文献

J-GLOBAL ID：201802211985514194   整理番号：18A1964903

BP人工ニューラルネットワークの水性評価への応用【JST・京大機械翻訳】

Application of back propagation artificial neural network in water abundance evaluation

著者 (5件)： Li Zhe (中国鉱業大学(北京) 国家煤鉱水害防治工程技術研究中心,北京,100083) ,  Ceng Yifan (中国鉱業大学(北京) 国家煤鉱水害防治工程技術研究中心,北京 100083;武漢長盛煤安科技有限公司,湖北 武漢 430000) ,  Liu Shouqiang (中国鉱業大学(北京) 国家煤鉱水害防治工程技術研究中心,北京,100083) ,  Gong Houjian (中国鉱業大学(北京) 国家煤鉱水害防治工程技術研究中心,北京,100083) ,  Niu Pengkun (中国鉱業大学(北京) 国家煤鉱水害防治工程技術研究中心,北京,100083)
資料名： Meitan Gongcheng  (Meitan Gongcheng)
巻： 50  号： 8  ページ： 114-118  発行年： 2018年 
JST資料番号： C3407A  ISSN： 1671-0959  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： 研究区域の帯水層に対して水の豊富な評価を行い、そして評価結果の水文孔への依存度を軽減するため、地質と水文地質資料の分析を通じて、四つの水の豊富な水の支配要素を確定し、それぞれ帯水層の厚さ、コアの採取率、脆性岩の厚さ比と風化の影響指数である。自己学習と非線形のマッピング能力を有するBP人工神経回路網を導入し、25組の数量化、正規化処理の主制御要素データをネットワーク学習サンプルとし、実測単位の湧水量を予測目標とし、反復訓練により学習する。主制御要素から単位湧水量マッピング関係の正確なシミュレーションを実現した。最後に、訓練したニューラルネットワークを用いて研究区の水の予測を行い、感度分析方法を導入し、予測結果の主制御要素に対する敏感性を分析した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 帯水層 ,  *ネットワーク ,  地質 ,  脆性 ,  正規化 ,  予測 ,  水文地質 ,  岩石 ,  *ニューラルネットワーク ,  感度解析
準シソーラス用語： 敏感性 ,  湧水量 ,  自己学習 , 【Automatic Indexing@JST】

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 (4件)： BP ,  人工ニューラルネットワーク ,  評価 ,  応用