文献

J-GLOBAL ID：202102264608272140   整理番号：21A2971033

機械学習と持続性ベース技術を用いた水力発電貯水池におけるダム水位の分析と予測【JST・京大機械翻訳】

Analysis and Prediction of Dammed Water Level in a Hydropower Reservoir Using Machine Learning and Persistence-Based Techniques

著者 (8件)： Castillo-Boton C. (Department of Signal Processing and Communications, Universidad de Alcala, 28805 Alcala de Henares, Spain) ,  Casillas-Perez D. (Department of Signal Processing and Communications, Universidad de Alcala, 28805 Alcala de Henares, Spain) ,  Casanova-Mateo C. (LATUV, Remote Sensing Laboratory, Universidad de Valladolid, 47011 Valladolid, Spain) ,  Moreno-Saavedra L. M. (Department of Signal Processing and Communications, Universidad de Alcala, 28805 Alcala de Henares, Spain) ,  Morales-Diaz B. (Department of Signal Processing and Communications, Universidad de Alcala, 28805 Alcala de Henares, Spain) ,  Sanz-Justo J. (LATUV, Remote Sensing Laboratory, Universidad de Valladolid, 47011 Valladolid, Spain) ,  Gutierrez P. A. (Department of Computer Science and Numerical Analysis, Universidad de Cordoba, 14014 Cordoba, Spain) ,  Salcedo-Sanz S. (Department of Signal Processing and Communications, Universidad de Alcala, 28805 Alcala de Henares, Spain)
資料名： Water (Web)  (Water (Web))
巻： 12  号： 6  ページ： 1528  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： 本論文は,水力発電貯水池におけるダム水位の長期的および短期解析と予測を提示した。長期解析は,トレンド除去変動解析,自動回帰モデル,および持続性ベースアルゴリズムのような技術を用いて実行した。他方,水力発電貯水池におけるダム水位の短期解析を予測問題としてモデル化し,機械学習回帰技術を研究した。異なるタイプのニューラルネットワーク,サポートベクトル回帰,またはGauss過程を含む一連のモデルを試験した。スペイン,ガリシアにある水力発電貯水池からの実データは,上流測定ステーションからの予測変数と共に考慮した。本稿で提示した手法は,水力目的のための貯水池におけるダム水位の長期間および短期解析と予測のための優れたツールを提供し,特にスペインのような水文学ストレスを有する地域における水資源の管理に重要であることを示した。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： ゆらぎ ,  *貯水池 ,  水資源 ,  *水力発電 ,  ニューラルネットワーク ,  *水位 ,  *ダム ,  水文学 ,  スペイン ,  Gauss過程 ,  水力エネルギー ,  回帰モデル ,  ARMAモデル ,  *機械学習
準シソーラス用語： サポートベクトル回帰 , 【Automatic Indexing@JST】

著者キーワード (6件)： ダムの水位 ,  水力発電用貯水池 ,  トレンド除去ゆらぎ解析 ,  ARMAモデル ,  機械学習リグレッサ ,  貯水池管理

分類 (1件)： 貯水池,調整池  (RC16030Z)

引用文献 (47件)：

• Zhang, D.; Lin, J.; Peng, Q.; Wang, D.; Yang, T.; Sorooshian, S.; Liu, X.; Zhuang, J. Modeling and simulating of reservoir operation using the artificial neural network, support vector regression, deep learning algorithm. J. Hydrol. 2018, 565, 720-736.
• Lehner, B.; Liermann, C.R.; Revenga, C.V.; Vörösmarty, C.; Fekete, B.; Crouzet, P. High-resolution mapping of the world’s reservoirs and dams for sustainable river-flow management. Front. Ecol. Enviorn. 2011, 9, 494-502.
• Akkose, A.; Bayraktar, A.; Dumanoglu, A.A. Reservoir water level effects on nonlinear dynamic response of arch dams. J. Fluids Struc. 2008, 24, 418-435.
• Wang, D.; Zhang, S.; Wang, G.; Han, Q.; Huang, G.; Wang, H.; Liu, Y.; Zhang, Y. Quantitative Assessment of the Influences of Three Gorges Dam on the Water Level of Poyang Lake, China. Water 2019, 11, 1519.
• Zhang, Y.; Zheng, H.; Herron, X.; Liu, X.; Wang, Z.; Chiew, F.W.; Parajka, J. A framework estimating cumulative impact of damming on downstream water availability. J. Hydrol. 2019, 575, 612-627.

タイトルに関連する用語 (8件)： 機械学習 ,  持続性 ,  水力発電 ,  貯水池 ,  ダム ,  水位 ,  分析 ,  予測