文献

J-GLOBAL ID：201802272917293325   整理番号：18A1345038

GISを用いた降雨によって誘発された浅い地滑りの空間予測のためのインスタンスに基づく学習分類器と回転森林アンサンブルに基づく新しいハイブリッド手法【JST・京大機械翻訳】

A Novel Hybrid Approach Based on Instance Based Learning Classifier and Rotation Forest Ensemble for Spatial Prediction of Rainfall-Induced Shallow Landslides using GIS

著者 (6件)： Nguyen Quang-Khanh (Faculty of Information Technology, Hanoi University of Mining and Geology, Duc Thang, Bac Tu Liem, Hanoi 100000, Vietnam) ,  Bui Dieu Tien (Geographic Information System Group, Department of Business and IT, University College of Southeast Norway, Gullbringvegen 36, Bo i Telemark N-3800, Norway) ,  Hoang Nhat-Duc (Faculty of Civil Engineering, Institute of Research and Development, Duy Tan University, P809-K7/25 Quang Trung, Danang 556361, Vietnam) ,  Trinh Phan Trong (Institute of Geological Sciences, Vietnam Academy of Sciences and Technology (VASC), 84 Chua Lang Street, Dong da, Hanoi 100000, Vietnam) ,  Nguyen Viet-Ha (Faculty of Geomatics and Land Administration, Hanoi University of Mining and Geology, Duc Thang, Bac Tu Liem, Hanoi 100000, Vietnam) ,  Yilmaz Isik (Department of Geological Engineering, Faculty of Engineering, Cumhuriyet University, Sivas 58140, Turkey)
資料名： Sustainability (Web)  (Sustainability (Web))
巻： 9  号： 5  ページ： 813  発行年： 2017年 
JST資料番号： U7281A  ISSN： 2071-1050  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本研究では,降雨による浅い地すべりのモデリングのための新しいハイブリッド機械学習手法を提案した。提案した手法は,瞬間ベース学習アルゴリズム(k-NN)と回転フォレスト(RF)の組合せであり,地滑りモデリングのためにほとんど探求されていない最新の機械技術の状態である。事例研究として,Lang Son都市域(ベトナム)を選択した。この目的のために,研究地域のための空間データベースを構築し,次にハイブリッドモデルを構築し評価するために使用した。モデルの性能を,受信者動作特性(ROC),ROC曲線下面積(AUC),成功率と予測率,およびいくつかの統計的評価計量を用いて評価した。結果は,モデルが訓練データ(AUC=0.948)と検証データ(AUC=0.848)の両方で高い性能を持つことを示した。これらの結果をソフトコンピューティング技術,すなわちランダムフォレスト,J48決定ツリー,および多層パーセプトロンニューラルネットワークから得られたものと比較した。全体として,提案したモデルの性能は,上記の方法から得たものより良かった。したがって,提案したモデルは地滑りモデリングのための有望なツールである。研究結果は,地滑り傾向区域における土地利用計画と管理のために非常に役に立つことができた。Copyright 2018 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *降雨 ,  *学習 ,  *予測 ,  *地滑り ,  モデリング ,  ディシジョンツリー ,  都市域 ,  ベトナム社会主義共和国 ,  事例研究 ,  機械学習 ,  学習アルゴリズム
準シソーラス用語： 訓練データ ,  ソフトコンピューティング ,  ハイブリッドモデル ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (6件)： 地すべり ,  分類器アンサンブル ,  インスタンスベース学習 ,  回転森林 ,  GIS ,  ベトナム

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (99件)：

• Elliott, C.S.; Paula, L.G. National Landslide Hazards Mitigation Strategy-A Framework for Loss Reduction; U.S. Geological Survey: Reston, VA, USA, 2005; p. 64. United Nations. International Strategy for Disaster Reduction: LIVING with Risk: A Global Review of Disaster Reduction Initiatives; United Nations Publications: New York, NY, USA, 2004; Volume 1.
• Tien Bui, D.; Tuan, T.A.; Klempe, H.; Pradhan, B.; Revhaug, I. Spatial prediction models for shallow landslide hazards: A comparative assessment of the efficacy of support vector machines, artificial neural networks, kernel logistic regression, and logistic model tree. Landslides 2016, 13, 361-378.
• Hong, H.; Pradhan, B.; Xu, C.; Tien Bui, D. Spatial prediction of landslide hazard at the yihuang area (China) using two-class kernel logistic regression, alternating decision tree and support vector machines. Catena 2015, 133, 266-281.
• Althuwaynee, O.F.; Pradhan, B.; Lee, S. A novel integrated model for assessing landslide susceptibility mapping using chaid and ahp pair-wise comparison. Int. J. Remote Sens. 2016, 37, 1190-1209.
• Dou, J.; Tien Bui, D.; Yunus, A.P.; Jia, K.; Song, X.; Revhaug, I.; Xia, H.; Zhu, Z. Optimization of causative factors for landslide susceptibility evaluation using remote sensing and gis data in parts of niigata, Japan. PLoS ONE 2015, 10, e0133262.

タイトルに関連する用語 (11件)： GIS ,  降雨 ,  誘発 ,  地滑り ,  予測 ,  インスタンス ,  学習 ,  分類器 ,  森林 ,  アンサンブル ,  手法