文献

J-GLOBAL ID：201902254434330314   整理番号：19A2426491

河川流量予測におけるソフトコンピューティングモデルの応用【JST・京大機械翻訳】

Application of soft computing models in streamflow forecasting

著者 (6件)： Muhammad Adnan Rana (Assistant Professor, Faculty of Agricultural and Biosystems Engineering and Technology, Muhammad Nawaz Sharif University of Agriculture, Multan, Pakistan) ,  Yuan Xiaohui (Professor, School of Hydropower and Information Engineering, Huazhong University of Science and Technology, Wuhan, China (corresponding author: [e-mail])) ,  Kisi Ozgur (Professor, Faculty of Natural Sciences and Engineering, Ilia State University, Tbilisi, Georgia) ,  Yuan Yanbin (Professor, School of Resource and Environmental Engineering, Wuhan University of Technology, Wuhan, China) ,  Tayyab Muhammad (Assistant Professor, College of Hydraulic & Environmental Engineering, China Three Gorges University, Yichang, China) ,  Lei Xiaohui (Professor, State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin, China Institute of Water Resources and Hydropower Research, Beijing, China (corresponding author: [e-mail]))
資料名： Proceedings of the Institution of Civil Engineers. Water Management  (Proceedings of the Institution of Civil Engineers. Water Management)
巻： 172  号： 3  ページ： 123-134  発行年： 2019年 
JST資料番号： W1399A  ISSN： 1741-7589  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 5つのソフトコンピューティング技術の精度を,交差検証法によってGilgit川流域の毎月の河川流量の予測のために評価した。評価した5つの技術は,フィードフォワード神経回路網(FFNN),動径基底ニューラルネットワーク(RBNN),一般化回帰ニューラルネットワーク(GRNN),格子分割(Anfis-GP)による適応ニューロファジィ推論システム,および減算クラスタリング(Anfis-SC)による適応ニューロファジィ推論システムであった。本研究では,温度と流れの間の相互作用を考慮した。2つの統計的指標,平均二乗誤差(MSE)と決定係数(R2)を用いてモデルの性能を評価した。すべての応用において,RBNNおよびAnfis-SCはFFNN,GRNNおよびAnfis-GPモデルより正確な結果を与えることが分かった。適用したモデルに周期性成分を加えることにより周期性の影響も調べ,結果を統計モデル(季節的自己回帰積分移動平均(Sarima))と比較し,予測精度をチェックした。この比較の結果は,周期性入力が適用モデルの予測精度を改善し,すべての場合において,ソフトコンピューティングモデルがSarimaモデルよりはるかに良く機能することを示した。周期的RBNNとAnfis-SCモデルは,SarimaのMSE精度を25の5-24%の7%増加させた。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 統計模型 ,  クラスタ化 ,  フィードフォワード ,  神経回路網 ,  *モデル ,  ファジィニューラルネットワーク ,  相互作用 ,  ニューラルネットワーク ,  流域 ,  *河川
準シソーラス用語： 予測精度 ,  自己回帰 ,  平均二乗誤差 ,  *河川流量 ,  *ソフトコンピューティング , 【Automatic Indexing@JST】

著者キーワード (3件)： 洪水と洪水 ,  水文学と水資源 ,  数学モデリング

分類 (2件)： 流出解析  (DC07030N) ,  水文学一般  (DC07010R)

タイトルに関連する用語 (2件)： 河川流量予測 ,  応用