文献

J-GLOBAL ID：202102211107623739   整理番号：21A0072037

月平均河川流量のための3パラメータ対数正規分布における統計的パラメータを推定するためのBayes階層モデル【JST・京大機械翻訳】

A Bayesian hierarchical model for estimating the statistical parameters in a three-parameter log-normal distribution for monthly average streamflows

著者 (4件)： Li Jinshu (Department of Civil and Environmental Engineering, University of California, Los Angeles, CA, USA) ,  Li Jinshu (Department of Statistics, University of California, Los Angeles, CA, USA) ,  Zhou Qing (Department of Statistics, University of California, Los Angeles, CA, USA) ,  Yeh William W.-G. (Department of Civil and Environmental Engineering, University of California, Los Angeles, CA, USA)
資料名： Journal of Hydrology  (Journal of Hydrology)
巻： 591  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： 月平均河川流量の統計的パラメータを推定するためのBayes階層モデル(BHM)を開発した。月平均河川流量を3パラメータ対数正規分布(LN3)により特性化できると仮定した。3つの根底にある統計的パラメータは,シフト,形状,および位置である。与えられた月の形状のようなパラメータを推定するとき,BHMは,考慮中の月だけでなく,他のすべての月からも歴史的観察を利用する。これは,考慮中の月に対する歴史的観察のみを使用する従来の統計的パラメータ推定法とは異なる。提案したBHMを米国の8つの流域にパラメータ推定のために適用し,そこでは歴史的な一対河川流が収集された。また,最尤推定,モーメント法,およびLモーメント法などの従来の方法を用いてパラメータ推定を行った。性能の尺度として試験データログ尤度による交差検証を用いて,結果は,BHMが従来の推定法より優れていることを示した。さらに,利用可能な観測データが減少すると,提案手法は従来法に比べて改善されることを示した。BHMはデータセット全体に含まれる情報を利用するので,歴史的観測が制限されるパラメータ推定に特に適している。さらに,BHMと自己回帰モデルの比較解析を行い,BHMの利点を実証した。Copyright 2021 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： 最尤法 ,  流域 ,  周波数解析 ,  *河川流 ,  パラメータ推定 ,  自己回帰モデル ,  *対数正規分布 ,  キャラクタリゼーション ,  境界要素法
準シソーラス用語： *河川流量 ,  尤度 ,  試験データ ,  *階層モデル ,  推定法 ,  Bayes統計 , 【Automatic Indexing@JST】

著者キーワード (6件)： Bayes階層モデル ,  Bayes統計 ,  3パラメータ対数正規分布 ,  月平均河川流量 ,  周波数解析 ,  統計的パラメータ推定

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 (8件)： 月 ,  平均 ,  河川流量 ,  パラメータ ,  対数正規分布 ,  統計 ,  推定 ,  階層モデル