文献

J-GLOBAL ID：202002273062395730   整理番号：20A0568841

移動スプリンクラ灌漑システム下の風ドリフトと蒸発損失を予測するための線形混合モデリングと人工神経回路網技術【JST・京大機械翻訳】

Linear mixed modeling and artificial neural network techniques for predicting wind drift and evaporation losses under moving sprinkler irrigation systems

著者 (4件)： Sarwar Abid (Biological Systems Engineering, Washington State University (WSU), Pullman, USA) ,  Sarwar Abid (Department of Irrigation and Drainage, University of Agriculture Faisalabad (UAF), Faisalabad, Pakistan) ,  Peters R. Troy (Biological Systems Engineering, Washington State University (WSU), Pullman, USA) ,  Mohamed Abdelmoneim Zakaria (Biological Systems Engineering, Washington State University (WSU), Pullman, USA)
資料名： Irrigation Science  (Irrigation Science)
巻： 38  号： 2  ページ： 177-188  発行年： 2020年 
JST資料番号： W2001A  ISSN： 0342-7188  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： 加圧灌漑システム,中心ピボット,および線形移動は,大規模に世界的に使用されている。風ドリフトと蒸発損失(WDEL)の正確な予測は,システムの均一性と効率性を改良することを助けることができた。本研究では,移動散水機灌漑システムの下でWDELを正確に推定するためのデータ解析技術を評価した。合計72の実験(2015-2017)を,広範囲の気候条件の下で,Prosser,WAにおける研究と拡張センターで実施した。2つのデータ解析技術,すなわち線形混合モデリング(LMM)と人工ニューラルネットワーク(ANN)を用いて,与えられた気象関連入力からWDELの有意な運転者を同定した。4つの公表されたデータセットを用いて,開発したモデルの一般化能力をチェックした。結果は,Prosser,WA,条件下で平均~20%WDELを明らかにした。蒸気圧不足と風速は,0.05レベルの有意性で唯一の有意な気象変数であった。訓練と試験の両方において,ANNモデル(二乗平均誤差(RMSE=2%))はLMM(RMSE=5%)より優れていた。試験結果は,(Yazar1984)データセットに対して1%のRMSEを持つANNモデルの高い一般化と予測力を明らかにした。最良のLMMモデルは,RMSEが14%のSanchezら(2011)データセットを用いた。上記の結果は,ANNモデルがWDELを正確に予測するために使用できることを示した。これは散水機灌漑システムにおける効率改善のためのさらなる研究を助けるはずである。Copyright Springer-Verlag GmbH Germany, part of Springer Nature 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データ解析 ,  *蒸発 ,  蒸気圧 ,  散水機 ,  効率化 ,  風速 ,  気象条件 ,  *ニューラルネットワーク ,  気象 ,  *ドリフト ,  線形性 ,  加圧
準シソーラス用語： 気象変数 ,  *灌漑施設 , 【Automatic Indexing@JST】

分類 (2件)： 農業土木  (FB02000W) ,  圃場作業用機械  (FB03020Z)

タイトルに関連する用語 (9件)： スプリンクラ灌漑 ,  風 ,  ドリフト ,  蒸発 ,  損失 ,  予測 ,  線形 ,  混合モデリング ,  人工神経回路網