌 ,  評価 ,  土壌水 ,  統計 ,  データマイニング技術