文献
J-GLOBAL ID:201802249767112812   整理番号:18A1713520

溶存酸素予測のための最適化BPニューラルネットワーク【JST・京大機械翻訳】

Optimized BP neural network for Dissolved Oxygen prediction
著者 (7件):
資料名:
巻: 51  号: 17  ページ: 596-601  発行年: 2018年 
JST資料番号: W3101A  ISSN: 2405-8963  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。
水質予測のための従来のニューラルネットワーク法の低い精度,遅い収束性および貧弱なロバスト性問題を解決するために,溶解酸素含有量予測の新しいモデルをスライディングウィンドウに基づいて提案して,水品質における溶存酸素含有量予測モデルを,スライディングウィンドウを通して溶存酸素含有量データを扱い,BPニューラルネットワークパラメータを得るために粒子群最適化アルゴリズムを使用することによって確立した。このモデルを,2017年7月25日,2017年12月5日のXilin Gol Leagueにおける地域地下水のオンライン監視による溶存酸素の予測分析に適用した。実験結果は,モデルにはより良い予測効果があり,スライディングウィンドウに基づくBPニューラルネットワークを最適化するための平均二乗誤差(MSE),二乗平均誤差(RMSE),PSOアルゴリズムの平均絶対誤差(MAE)値は,それぞれ0.437%と6.611%,0,251%であり,それは個々に,スライディングウィンドウ,PSO,およびBPニューラルネットワークを用いる単一予測法より良い。最適化BPニューラルネットワークは,速い収束速度と高い予測精度を持つだけでなく,水汚染制御と水管理のための意思決定基礎を提供する。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:
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
太陽エネルギー 
タイトルに関連する用語 (4件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る