文献

J-GLOBAL ID：201802252202426985   整理番号：18A1811762

中緯度における電離層全電子含有量予報問題のためのランダムフォレスト,サポートベクトル回帰および勾配ブースティング法【JST・京大機械翻訳】

Random Forest, Support Vector Regression and Gradient Boosting Methods for Ionosphere Total Electron Content Nowcasting Problem at Mid-Latitudes

著者 (4件)： Zhukov Aleksei (Institute of Solar and Terrestrial Physics of Russian Academy of Sciences, Irkutsk, Russia) ,  Sidorov Denis (Institute of Solar and Terrestrial Physics of Russian Academy of Sciences, Irkutsk, Russia) ,  Mylnikova Anna (Institute of Solar and Terrestrial Physics of Russian Academy of Sciences, Irkutsk, Russia) ,  Yasyukevich Yury (Institute of Solar and Terrestrial Physics of Russian Academy of Sciences, Irkutsk, Russia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： URSI AT-RASC  ページ： 1-3  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,電離層全電子量(TEC)予測のためのデータ駆動機械学習手法を説明した。著者らは,ランダムフォレスト,サポートベクトル回帰,および勾配ブースティングのような異なる方法を用いて,高精度(従来のナイーブおよび線形モデルより高い)を達成した。提案した手法は最も重要なパラメータを決定することを可能にした。このアプローチは,電流TEC,TECの最初の時間微分,局所時間LTからの余弦,電流F10.7とSYM/H指数,TECの指数移動平均(12,24,96時間周期),12時間遅れ,2日と15日遅れたF10.7が垂直TEC4時間nowキャスティングモデルのための重要な特徴であることを明らかにした。実験データとして,垂直絶対TECを用いた。データの時間分解能は30分である。2014年に,中間緯度観測所IRKJ(52N,104E)により,初期相とpsueduオレンジ slant TECを記録した。全てのモデルを評価し,試験結果を比較した。機械学習に基づくモデルは,小さなRMSE3TECUを達成することを可能にし,有意な特徴に基づく線形回帰モデルは4.5TECUにおける結果をもたらし,一方,ナイーブモデルは巨大RMSEをもたらす。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： オレンジ ,  予測 ,  電流 ,  機械学習 ,  *電離層 ,  鋳造 ,  時間分解能 ,  *中緯度 ,  *緯度
準シソーラス用語： 高精度 ,  データ駆動 ,  全電子数 ,  *ブースティング ,  *サポートベクトル回帰 ,  *ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (9件)： 中緯度 ,  電離層 ,  電子 ,  含有量 ,  予報 ,  問題 ,  ランダムフォレスト ,  サポートベクトル回帰 ,  勾配ブースティング