文献

J-GLOBAL ID：201802225843162185   整理番号：18A0069864

極端学習適応ニューロ-ファジィ推論システム(ELANFIS)を用いた制御因子と地すべり変位の予測【Powered by NICT】

Prediction of landslide displacement with controlling factors using extreme learning adaptive neuro-fuzzy inference system (ELANFIS)

著者 (3件)： KV Shihabudheen (Department of Electrical Engineering, Indian Institute of Technology Roorkee, India) ,  Pillai G.N. (Department of Electrical Engineering, Indian Institute of Technology Roorkee, India) ,  Peethambaran Bipin (Department of Earth Science, Indian Institute of Technology Roorkee, India)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 61  ページ： 892-904  発行年： 2017年 
JST資料番号： W2175A  ISSN： 1568-4946  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： 地すべりは生命と財産に対して深刻な脅威を与える主要な環境災害である。斜面崩壊は外部因子によって引き起こされる有害な固有の地質学的条件によるものであった。階段状地すべりの変位の予測のための新しい方法を提案し,その制御因子を考慮した経験的モード分解(EMD)法を用いて最近提案された極端学習適応ニューロ-ファジィ推論システム(ELANFIS)を用いた。ELANFISは,極端学習機械(ELM)の理論的アイデアを組み込むことによって,従来のANFISの計算複雑性を低減した。降雨データと貯水位標高データも研究に統合した。非線形元地すべり変位の時系列,降雨データ,貯水位標高データは最初の固有モード関数(IMF)と1残基の限られた数に変換した。分解変位データは,適切なELANFISモデルを用いて予測した。最終予測はすべてのELANFISサブモデルの出力の関数とした。手法を提案しの性能は予測BaishuiheとShiliushubao地すべりについて試験した。結果は,EMDモデルとELANFISは汎化性能の点で他の方法より優れていることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *予測 ,  *制御系要素 ,  計算量 ,  地質学 ,  汎化 ,  *地滑り ,  斜面崩壊 ,  降雨 ,  *学習
準シソーラス用語： 固有モード関数 ,  標高データ ,  貯水位 ,  極度学習機械 ,  経験的モード分解 ,  *適応ニューロ-ファジィ推論システム , 【Automatic Indexing@JST】

著者キーワード (4件)： ニューロファジィシステム ,  極端学習機械(ELM) ,  経験的モード分解 ,  地すべり変位

分類 (5件)： 生体計測  (EL03020C) ,  干渉測定と干渉計  (BD07070G) ,  地震活動  (DC03030L) ,  建築物の耐震,免震,制震,防振  (RB01035P) ,  レーザの応用  (BD04100V)

タイトルに関連する用語 (6件)： 学習 ,  適応ニューロ-ファジィ推論システム ,  制御因子 ,  地すべり ,  変位 ,  予測