文献

J-GLOBAL ID：201802276713325904   整理番号：18A0407947

ランダムフォレストに基づく水ブルーム警報モデル【Powered by NICT】

Water bloom warning model based on random forest

著者 (2件)： Liu Yunxiang (School of Computer Science and Information Engineering, Shanghai Institute of Technology, Shanghai, China) ,  Wu Hao (School of Computer Science and Information Engineering, Shanghai Institute of Technology, Shanghai, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIIBMS  ページ： 45-48  発行年： 2017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： ランダムフォレスト分類アルゴリズムに基づいて,水の華の警報モデルを提案した。収集されたデータを用いて,水質を選択,影響因子としてのクロロフィルa(Chl a),温度(T),pH,窒素とリン比(TN:TP),化学的酸素要求量(COD),全窒素(TN),全リン(TP),溶存酸素光(E)などのような,それらを用いた気象要因は水ブルームの警報モデルを確立した。またニューラルネットワークモデルとSVMモデルの予測精度と比較した。結果はアオコ警報モデルは確率的森林分類アルゴリズムを用いて構築し,予測精度は他のアルゴリズムよりも僅かに高いことを示した。またランダムフォレストアルゴリズムは高いロバスト性,中国の特性を持ち,強い実用性,良好な性能が効果的に水ブルーム早期警報を行うことができる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  窒素 ,  ロバスト性 ,  水質 ,  溶存酸素 ,  COD【水質】 ,  *ブルーム ,  Microcystis ,  *警報 ,  中華人民共和国
準シソーラス用語： 予測精度 ,  全リン ,  全窒素 ,  分類アルゴリズム ,  *ランダムフォレスト , 【Automatic Indexing@JST】

分類 (5件)： 河川汚濁  (SB02020F) ,  水質汚濁一般  (SB02010U) ,  流出解析  (DC07030N) ,  分子・遺伝情報処理  (JE15040B) ,  流出過程およびそれに及ぼす影響  (DC07020C)

タイトルに関連する用語 (5件)： ランダムフォレスト ,  水 ,  ブルーム ,  警報 ,  モデル