文献

J-GLOBAL ID：202002289768533729   整理番号：20A1317967

月河川流量予測のための8つのフィルタベース特徴選択法の比較-CAMELSデータセットに関する3つの事例研究【JST・京大機械翻訳】

Comparison of eight filter-based feature selection methods for monthly streamflow forecasting - Three case studies on CAMELS data sets

著者 (5件)： Ren Kun (North China University of Water Resources and Electric Power, Zhengzhou 450045, People’s Republic of China) ,  Fang Wei (Xi’an University of Technology, Xi’an 710048, People’s Republic of China) ,  Qu Jihong (North China University of Water Resources and Electric Power, Zhengzhou 450045, People’s Republic of China) ,  Zhang Xia (North China University of Water Resources and Electric Power, Zhengzhou 450045, People’s Republic of China) ,  Shi Xiaoyu (Xi’an University of Technology, Xi’an 710048, People’s Republic of China)
資料名： Journal of Hydrology  (Journal of Hydrology)
巻： 586  ページ： Null  発行年： 2020年 
JST資料番号： C0584A  ISSN： 0022-1694  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 最近,河川流量を予測するデータ駆動モデルの採用に重点が増している。しかし,これらのデータ駆動モデルでは,毎月の河川流量の予測のために,フィルタベースの特徴選択(FFS)法の性能は,詳細に研究されていない。本研究では,8つの一般的FFS法,すなわち,線形ピアソン相関,部分線形ピアソン相関(PCI),相互情報(MI),条件付きMI,部分MI,最大関連性最小冗長性ピアソン相関,最大関連性最小冗長性MIおよびガンマ試験方法を,実世界1か月先頭河川流量予測に対して,3つの回帰モデル,すなわち,多重線形回帰(MLR),アンサンブル極値学習機械(enELM)およびk-最近傍(KNN)回帰に関して研究した。研究は,大規模サンプル研究(CAMELS)データセットのために,Catchment AttributesとMeteorologyからの3つのケースに関して実施した。さらに,2つの終端基準(TC)法,Hampel試験および再サンプリングを比較分析した。本研究の結果は3つの重要な知見を強調する。最初に,enELMまたはKNNと結合した支配的なFFS法はなかった。第2に,再サンプリングを8つのFFS法と3つの回帰モデルの候補組合せにおける最終モデルを選択するために適用したとき,PCIは最終モデルのための最も好ましいFFS法であった。最後に,Hampel試験TCは,安定性および反オーバーフィッティングに関して再サンプリングTCより優れていた。これらの知見には,実世界の毎月の河川流予測のための重要な実用的基準値がある。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： フィルタ ,  冗長性 ,  学習機械 ,  *特徴選択 ,  *河川流 ,  線形性 ,  *事例研究 ,  回帰モデル ,  規格値
準シソーラス用語： 試験方法 ,  リサンプリング ,  *河川流量 ,  データ駆動 ,  多重線形回帰 , 【Automatic Indexing@JST】

著者キーワード (4件)： 特徴選択 ,  フィルタ法 ,  停止基準 ,  河川流量予測

分類 (2件)： 水文学一般  (DC07010R) ,  流出解析  (DC07030N)

タイトルに関連する用語 (5件)： 月 ,  河川流量予測 ,  特徴選択 ,  データセット ,  研究