文献

J-GLOBAL ID：202102253101861288   整理番号：21A2971745

マルチスケール解析と逐次構造を持つ深層ネットワークに基づく月流出予測のための複合アプローチ【JST・京大機械翻訳】

A Compound Approach for Monthly Runoff Forecasting Based on Multiscale Analysis and Deep Network with Sequential Structure

著者 (5件)： Chen Shi (College of Water Resources and Architectural Engineering, Northwest A&F University, Yanglin 712100, China) ,  Chen Shi (Key Laboratory of Agricultural Soil and Water Engineering in Arid and Semiarid Areas, Ministry of Education, Northwest A&F University, Yanglin 712100, China) ,  Dong Shuning (Xi’an Research Institute of China Coal Technology & Engineering Group Corp, Xi’an 710054, China) ,  Cao Zhiguo (State Key Laboratory of Water Resources Protection and Utilization in Coal Mining, Beijing 100011, China) ,  Guo Junting (State Key Laboratory of Water Resources Protection and Utilization in Coal Mining, Beijing 100011, China)
資料名： Water (Web)  (Water (Web))
巻： 12  号： 8  ページ： 2274  発行年： 2020年 
JST資料番号： U7295A  ISSN： 2073-4441  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： 正確な流出予測は,水資源管理と規制の最適化のために非常に重要である。このような課題を考えると,時変フィルタリングベース経験的モード分解(TVFEMD),サンプルエントロピー(SE)ベースサブ系列再結合,およびゲートリカレントユニットネットワーク(GRU)に畳み込みニューラルネットワーク(CNN)を組み込んだ新しく開発された深い逐次構造を組み合わせた新しい複合アプローチを,毎月の流出予測のために提案する。最初に,流出シリーズは,複雑な環境と人間要因によって引き起こす流出系列の揮発性を考慮して,TVFEMDを採用するサブシリーズの収集に崩壊した。SEと再結合基準に基づくサブ系列再結合戦略を用いて,近似複雑度を有するサブ系列を再構成した。続いて,CNNとGRU(CNNGRU)に基づく新しく開発されたディープシーケンシャル構造を適用して,すべての前処理されたサブシリーズを予測した。最終的に得られた予測値は,極限予測結果を推定するために凝集した。提案したアプローチの効率と有効性を検証するために,8つの関連する対比モデルを,Baishan貯水池から採取した毎月の流出系列に適用して,そこで,実験結果は,提案モデルによって得た評価計量が,すべての対比モデルと比較して,44.35%の平均指数減少を達成したことを示した。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： 再結合 ,  最適化 ,  貯水池 ,  *ネットワーク ,  前処理 ,  近似法 ,  再構成 ,  時変フィルタ ,  揮発性 ,  深層 ,  有効性
準シソーラス用語： *マルチスケール解析 ,  予測値 ,  経験的モード分解 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 月流出予測 ,  時変フィルタリングに基づく経験的モード分解 ,  サブシリーズ再結合 ,  深い逐次構造 ,  畳込みニューラルネットワーク ,  ゲート付きリカレントユニットネットワーク

分類 (3件)： 流出解析  (DC07030N) ,  水資源  (RC11020F) ,  人工知能  (JE08000Z)

引用文献 (39件)：

• Feng, Z.; Niu, W.; Zhou, J.; Cheng, C. Linking Nelder-Mead Simplex Direct Search Method into Two-Stage Progressive Optimality Algorithm for Optimal Operation of Cascade Hydropower Reservoirs. J. Water Resour. Plan. Manag. 2020, 146, 4020019.
• Feng, Z.-K.; Niu, W.-J.; Tang, Z.-Y.; Jiang, Z.-Q.; Xu, Y.; Liu, Y.; Zhang, H. Monthly runoff time series prediction by variational mode decomposition and support vector machine based on quantum-behaved particle swarm optimization. J. Hydrol. 2020, 583, 124627.
• He, X.; Luo, J.; Li, P.; Zuo, G.; Xie, J. A Hybrid Model Based on Variational Mode Decomposition and Gradient Boosting Regression Tree for Monthly Runoff Forecasting. Water Resour. Manag. 2020, 34, 865-884.
• Chang, F.J.; Guo, S. Advances in hydrologic forecasts and water resources management. Water 2020, 12, 1819.
• Zounemat-Kermani, M.; Matta, E.; Cominola, A.; Xia, X.; Zhang, Q.; Liang, Q.; Hinkelmann, R. Neurocomputing in Surface Water Hydrology and Hydraulics: A Review of Two Decades Retrospective, Current Status and Future Prospects. J. Hydrol. 2020, 125085.

タイトルに関連する用語 (4件)： マルチスケール解析 ,  深層 ,  月 ,  流出予測