文献

J-GLOBAL ID：201802210464237364   整理番号：18A1996794

融雪流出モデル(SRM)の時変パラメータを校正するための進行分割最適化アルゴリズム【JST・京大機械翻訳】

A progressive segmented optimization algorithm for calibrating time-variant parameters of the snowmelt runoff model (SRM)

著者 (10件)： Xie Shunping (School of Geography and Ocean Science, Nanjing University, Nanjing, China) ,  Xie Shunping (Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing, China) ,  Du Jinkang (School of Geography and Ocean Science, Nanjing University, Nanjing, China) ,  Du Jinkang (Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing, China) ,  Zhou Xiaobing (Department of Geophysical Engineering, Montana Tech of The University of Montana, Butte, MT 59701, USA) ,  Zhang Xueliang (School of Geography and Ocean Science, Nanjing University, Nanjing, China) ,  Feng Xuezhi (School of Geography and Ocean Science, Nanjing University, Nanjing, China) ,  Zheng Wenlong (School of Geography and Ocean Science, Nanjing University, Nanjing, China) ,  Li Zhiguang (School of Geography and Ocean Science, Nanjing University, Nanjing, China) ,  Xu Chong-Yu (Department of Geosciences, University of Oslo, PO Box 1047 Blindern, N-0316 Oslo, Norway)
資料名： Journal of Hydrology  (Journal of Hydrology)
巻： 566  ページ： 470-483  発行年： 2018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： 水文モデルのパラメータの時間的変動性を捉えるために,セグメント化最適化アルゴリズム(SOA)を通常用いて,同じサブ期間における測定データと推定データに基づいて目的関数を最適化することにより,各サブ期間に対するキャリブレーション期間を細分化した。本論文において,著者らは,進行性セグメント化最適化アルゴリズム(PSOA)と呼ばれる新しい方法を開発した。それは,現在とすべての前のサブ期間の両方に基づく目的関数を最適化することによって,最適パラメータを探索した。著者らは,2001~2012年の融雪期に,中国北西部のManasi川流域に対する融雪河川流のシミュレーションにおいて,SOAとPSOAアルゴリズムを融雪流出モデル(SRM)に適用し,比較した。研究は以下を示した。(1)PSOAは,パラメータ次元の有意な増加によって引き起こされる非常に多くの計算時間を避けながら,時間変化モデルパラメータを効果的に較正することができる。(2)PSOAは単一融雪期と多重融雪期シミュレーションの両方に対してSOAよりも優れている。(3)単一融雪期シミュレーションにおいて,サブ期間の長さはモデル性能に明らかな影響を及ぼし,サブ期間が短いほど,モデルがPSOA法を用いて較正されると,モデル性能はより良くなる。(4)多重融雪期シミュレーションに対して,過剰短期間は,目的関数としてNash-Sutcliffe効率(NSE)を取る状況のようないくつかの事例において過剰適合問題を引き起こす可能性がある。評価基準の間のトレードオフ,較正と検証の重要性の間のトレードオフとして,サブ期間と目的関数の妥協した長さを選択しなければならない。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 流域 ,  多重化 ,  *パラメータ ,  *最適化 ,  シミュレーション ,  評価基準 ,  河川 ,  経時変化 ,  目的関数 ,  *流出モデル ,  セグメンテーション ,  河川流 ,  *融雪
準シソーラス用語： モデルパラメータ ,  融雪期 , 【Automatic Indexing@JST】

著者キーワード (5件)： モデル較正 ,  順次分割最適化法 ,  融雪流出モデル ,  時変パラメータ ,  Manasi川流域

分類 (2件)： 流出解析  (DC07030N) ,  水文学一般  (DC07010R)

タイトルに関連する用語 (5件)： モデル ,  SRM ,  時変パラメータ ,  校正 ,  最適化アルゴリズム