文献

J-GLOBAL ID：202002234454719798   整理番号：20A2584444

沖積ヒマラヤ川の洪水予報モデリングのためのニューラルネットワーク訓練アルゴリズムの比較分析【JST・京大機械翻訳】

Comparative analysis of neural network training algorithms for the flood forecast modelling of an alluvial Himalayan river

著者 (2件)： Tabbussum Ruhhee (Department of Civil Engineering, National Institute of Technology Srinagar, Srinagar, India) ,  Dar Abdul Qayoom (Department of Civil Engineering, National Institute of Technology Srinagar, Srinagar, India)
資料名： Journal of Flood Risk Management  (Journal of Flood Risk Management)
巻： 13  号： 4  ページ： e12656  発行年： 2020年 
JST資料番号： W2640A  ISSN： 1753-318X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究は,人工ニューラルネットワーク(ANN)アルゴリズムを用いて新しい洪水予測モデルを開発することを目的とした。インドヒマラヤ-River JhelumのKashmir地域における沖積河川の事例研究についてモデルを評価し,検証した。2014年9月に,主要な洪水はKashmir渓谷で生じ,ピーク流量は115000m3/sを超えた。大気擾乱間の多遠な相互作用によってもたらされた。本研究は,洪水予後のためのANNモデルの開発を目標とした。それにより,5つのニューラルネットワークモデルを開発した:Bayes正則化ニューラルネットワーク,Levenberg-Marquardtニューラルネットワーク,共役勾配ニューラルネットワーク,スケール共役勾配ニューラルネットワーク,および弾力性逆伝搬ニューラルネットワーク。Levenberg-Marquardtニューラルネットワークモデルは,0.002128(すべてのモデルの最低)の平均二乗誤差と95.839%(すべてのモデルの最高)の決定係数で,統計的検証パラメータに基づく最良のモデルであることを証明した。すべてのシミュレーションを評価し,データの20%について実際の対予測放電に対して曲線グラフを作成した。これらのモデルは洪水の予測に使用可能であり,洪水ハイドログラフをシュートに待つ(現在,基準)よりもむしろ,州の灌漑と洪水管理部門による事前予防対策を前進させる。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  相互作用 ,  *洪水 ,  *洪水予報 ,  ハイドログラフ ,  流量 ,  灌漑 ,  弾性 ,  *ニューラルネットワーク ,  共役 ,  予後 ,  事例研究 ,  正則化 ,  *学習アルゴリズム
準シソーラス用語： 神経回路網モデル , 【Automatic Indexing@JST】

著者キーワード (6件)： 人工ニューラルネットワーク(ANN) ,  Bayes正則化 ,  共役勾配 ,  Levenberg-Marquardt ,  弾力性のあるバックプロパゲーション ,  スケール化共役勾配

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 (6件)： ヒマラヤ ,  洪水予報 ,  モデリング ,  ニューラルネットワーク ,  訓練アルゴリズム ,  比較分析