文献

J-GLOBAL ID：201802249393198902   整理番号：18A0873779

GRNNとElmanニューラルネットワークの水中溶存酸素予測への応用【JST・京大機械翻訳】

著者 (4件)： Shi Pei (中国水産科学研究院淡水漁業研究中心/農業部淡水漁業和種質資源利用重点実験室,江蘇无錫,214081) ,  Yuan Yongming (中国水産科学研究院淡水漁業研究中心/農業部淡水漁業和種質資源利用重点実験室,江蘇无錫,214081) ,  Zhang Hongyan (中国水産科学研究院淡水漁業研究中心/農業部淡水漁業和種質資源利用重点実験室,江蘇无錫,214081) ,  He Yanhui (中国水産科学研究院淡水漁業研究中心/農業部淡水漁業和種質資源利用重点実験室,江蘇无錫,214081)
資料名： Jiangsu Nongye Kexue  (Jiangsu Nongye Kexue)
巻： 45  号： 23  ページ： 217-221  発行年： 2017年 
JST資料番号： C3714A  ISSN： 1002-1302  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 池の溶存酸素濃度に対する多くの因子の影響の複雑性のため、広義回帰ネットワーク(generalregressionneuralnetwork)に基づく。GRNN,Elmanニューラルネットワーク,およびBP(backpropagation)ニューラルネットワークアルゴリズムを,溶存酸素の予測モデルを構築し,水産養殖池の溶存酸素の予測に適用した。池の溶存酸素濃度の長期予測の効果的な方法を見つける。研究結果により、GRNNとElmanニューラルネットワークモデルのフィッティング効果はBPNN(backpropagationneuralnetwork)のフィッティング効果より良く、しかも比較的高い予測精度があり、平均相対誤差はそれぞれ7.48%、11.03%であった。同時に、GRNNとElmanネットワークモデルのアルゴリズムは安定し、計算複雑性が低いため、2つのモデルは溶存酸素濃度の予測に適し、一定の応用価値があり、水産養殖管理に根拠を提供できる。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 予測モデル ,  *予測 ,  *ネットワーク ,  *溶存酸素 ,  計算量 ,  モデル ,  養殖 ,  長期予測 ,  アルゴリズム
準シソーラス用語： ネットワークモデル ,  相対誤差 ,  予測精度 ,  複雑性 ,  溶存酸素濃度 ,  *Elmanニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： Elmanニューラルネットワーク ,  水中 ,  溶存酸素 ,  予測 ,  応用