文献

J-GLOBAL ID：201902278190866077   整理番号：19A1626208

ダム貯水池の流入量予測のための人工神経回路網とサポートベクトルマシンモデル(事例研究:Zayandehroudダム貯水池)【JST・京大機械翻訳】

Artificial Neural Network and Support Vector Machine Models for Inflow Prediction of Dam Reservoir (Case Study: Zayandehroud Dam Reservoir)

著者 (3件)： Babaei Mohammad (Department of Civil Engineering, Faculty of Civil Engineering and Transportation, University of Isfahan, Isfahan, Iran) ,  Moeini Ramtin (Department of Civil Engineering, Faculty of Civil Engineering and Transportation, University of Isfahan, Isfahan, Iran) ,  Ehsanzadeh Eghbal (Department of Water Engineering, Faculty of Agriculture, Ilam University, Ilam, Iran)
資料名： Water Resources Management  (Water Resources Management)
巻： 33  号： 6  ページ： 2203-2218  発行年： 2019年 
JST資料番号： T0430A  ISSN： 0920-4741  CODEN： WRMAEJ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 貯水池の流入予測は,下流の水放出計画と洪水保護に関連する水資源管理におけるその応用のために,かなり重要である。従って,本研究では,Zayandehrodダム貯水池への流入を予測するための異なる新しい入力パターンを,人工ニューラルネットワーク(ANN)とサポートベクトルマシン(SVM)モデルを用いて提案した。ダム貯水池への流入量を予測するために,時間持続時間遅れ,時間指数,およびGhaleh-Shahrokh観測所の毎月の降雨を考慮したダム貯水池への流入のような入力データの異なるパターンを持つ9つの異なるモデルを提案した。結果の比較は,9つの提案したモデルが,SVMモデルの結果がANNモデルのものより優れている流入予測のために最小の誤差を持つことを示した。すなわち,最小誤差は,訓練,検証および試験データに対して,それぞれ0.8962(0.89296),0.9303(0.92983)および0.9622(0.95333)の相関係数(R)値および47.9346(48.5441),42.69093(43.748)および23.56193(28.5125)の二乗平均誤差(RMSE)値を有する9SVM(ANN)モデルを用いて得られた。Copyright 2019 Springer Nature B.V. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *サポートベクトルマシン ,  放水 ,  洪水 ,  *ダム ,  相関係数 ,  *ニューラルネットワーク ,  *予測 ,  継続時間 ,  *貯水池 ,  降雨 ,  *流入量 ,  *事例研究
準シソーラス用語： 入力データ ,  水資源管理 ,  *ダム貯水池 , 【Automatic Indexing@JST】

著者キーワード (5件)： 流入流量予測 ,  人工神経回路網 ,  サポートベクトルマシン ,  入力データパターン ,  Zayandehrodダム

分類 (2件)： 水文学一般  (DC07010R) ,  農業土木  (FB02000W)

タイトルに関連する用語 (5件)： ダム貯水池 ,  流入量 ,  予測 ,  人工神経回路網 ,  研究