文献

J-GLOBAL ID：202002259876306123   整理番号：20A0715307

経験に基づくモデル結果は数学モデルに供給できるか?観光景観計画におけるニューラルネットワークとロジスティック回帰のためのMCE【JST・京大機械翻訳】

Can empirically based model results be fed into mathematical models? MCE for neural network and logistic regression in tourism landscape planning

著者 (3件)： Siroosi Hamid (Department of the Range Management, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Golestan Provice, Iran) ,  Heshmati Gholamali (Department of the Range Management, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Golestan Provice, Iran) ,  Salmanmahiny Abdolrassoul (Department of the Environmental Sciences, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran)
資料名： Environment, Development and Sustainability  (Environment, Development and Sustainability)
巻： 22  号： 4  ページ： 3701-3722  発行年： 2020年 
JST資料番号： W1365A  ISSN： 1387-585X  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： 広範囲の数学的および経験的モデルが土地利用計画のための実用的ツールとして実装され,多層パーセプトロン(MLP),ロジスティック回帰またはLR(数学モデル)および多基準評価またはMCE(経験的)が広く適用されているモデルの中にある。数学モデルの主な欠点の一つは,それらが依存するデータを必要とし,データ収集のプロセスが非常に費用がかかり,大面積に対して時間がかかることである。そこで,イランのゴレスタン州における観光計画のためのMCE法を通して,依存するデータセットを提供する可能性を調べた。MCEに基づくアルゴリズムの精度を,初期春から晩夏2016までの野外観測の間に収集された地上トルースデータを用いて調べた。MCEベースと地上ベースの出力を調査し,受信者特性(ROC)と景観構成計量を用いて,結果の空間精度と連結性とコンパクト性を比較した。ROC統計は,地上のMLP,地上ベースのLR,MCEベースのMLPおよびMCEベースのLRに対して,それぞれ0.886,0.834,0.82および0.814で記録され,空間精度に関してMCEベースおよび地上ベースの方法の間に有意差を示さなかった。また,景観計量は,MCEベースの方法が観光計画のためのより接続された管理可能なパターンをもたらしたことを示した。本研究の結果によると,MCEは,限られた時間と財政資源の場合に,フィールドサンプリングスポットを定義するか,あるいは現場観測努力の代替としてさえも,予備的なアプローチとして役立つことができる。Copyright Springer Nature B.V. 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： イラン・イスラム共和国 ,  *ニューラルネットワーク ,  アルゴリズム ,  その場観察 ,  コンパクト性 ,  連結性 ,  多層パーセプトロン ,  土地利用計画 ,  データ収集 ,  春 ,  *観光 ,  *数学モデル
準シソーラス用語： 受信者 ,  経験モデル ,  *ロジスティック回帰分析 , 【Automatic Indexing@JST】

著者キーワード (4件)： ツーリズム ,  MCE ,  多層パーセプトロン ,  ロジスティック回帰

分類 (1件)： 環境問題  (SA01020V)

タイトルに関連する用語 (8件)： 経験 ,  モデル ,  数学モデル ,  観光 ,  景観計画 ,  ニューラルネットワーク ,  ロジスティック回帰 ,  MCE