文献
J-GLOBAL ID:201802233582854093   整理番号:18A0281171

圃場容水量と永久萎ちょう点を予測するためのホタルアルゴリズムに基づくサポートベクトルマシンの応用【Powered by NICT】

Application of firefly algorithm-based support vector machines for prediction of field capacity and permanent wilting point
著者 (8件):
資料名:
巻: 172  ページ: 32-38  発行年: 2017年 
JST資料番号: E0854B  ISSN: 0167-1987  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
土壌圃場容水量(FC)と永久しおれ点(PWP)は多くの生物物理学的モデルと農業活動における重要なパラメータであった。これらのパラメータを直接測定できるが,それらの測定は非常に高価である。本研究の目的は,いくつかの容易に入手可能な土壌特性を利用したFCとPWPを予測するためのホタルアルゴリズム(FFA)技術(SVM FFA)と組み合わせたハイブリッドサポートベクトルマシン(SVM)を開発することであった。データは東アゼルバイジャン州,イランの北西に位置する土壌断面の異なる層位から採取した215の土壌サンプルから構成されている。いくつかの重要なパラメータ,砂,シルト,粘土,バルク密度,および有機物含有量を入力として使用した,一方,土壌FCとPWPは出力パラメータであった。SVM FFA融合手法モデルからの予測は,SVMおよび人工ニューラルネットワーク(ANN)モデルと比較した。モデルの結果は,二乗平均平方根誤差(RMSE),相関係数(CC)と相対二乗平均平方根誤差(RRMSE)に関して比較した。モデルの比較は,PWPのRMSE=2.873%,CC=0.962,FC RRMSE=8.745%及びRMSE=1.935%,CC=0.965,RRMSE=10.619%が試験データセットで得られたSVM FFA融合手法モデルは,訓練データセットにおけるPWPのRMSE=2.402%,CC=0.972,FCとRMSE=1.720%RRMSE=7.677%,CC=0.969,RRMSE=5.512%を用いたSVMとANNモデルより良い予測をしたことを示した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
土壌管理 

前のページに戻る