文献

J-GLOBAL ID：202002232344862217   整理番号：20A2089514

人工ニューラルネットワークを用いたNarmada川のHoshangabad盆地の降雨流出モデリング【JST・京大機械翻訳】

Rainfall-runoff modeling for the Hoshangabad Basin of Narmada River using artificial neural network

著者 (2件)： Poonia Vikas (Discipline of Civil Engineering, Indian Institute of Technology Indore, Indore, India) ,  Tiwari Hari Lal (Department of Civil Engineering, MANIT, Bhopal, India)
資料名： Arabian Journal of Geosciences  (Arabian Journal of Geosciences)
巻： 13  号： 18  ページ： 944  発行年： 2020年 
JST資料番号： W4050A  ISSN： 1866-7511  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： 降雨流出プロセスの正確なモデリングは,それらの以前の研究において様々な研究者によって開発されたデータ駆動または知識駆動のような様々なモデリング方法のアベイラビリティにもかかわらず,まだ挑戦的な仕事である。これらのモデルの中で,人工ニューラルネットワーク(ANN)ベースの降雨-流出モデルは,流域の水文学に含まれる様々な要因間の高度に非線形な性質を再現する能力により,水文学において重要な役割を果たす。本論文では,Madhya PradeshのNarmada川のHoshangabad流域に対するANNベースの降雨流出モデルを開発するための試みを行った。2つの異なるモデル,フィードフォワード逆伝搬(FFBP)と動径基底関数(RBF)ネットワークモデルを,入力データセットのいくつかの配置を用いて開発し,2004~2013年の期間の流動推定の能力を関連づけた。最良のモデル性能は,様々な性能評価基準,すなわち,R2,MSE,およびAAREに基づいて選択した。本研究に基づいて,ANNモデルがゼロと1の間で縮尺されたデータセットに対してより良い結果を与えることが観察された。Hoshangabad流域では,4日までの先行降雨と1日先行流出値による現在の降雨の入力配置は,両方のモデル(FFBPとRBF)に対して最良の結果を与える。これから,RBFネットワークは,0.9964のR2値を有するFFBPネットワークと比較して,より良く機能した。本研究の結果は,ANNネットワークモデルが農業流域における水文学的応答を予測するための必須ツールであり,従って,流域に対する持続可能な手段を提供するのに役立つことを示唆する。Copyright Saudi Society for Geosciences 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *降雨 ,  *ニューラルネットワーク ,  水文学 ,  流域 ,  フィードフォワード ,  アベイラビリティ ,  *盆地 ,  性能評価 ,  動径基底関数 ,  動径基底関数ネットワーク
準シソーラス用語： ネットワークモデル ,  *降雨流出 ,  農業流域 ,  降雨流出モデル ,  *降雨流出モデリング , 【Automatic Indexing@JST】

著者キーワード (5件)： 先例 ,  人工ニューラルネットワーク ,  逆伝搬 ,  RBF ,  ストリームフロー

分類 (1件)： 流出解析  (DC07030N)

タイトルに関連する用語 (3件)： 人工ニューラルネットワーク ,  盆地 ,  降雨流出モデリング