文献

J-GLOBAL ID：202102256987501506   整理番号：21A1196250

長期短期記憶ネットワークを用いた地下水離脱の変化に起因する地下水位変動の解析【JST・京大機械翻訳】

Analysis of Groundwater Level Variations Caused by the Changes in Groundwater Withdrawals Using Long Short-Term Memory Network

著者 (5件)： Shin Mun-Ju ,  Moon Soo-Hyoung ,  Kang Kyung Goo ,  Moon Duk-Chul ,  Koh Hyuk-Joon
資料名： Hydrology (Web)  (Hydrology (Web))
巻： 7  号： 3  ページ： 64  発行年： 2020年 
JST資料番号： U7201A  ISSN： 2306-5338  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： 地下水資源を適切に管理するためには,地下水位に及ぼす地下水取水の影響を分析する必要がある。本研究では,韓国のJeju島に位置する近くのモニタリング井戸における地下水位の変化に及ぼす地下水レベル予測性能を評価し,揚水井からの地下水取出量の変化の影響を分析するために,Long Short-Term記憶(LSTM)ネットワークを用いた。観測と模擬地下水レベル間のNashSutcliffe効率は0.97以上であった。したがって,LSTMの地下水予測性能は著しく高かった。地下水位が現在の地下水取出の1/3によって減少するという仮定に関して,地下水位がシミュレートされるならば,地下水レベルの最大上昇の範囲は,現在の条件と比較して0.060.13mであった。さらに,地下水が取られないと仮定すると,地下水位の最大増加の範囲は,現在の条件より0.110.38mである。したがって,この地域の地下水レベルに及ぼす地下水取水の影響は,非常に小さかった。本方法と結果は,地下水取水の再分配のために新しい地下水取水源を開発するために使用することができた。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： 地下水 ,  地下水資源 ,  *ネットワーク ,  取水 ,  大韓民国 ,  *地下水位 ,  再分布 ,  機械学習
準シソーラス用語： 長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (5件)： 長期短期記憶 ,  地下水位予測 ,  地下水離脱の影響 ,  地下水位変動 ,  機械学習

分類 (1件)： 地下水学  (DC07040Y)

引用文献 (34件)：

• Todd, D.K.; Larry, W.M. Groundwater Hydrology, 3rd ed.; John Wiley & Sons Inc.: Hoboken, NJ, USA, 2004; pp. 1-656.
• Oki, D.S. Numerical Simulation of the Effects of Low-Permeability Valley-Fill Barriers and the Redistribution of Ground-Water Withdrawals in the Pearl Harbor Area, Oahu, Hawaii: U.S. Geological Survey Scientific Investigations Report; 2005-5253; U.S. Department of the Interior: Washington, DC, USA, 2005; p. 111.
• Oki, D.S. Numerical Simulation of the Hydrologic Effects of Redistributed and Additional Ground-Water Withdrawal, Island of Molokai, Hawaii: U.S. Geological Survey Scientific Investigations Report; 2006-5177; U.S. Department of the Interior: Washington, DC, USA, 2006; p. 49.
• Marçais, J.; De Dreuzy, J.R. Prospective Interest of Deep Learning for Hydrological Inference. Ground Water 2017, 55, 688-692.
• Siade, A.J.; Cui, T.; Karelse, R.N.; Hampton, C. Reduced-Dimensional Gaussian Process Machine Learning for Groundwater Allocation Planning Using Swarm Theory. Water Resour. Res. 2020, 56, e2019WR026061.

タイトルに関連する用語 (6件)： 長期 ,  短期記憶 ,  地下水 ,  離脱 ,  起因 ,  解析