文献

J-GLOBAL ID：202102251621127563   整理番号：21A2436588

降雨流出モデル化のための概念的水文モデル,サポートベクトルマシンおよびリモートセンシングデータを組み合わせたハイブリッドアプローチ【JST・京大機械翻訳】

A Hybrid Approach Combining Conceptual Hydrological Models, Support Vector Machines and Remote Sensing Data for Rainfall-Runoff Modeling

著者 (3件)： Kwon Moonhyuk (K-water Research Institute, Korea Water Resources Corporation, Daejeon 34350, Korea) ,  Kwon Hyun-Han (Department of Civil and Environmental Engineering, Sejong University, Seoul 05006, Korea) ,  Han Dawei (Civil and Environmental Engineering, University of Bristol, Bristol BS8 1TR, UK)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 11  ページ： 1801  発行年： 2020年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 降雨事象に対する集水域応答を理解することは,水資源管理を含む多くの水関連応用における正確な流出推定にとって重要である。本研究では,降雨-流出(RR)プロセスの側面を記述するために,最小二乗サポートベクトルマシン(LSSVM)フレームワーク内の概念タンクモデルから中間状態変数を組み込んだ,ハイブリッドモデル,Tank-最小二乗サポートベクトルマシン(LSSVM)を導入した。Tank-LSSVMモデルの有効性を,韓国,2007年から2016年の間のYongdam Catchmentで測定した水文気象データで実証した。最初に,降雨流出モデリングにおける衛星土壌水分(SM)データ(すなわち,ヨーロッパ宇宙機関(ESA)CCI)の役割を調べた。結果は,ESA CCISWIから推論されたSM状態がSMの時間動力学を記述する有効な手段を提供することを示した。さらに,毎日の流出をシミュレートするためのTank-LSSVMモデル能力を,適合尺度(すなわち,二乗平均平方根誤差,Nash Sutcliffe係数(NSE),および決定係数)の良さを用いて評価した。Tank-LSSVMモデルNSEは,訓練と試験期間のそれらの性能に基づいて,すべて非常に良いと分類された。個々のLSSVMおよびTankモデルと比較して,提案したTank-LSSVMモデルにおいて,改善された毎日の流出シミュレーションが見られた。特に,低流量シミュレーションは,従来のタンクモデルと比較して,Tank-LSSVMモデルの改善を実証した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  *降雨 ,  状態変数 ,  流域 ,  土壌水 ,  水文気象 ,  宇宙空間 ,  *水文モデル ,  タンクモデル ,  *サポートベクトルマシン
準シソーラス用語： ハイブリッドモデル ,  水資源管理 ,  決定係数 ,  *降雨流出 ,  *降雨流出モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： 降雨流出 ,  サポートベクトルマシン ,  ハイブリッドモデル ,  衛星土壌水分

分類 (1件)： 流出解析  (DC07030N)

引用文献 (63件)：

• Curran, J.H. Streamflow Record Extension for Selected Strams in the Susitan River Basin, Alaska. US Geol. Surv. Sci. Investig. Rep 2012, 5210, 36.
• Sittner, W.T. WMO project on intercomparison of conceptual models used in hydrological forecasting. Hydrol. Sci. Bull. 1976, 21, 203-213.
• Sivapragasam, C.; Liong, S.; Pasha, M. Rainfall and runoff forecasting with SSA-SVM approach. J. Hydroinform. 2001, 3, 141-152.
• Zhuo, L.; Han, D. Could operational hydrological models be made compatible with satellite soil moisture observations? Hydrol. Process. 2016, 30, 1637-1648.
• McIntyre, N.; Lee, H.; Wheater, H.; Young, A.; Wagener, T. Ensemble predictions of runoff in ungauged catchments. Water Resour. Res. 2005, 41, 1-14.

タイトルに関連する用語 (5件)： 降雨流出モデル ,  水文モデル ,  サポートベクトルマシン ,  リモートセンシングデータ ,  ハイブリッドアプローチ