文献

J-GLOBAL ID：202002255065836769   整理番号：20A2088663

地下水汚染物質輸送のシミュレーションに基づく人工ニューラルネットワークモデルの評価【JST・京大機械翻訳】

Assessment of artificial neural network models based on the simulation of groundwater contaminant transport

著者 (2件)： Pal Jayashree (Department of Civil Engineering, National Institute of Technology Silchar, Silchar, Assam, India) ,  Chakrabarty Dibakar (Department of Civil Engineering, National Institute of Technology Silchar, Silchar, Assam, India)
資料名： Hydrogeology Journal  (Hydrogeology Journal)
巻： 28  号： 6  ページ： 2039-2055  発行年： 2020年 
JST資料番号： W1751A  ISSN： 1431-2174  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： 地下環境における汚染物質輸送の特性化は,持続可能な地下水使用と管理のための必要条件である。そのようなキャラクタリゼーションには,様々な解析的および数値モデルが一般的に利用される。解析モデルは,単純で理想化された汚染輸送問題を解決するために使用され,一方,数値モデルは,実世界の汚染輸送シミュレーションを扱う。しかし,帯水層パラメータ(地質特性,境界条件,初期条件など)のどれが明確に定義されない状況において,これらのモデルの使用は冗長になる。このようなシナリオでの汚染輸送のシミュレーションは挑戦的になる。このような問題に取り組むために,研究者は一般に人工ニューラルネットワーク(ANN)モデルを利用する。既存の文献レビューは,フィードフォワードバックプロパゲーション(FFBNN)モデルが最も一般的に使用される訓練法であり,他のANNモデルの適用性は適切に調査されていないことを明らかにした。本研究では,カスケードフォワードバックプロパゲーション(CFBNN),FFBNN,ラジアル基底関数(RBFNN),正確な動径基底関数(ERBFNN)および一般化回帰(GRNN)のような,教師つきおよび教師なしニューラルネットワークを含む各種のANNモデルを開発し,それらの性能を,二次元仮想帯水層における保守的汚染物質の輸送シミュレーションに対して比較した。報告されたモデルは,入力データとして汚染源の汚染注入速度と位置を有し,いくつかの給水井戸(または監視井戸)で測定された汚染濃度は,目標データと考えられる。開発したモデルの安定性を感度解析により検証した。本研究は,代替ANNモデル(既に文献で報告されているもの以外の)が,地下水システムにおける汚染物質輸送のシミュレーションに対して信頼できることを明らかにした。Copyright Springer-Verlag GmbH Germany, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 帯水層 ,  冗長性 ,  保全 ,  *ニューラルネットワーク ,  *汚染物質 ,  汚染源 ,  境界条件 ,  フィードフォワード ,  文献展望 ,  二次元 ,  地質 ,  逆伝搬法 ,  解析モデル
準シソーラス用語： *神経回路網モデル ,  数値モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： 地下水流 ,  溶質輸送 ,  人工ニューラルネットワーク ,  フィードフォワードバックプロパゲーション ,  カスケードフォワードバックプロパゲーション

分類 (1件)： 水質汚濁一般  (SB02010U)

タイトルに関連する用語 (5件)： 地下水汚染 ,  物質輸送 ,  シミュレーション ,  人工ニューラルネットワークモデル ,  評価