文献

J-GLOBAL ID：201702267974681431   整理番号：17A1292981

遅延ニューラルネットワークに基づく多深度土壌含水量予測【JST・京大機械翻訳】

Prediction of soil moisture in multiple depth based on time delay neural network

著者 (4件)： Ji Ronghua (中国農業大学信息与電气工程学院,北京,100083) ,  Li Xin (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)
資料名： Nongye Gongcheng Xuebao  (Nongye Gongcheng Xuebao)
巻： 33  号： z1  ページ： 132-136  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： 圃場における土壌含水量を正確に予測し,異なる深さにおける土壌水分含有量分布を把握するために,土壌含水量の時系列データの非線形特性と隣接深さの土壌水分含有量の間の強い相関関係に基づいて,3層遅延ニューラルネットワークにおける土壌含水量の予測モデルを確立した。6つの異なる深さ(10,20,30,40,50,および70cm)における土壌含水量を予測した。予測モデルの隠れ層のノード数,訓練学習アルゴリズムおよび訓練セットのサンプル量を,試験方法によって決定した。実験結果は以下を示す。隠れ層は10個のノードを用いて,L-M(Levenberg-Marquardt)訓練アルゴリズムを用いて,45%のサンプルセットを訓練サンプルとして,55%をテストサンプルセットとして用いて,予測モデルを予測した。10と20cmの予測相対誤差は7%未満であり,一方,30,40,50と70cmの予測誤差は4.5%未満であった。そのため、遅延神経回路網に基づく多深度土壌含水量予測モデルを利用することで、土壌含水率分布の動的変化規則を把握するために、解決案を提案した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 予測誤差 ,  *含水量 ,  学習アルゴリズム ,  *ニューラルネットワーク ,  神経回路網 ,  *土壌含水量 ,  予測モデル ,  *予測
準シソーラス用語： 相対誤差 ,  試験方法 ,  隠れ層 ,  時系列データ , 【Automatic Indexing@JST】

著者キーワード (7件)： soil moisture ,  forecasting ,  measurements ,  multiple depth ,  time delay artificial neural network ,  training ,  verification

分類 (1件)： 土壌物理  (FB04030R)

タイトルに関連する用語 (5件)： 遅延 ,  ニューラルネットワーク ,  深度 ,  土壌含水量 ,  予測