文献

J-GLOBAL ID：201802277005218726   整理番号：18A0647407

異なるデータマイニング法の総合的な干ばつモニタリングモデル構築における応用研究【JST・京大機械翻訳】

A Study of Application of Different Data Mining methods in Integrated Drought Monitoring

著者 (3件)： Zhang Jingxian (南京信息工程大学 地理与遥感学院,江蘇 南京,210044) ,  Chen Runping (南京信息工程大学 地理与遥感学院,江蘇 南京,210044) ,  Guo Jia (南京信息工程大学 地理与遥感学院,江蘇 南京,210044)
資料名： Jiangxi Nongye Daxue Xuebao  (Jiangxi Nongye Daxue Xuebao)
巻： 39  号： 5  ページ： 1047-1056  発行年： 2017年 
JST資料番号： C2944A  ISSN： 1000-2286  CODEN： JNXUEV  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： データマイニング法とモデリング変数の影響を研究するために,分類回帰ツリー(CART),人工ニューラルネットワーク(ANN),およびサポートベクトルマシン(SVM)のようなデータマイニング法を選択した。標準化降水量指数(SPI),標準化降水量指数(SPEI),および総合気象干ばつ指数(CI)などの異なる指数をモデル変数として,山西省を研究地域として,総合的干ばつモニタリングモデルを研究した。すべてのモデルのモニタリング結果とモデル変数の計算値の間の相関係数は0.800~0.915で、いずれも極めて著しいレベルに達し、二乗平均平方根誤差(RMSE)は0.061~0.138で、土壌相対湿度との相関性はいずれも顕著で極めて著しいレベルに達した。しかし,異なるデータマイニング方法と異なる干ばつ指数は,変数として構築されたモデルにおいて依然として異なっており,モデルパラメータの選択はモデルの一般化能力に大きな影響を与える。山西省の干ばつ監視結果の分析により、SVM法によるモデルは標高に対する高い敏感性を示し、同時にモデルの従属変数としての干ばつ指数の特徴もモデルの応用効果に反映され、干ばつの等級分け指標の基準が同じである場合には、以下のことが分かった。異なるデータマイニング方法とモデリング変数によって構築されたモデルによって、観測された乾燥面積には一定の差異がある。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *干ばつ ,  相対湿度 ,  サポートベクトルマシン ,  レイティング ,  *データマイニング ,  *モデル ,  相関係数 ,  ニューラルネットワーク ,  *モデリング
準シソーラス用語： 標高 ,  モデルパラメータ ,  山西省 ,  干ばつ指数 ,  標準化降水指数 ,  *旱魃監視 , 【Automatic Indexing@JST】

著者キーワード (3件)： data mining ,  drought monitoring ,  drought indices

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  生体計測  (EL03020C)

タイトルに関連する用語 (6件)： データマイニング ,  総合 ,  干ばつモニタリング ,  モデル構築 ,  応用 ,  研究