文献

J-GLOBAL ID：202102214105649472   整理番号：21A2343252

毎日の河川流の多変量カオス予測における局所および大域近似の比較【JST・京大機械翻訳】

Comparison of local and global approximators in multivariate chaotic forecasting of daily streamflow

著者 (1件)： Tongal Hakan (Department of Civil Engineering, Engineering Faculty, Sueleyman Demirel University, Isparta, Turkey)
資料名： Hydrological Sciences Journal  (Hydrological Sciences Journal)
巻： 65  号： 7  ページ： 1129-1144  発行年： 2020年 
JST資料番号： B0711A  ISSN： 0262-6667  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 大域的モデルはカオス的水文動力学の高度に不安定な構造のモデル化において比較的効果がないと概念的に仮定されているが,水文状況における局所および全球モデルの性能を比較する詳細な研究は,特に新しい機械学習モデルについてない。本研究では,局所モデル(k-最近傍,k-nn)の性能,およびグローバルモデルとして,いくつかの最近の機械学習モデル(人工ニューラルネットワーク(ANN),最小二乗サポートベクトル回帰(LS-SVR),ランダムフォレスト(RF),M5モデルツリー(M5),多変量適応回帰スプライン(MARS))を,河川流量の多変量カオス予測において解析した。モデルは,オーストラリアの最大河川,河川Murrayのために開発された。結果は,k-nnモデルが河川流動力学の捕捉におけるグローバルモデルより成功することを示した。さらに,多変量位相空間と結合して,グローバルモデルが河川流量の信頼できる不確実性推定を得るためにうまく使用できることを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 位相空間 ,  最小二乗法 ,  不確実性 ,  ニューラルネットワーク ,  *河川 ,  オーストラリア連邦 ,  *近似法 ,  スプライン ,  *河川流 ,  *カオス ,  機械学習
準シソーラス用語： 河川流量 ,  ランダムフォレスト ,  サポートベクトル回帰 ,  *多変量 , 【Automatic Indexing@JST】

著者キーワード (6件)： 河川流量予測 ,  局所および大域近似 ,  単変量と多変量 ,  位相空間再構成 ,  不確実性 ,  機械学習モデル

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)： 河川流 ,  多変量 ,  カオス ,  予測 ,  近似