文献

J-GLOBAL ID：201802236330429534   整理番号：18A1643943

機械的水質モデル予測の多変量バイアス補正【JST・京大機械翻訳】

Multivariate bias corrections of mechanistic water quality model predictions

著者 (2件)： Libera Dominic A. (Department of Civil, Construction and Environmental Engineering, North Carolina State University, Raleigh, NC 27695, United States) ,  Sankarasubramanian A. (Department of Civil, Construction and Environmental Engineering, North Carolina State University, Raleigh, NC 27695, United States)
資料名： Journal of Hydrology  (Journal of Hydrology)
巻： 564  ページ： 529-541  発行年： 2018年 
JST資料番号： C0584A  ISSN： 0022-1694  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： 水質ネットワークは通常,長期にわたる連続時間スケールに関する観測を含まない。気象情報と土地利用を用いる河川流と機構モデルを用いる統計モデルは,連続河川流と栄養記録を開発するために一般的に使用されている。長い気象記録の利用可能性を考えると,機構モデルは連続的水質記録を開発する可能性があるが,このような予測は河川流量と水質構成要素の両方に関する系統的なバイアスを受ける。本研究は正準相関解析(CCA)に基づく多変量バイアス補正法を提案する。多変量多重回帰に基づく次元縮小法は,相互相関を保存することにより,流れと負荷の両方におけるバイアスを同時に低減する。南アメリカからの3つの選択された流域に対する降水量と温度を強制したSWATモデルから系統的なバイアスを除去する際に,CCAの性能を線形回帰(LR)と比較した。最初に,水質ネットワーク(WQN)データセットから観測された河川流量と全窒素(TN)負荷を予測することにおけるSWATモデル出力におけるバイアスの除去において,CCAとLRの性能を比較した。また,CCAとLRに対する予測を予測したLOADESTモデルを考慮することにより,毎日および毎月の時間スケールでのSWATモデル予測におけるバイアスの除去におけるCCAの可能性を評価した。観測されたデータセットによるCCAの評価と毎日と河川流量の時間スケールは,提案した多変量技術が河川流量と負荷の間の相互相関におけるバイアスを減少させるだけでなく,観測された河川流量と負荷を推定する結合確率を改善することを示した。水質予測と管理における提案したバイアス補正技術CCAの潜在的意味についても議論した。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： 統計模型 ,  ネットワーク ,  *バイアス ,  気象 ,  土地利用 ,  河川流 ,  降水量 ,  多重回帰分析 ,  *予測 ,  *水質 ,  流域 ,  南アメリカ
準シソーラス用語： 河川流量 ,  *バイアス補正 ,  *多変量 , 【Automatic Indexing@JST】

著者キーワード (4件)： 多変数 ,  バイアス補正 ,  機構モデル ,  水質モデリング

分類 (1件)： 水文学一般  (DC07010R)

タイトルに関連する用語 (4件)： 水質モデル ,  予測 ,  多変量 ,  バイアス補正