文献

J-GLOBAL ID：201802226807287555   整理番号：18A1242501

土壌温度推定のための非同調データインテリジェントモデル:新しいアプローチ【JST・京大機械翻訳】

Non-tuned data intelligent model for soil temperature estimation: A new approach

著者 (5件)： Sanikhani Hadi (University of Kurdistan, Agriculture Faculty, Water Eng. Dept., Sanandaj, Iran) ,  Deo Ravinesh C. (University of Southern Queensland, Institute of Agriculture and Environment, International Centre for Applied Climate Sciences, School of Agricultural Computational and Environmental Sciences, QLD 4300, Australia) ,  Yaseen Zaher Mundher (Sustainable Developments in Civil Engineering Research Group, Faculty of Civil Engineering, Ton Duc Thang University, Ho Chi Minh City, Vietnam) ,  Eray Okan (International Black Sea University, Faculty of Computer Technologies and Engineering, Tbilisi, Georgia) ,  Kisi Ozgur (Ilia State University, Faculty of Natural Sciences and Engineering, Tbilisi, Georgia)
資料名： Geoderma  (Geoderma)
巻： 330  ページ： 52-64  発行年： 2018年 
JST資料番号： E0256B  ISSN： 0016-7061  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： 知識ベースの意思決定支援システムにおいて,土壌温度(ST)推定は,地表面と表層土層の間の太陽エネルギー交換の動力学を研究するために使用されるコアモデリング作業と考えられる。さらに,基礎となる土壌へのエネルギー取り込みに対する気象プロセスの影響と,作物の健康と資源管理の改善のためのより弾力的で持続可能な農業システムの設計が必要である。本論文において,様々な土壌深度(すなわち,5,50および100cm)における毎月のST推定を,データ知的機械学習モデル:極端な学習機械(ELM),人工ニューラルネットワーク(ANN)およびM5モデル木(M5木)を適用することによって実行した。予測モデルは,2つのステーション(すなわち,メルシンとAdana,トルコ)からの気象情報を用いて訓練される。モデルは,空気温度(T-空気),風速(W),相対湿度(RH),太陽放射(SR)を含む毎月の入力変数を用いて構築し,一方,目的変数は1986~2010年の5,50および100cm深さでの土壌温度測定である。多目的性能基準を適用して,データ知的モデルの予測精度を診断し,相関係数(R),根平均二乗誤差(RMSE),平均絶対誤差(MAE),WillMott指数(WI),Nash Sutcliffe係数(Nash),およびLegatesとMcCabe指数(LMI)を評価した。テストしたデータセットに基づいて,ELMモデルは,ANNとM5ツリーモデルのより低い性能と比較して,Mersinステーションのために最も正確な性能を生み出した。この場合,最も正確な性能が50cmの深さでST推定に対して得られ,R=0.992,WI=0.999,Nash=0.981,LMI=0.879,相対RMSEとMAE値の最低値(それぞれ4.7と4.0%)が予測変数として得られた。Adanaステーションに対する性能結果は異なる挙動を示し,ELMは5と100cmの深さでのST推定に対するANNとM5ツリーモデルを超えるように見えた。他方では,ANNモデルは,入力組合せの異なるセットで50cmの深さでELMとM5ツリーモデルよりわずかに良く機能する。推定スキルの評価は,対応するベンチマークモデルに対するELMの有効性を明らかにした。本結果に従って,ELMモデルは複数の深さにおける土壌温度推定のための理想的な意思決定支援ツールとして適用でき,一方,気象入力の適切な組み合わせを適用して最適モデルを得ることを確実にした。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： 太陽エネルギー ,  ニューラルネットワーク ,  地表面 ,  気象 ,  資源管理 ,  *地温 ,  風速 ,  予測モデル ,  農作物 ,  太陽放射 ,  持続可能な農業 ,  気温 ,  トルコ共和国
準シソーラス用語： 予測精度 ,  健康 , 【Automatic Indexing@JST】

著者キーワード (6件)： 意思決定支援システム ,  極端学習機械 ,  人工神経回路網 ,  M5モデルツリー ,  農業の精度 ,  土壌温度

分類 (2件)： 土壌学一般  (FB04010V) ,  土壌物理  (FB04030R)

タイトルに関連する用語 (3件)： 土壌温度 ,  推定 ,  同調