文献

J-GLOBAL ID：201702279654169427   整理番号：17A1285923

ラフ集合に基づくRBFニューラルネットワークにおける村の洪水災害予測の研究は,神農架林を例として取り上げた。【JST・京大機械翻訳】

Mountain Torrent Disaster Loss Prediction Research Based onRSs and RBF Neural Network:A Case Study on Shennongjia

著者 (3件)： Li Yichen (武漢大学 土木建筑工程学院,湖北 武漢,430072) ,  He Yabo (武漢大学 土木建筑工程学院,湖北 武漢,430072) ,  Wang Yang (武漢大学 土木建筑工程学院,湖北 武漢,430072)
資料名： Zaihaixue  (Zaihaixue)
巻： 32  号： 2  ページ： 227-236  発行年： 2017年 
JST資料番号： C2746A  ISSN： 1000-811X  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： 研究対象として神農架林地区を取り上げ,災害要因,災害環境,災害因子,および地域災害能力の4つの観点から,洪水災害予測因子を選択し,ラフ集合を用いて予測因子を減少させ,予測モデルの入力指数を最適化した。災害の損失メカニズムの複雑さと不確実性のために,RBFニューラルネットワークモデルを選択して,災害損失を予測した。結果により、ラフ集合理論方法は、洪水災害に密接に関連する予測因子を効果的に判別でき、モデルの災害損失に対する予測精度を著しく向上させることができることが分かった。ラフ集合に基づくRBFニューラルネットワークモデルは,洪水災害の損失に対して良い適合性を持ち,予測精度は高く,相対誤差は3%程度に保たれ,改良モデルは高い実用的価値を持っている。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 予測モデル ,  *水害 ,  最適化 ,  *ラフ集合 ,  *予測 ,  不確実性 ,  適応性 ,  モデル ,  *集落
準シソーラス用語： 相対誤差 ,  予測精度 ,  ラフ集合論 ,  予測因子 ,  *動径基底関数ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： mountain torrent disasters ,  loss forecasting ,  rough sets ,  RBF Neutral Network

分類 (1件)： ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (6件)： ラフ集合 ,  RBFニューラルネットワーク ,  村 ,  洪水災害 ,  予測 ,  研究