文献

J-GLOBAL ID：201902253501592441   整理番号：19A2854116

気象学的および生物学的要因を組み合わせた隠れMarkovモデルを用いた季節的花粉指数の予測【JST・京大機械翻訳】

Forecasting the seasonal pollen index by using a hidden Markov model combining meteorological and biological factors

著者 (5件)： Tseng Yi-Ting (Graduate School of Agriculture, Kyoto University, Kitashirakawa-Oiwakecho, Sakyo-Ku, Kyoto 606-8502, Japan) ,  Kawashima Shigeto (Graduate School of Agriculture, Kyoto University, Kitashirakawa-Oiwakecho, Sakyo-Ku, Kyoto 606-8502, Japan) ,  Kobayashi Satoshi (Hokkaido Institute of Public Health, 12 Chome Kita 19 Jonishi, Kita Ward, Sapporo, Hokkaido 060-0819, Japan) ,  Takeuchi Shinji (Hokkaido Institute of Public Health, 12 Chome Kita 19 Jonishi, Kita Ward, Sapporo, Hokkaido 060-0819, Japan) ,  Nakamura Kimihito (Graduate School of Agriculture, Kyoto University, Kitashirakawa-Oiwakecho, Sakyo-Ku, Kyoto 606-8502, Japan)
資料名： Science of the Total Environment  (Science of the Total Environment)
巻： 698  ページ： Null  発行年： 2020年 
JST資料番号： C0501B  ISSN： 0048-9697  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： 季節的花粉指数(SPI)は,航空生物学,生態学,植物学,および疫学の分野における継続的な関心事である。年から年にかけて実質的に変化する,風速のある木のSPIは開花強度を反映している。この強度は2つの因子により調節される:花形成中の気象条件と同化のための内部資源。決定論的手法はSPIを予測するために使用されており,その中で予測はパラメータによって完全に行われている。しかし,マスター機構(固有の確率的性質を持つ)の複雑さを考えると,確率過程として年間SPI変動を考慮した確率モデルを適用する試みはほとんどなされていない。著者らは,年間カバノキ花粉濃度を予測するために,マスト開花の確率過程と花形成に影響する気象条件を統合することができる隠れMarkovモデルを提案した。実施した実験において,モデルを訓練し,22年をカバーする北海道のデータを用いて検証した。このモデルにおいて,隠れMarkovシーケンスを遷移行列を通してのマスト年の再発を表すために割り当てて,観測シーケンスを以前の夏における気象条件として指定して,それは放出分布を有する隠れた状態によって支配された。提案したモデルは,訓練期間で83.3%,試験期間で75.0%の精度を達成した。したがって,提案したモデルは,アレルギーステークホルダーのための有用な参照として,SPI予測および花粉レベルの確率的情報に対する代替展望を提供することができる。Copyright 2019 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： 気象条件 ,  疫学 ,  確率過程 ,  開花 ,  航空輸送 ,  *気象学 ,  マスト ,  *隠れMarkovモデル ,  アレルギー反応 ,  *花粉 ,  風速 ,  生態学 ,  確率モデル ,  植物学
準シソーラス用語： ステークホルダ , 【Automatic Indexing@JST】

著者キーワード (6件)： 状態空間モデル ,  確率過程 ,  HMM ,  シラカンバ花粉予測 ,  年内変動 ,  肥満の開花

分類 (3件)： 人間に対する影響  (EE05050C) ,  粒状物調査測定  (SB03060E) ,  健康被害  (SB03070P)

タイトルに関連する用語 (7件)： 気象学 ,  生物学的要因 ,  隠れMarkovモデル ,  季節 ,  花粉 ,  指数 ,  予測