文献

J-GLOBAL ID：201802230411429190   整理番号：18A2081679

降雨予測のためのアンサンブルEMDに基づくSVR-ANN結合モデル【JST・京大機械翻訳】

A SVR-ANN combined model based on ensemble EMD for rainfall prediction

著者 (5件)： Xiang Yu (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan 611731, China) ,  Gou Ling (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan 611731, China) ,  He Lihua (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan 611731, China) ,  Xia Shoulu (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan 611731, China) ,  Wang Wenyong (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan 611731, China)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 73  ページ： 874-883  発行年： 2018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： 正確でタイムリーな降雨予測は水文モデリングにおいて非常に重要である。近年,様々な予測方法が提案されている。本研究では,中国雲南省のKunming,LincangおよびMengziに位置する気象観測所によって収集された3つの降雨データセットに関するアンサンブル経験モード分解(EEMD)ベース解析を用いて,元の降雨時系列内の短から長時間変動に関する情報を調査した。予測精度と時間効率の両方を考慮して,EEMDで抽出された情報に基づく新しい結合モデルを,本論文で提案した。このモデルは,短期間成分予測のためのサポートベクトル回帰(SVR)を採用する入力データの異なる構成要素のための様々な教師つき学習法を採用し,一方,人工ニューラルネットワーク(ANN)は長周期成分予測のために使用する。著者らの研究は,降雨予測区域において新しい思考を提供する従来の方法より良い性能を示した。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： *結合モデル ,  *予測 ,  *降雨 ,  ニューラルネットワーク ,  長周期 ,  予測技法 ,  測候所 ,  教師つき学習
準シソーラス用語： アンサンブル経験的モード分解 ,  入力データ ,  サポートベクトル回帰 ,  予測精度 ,  モード分解 ,  雲南省 ,  *降雨予測 , 【Automatic Indexing@JST】

著者キーワード (4件)： 降雨予測 ,  時系列 ,  アンサンブル経験的モード分解(EEMD) ,  SVR-ANN結合モデル

分類 (2件)： 局地循環,気流  (DC05090N) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 降雨予測 ,  アンサンブル ,  SVR ,  結合モデル