文献

J-GLOBAL ID：201802216233778005   整理番号：18A1426630

ニューラルネットワークとニューラルクリギングを用いた日本,葛根田地熱地帯の比抵抗に基づく温度推定【JST・京大機械翻訳】

Resistivity-Based Temperature Estimation of the Kakkonda Geothermal Field, Japan, Using a Neural Network and Neural Kriging

著者 (6件)： Ishitsuka Kazuya (Division of Sustainable Resources Engineering, Hokkaido University, Sapporo, Japan) ,  Mogi Toru (Division of Sustainable Resources Engineering, Hokkaido University, Sapporo, Japan) ,  Sugano Kotaro (Hokkaido Electric Power Co., Inc., Sapporo, Japan) ,  Yamaya Yusuke (Renewable Energy Research Center, National Institute of Advanced Industrial Science and Technology, Koriyama, Japan) ,  Uchida Toshihiro (Geological Survey of Japan, National Institute of Advanced Industrial Science and Technology, Tsukuba, Japan) ,  Kajiwara Tatsuya (Geothermal Engineering Co., Ltd., Takizawa, Japan)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 15  号： 8  ページ： 1154-1158  発行年： 2018年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ニューラルネットワークを抵抗率データに基づくフィールドスケールの温度推定に用いることに成功した。この方法は限られた数の温度データによる地球物理学的データに基づいて温度分布を推定できるが,温度測定から距離が増加すると推定精度が低下することも示されている。本レターでは,推定温度の精度を改善するための抵抗ベースのニューラルクリギングアプローチを開発した。このレターにおけるニューラルクリギング法は温度データのバリオグラムを組み込み,温度の空間分布を制約した。交差検証試験を用いて,標準ニューラルネットワークアプローチの精度とニューラルクリギングアプローチを調べた。神経クリギングを用いた場合,推定誤差とバリオグラム誤差はそれぞれ6%~87%と191%~285%減少した。また,改良は坑井から離れた地域で有意であった。推定温度のパターンは基礎地質と一致し,以前の研究と一致した。提案した方法は,他の物理的パラメータ分布を推定するための他のタイプの地球物理学的データを組み込むことができる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 空間分布 ,  *ニューラルネットワーク ,  *クリギング ,  地球物理学 ,  *電気抵抗率 ,  温度分布 ,  温度測定 ,  地質 ,  *日本 ,  坑井
準シソーラス用語： 推定誤差 ,  神経 ,  検証試験 ,  バリオグラム ,  推定精度 , 【Automatic Indexing@JST】

分類 (3件)： 移動通信  (ND08030H) ,  自然語処理  (JE06000L) ,  信号理論  (ND02020G)

タイトルに関連する用語 (5件)： ニューラルネットワーク ,  日本 ,  葛根田地熱地帯 ,  比抵抗 ,  推定