文献

J-GLOBAL ID：202102279731520543   整理番号：21A2950476

トルコ,東部黒海盆地における溶存酸素濃度の空間的予測【JST・京大機械翻訳】

Spatial Forecasting of Dissolved Oxygen Concentration in the Eastern Black Sea Basin, Turkey

著者 (5件)： Nacar Sinan (Civil Engineering Department, Engineering Faculty, Karadeniz Technical University, Trabzon 61080, Turkey) ,  Bayram Adem (Civil Engineering Department, Engineering Faculty, Karadeniz Technical University, Trabzon 61080, Turkey) ,  Baki Osman Tugrul (Civil Engineering Department, Technology Faculty, Karadeniz Technical University, Trabzon 61830, Turkey) ,  Kankal Murat (Civil Engineering Department, Engineering Faculty, Bursa Uludag University, Bursa 16059, Turkey) ,  Aras Egemen (Civil Engineering Department, Engineering and Natural Sciences Faculty, Bursa Technical University, Bursa 16310, Turkey)
資料名： Water (Web)  (Water (Web))
巻： 12  号： 4  ページ： 1041  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： 本研究の目的は,トルコの東黒海(EBS)流域河川における表面水水質をモニターし,評価することである。7つの河川について毎月モニターした水質指標は,水温(WT),pH,全溶解固体(TDS),および電気伝導率(EC),ならびにルミネセンス溶存酸素(LDO)濃度と飽和であった。18か月のデータモニタリングに基づいて,表面水質変動を,トルコの表面水水質規制を参照して空間的および時間的に評価した。最初に,教育学習ベースの最適化(TLBO)アルゴリズムと従来の回帰分析(CRA)を,3つの異なる回帰形式,すなわち指数,電力,および線形関数に適用して,LDO濃度を予測した。次に,多変量適応回帰スプライン(MARS)法を採用して,3つの性能尺度,すなわち,平均絶対誤差(MAE),根平均平方誤差(RMSE),およびNash Sutcliffe係数(NSCE)を用いて,MARS,TLBO,およびCRA法の性能を評価した。モニタリング結果は,すべての河川が,冬の月におけるより低いWT値がより高いLDO濃度をもたらすのと同じ傾向を示し,一方,夏におけるより高いWT値はより低いLDO濃度に導いたことを明らかにした。同様に,より高いTDS濃度を示す秋は,より高いEC値をもたらし,一方,より低いTDS濃度を示す春は,より低いEC値を生じた。EBS流域における河川の水質は,in situでモニターされたパラメータに関して高品質水であり,その内,LDO濃度は,夏において9.13から10.12mg/L,冬において12.31から13.26mg/Lまで変化した。3つのモデルの予測精度を比較した場合,MARS法は他の方法よりも良好な結果を与えることが分かった。TLBOとCRA法の結果は互いに非常に近かった。RMSE,MAEおよびNSCE値は,最良のMARSモデルに対して,それぞれ,0.2599mg/L,0.2125mg/Lおよび0.9645であり,一方,これらの値は,最良のTLBOおよびCRAモデルに対して,それぞれ0.4167mg/L,0.3068mg/Lおよび0.9086であった。一般に,LDO濃度は,WT,EC,およびpH変数の種々の入力組合せでMARS法を用いてうまく予測できた。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： アルゴリズム ,  最適化 ,  電気伝導率 ,  溶解 ,  回帰分析 ,  学習 ,  水質 ,  電力 ,  水温 ,  河川 ,  流域 ,  *溶存酸素 ,  スプライン ,  *盆地
準シソーラス用語： 予測精度 , 【Automatic Indexing@JST】

著者キーワード (5件)： 溶存酸素 ,  東黒海盆地 ,  多変量適応回帰スプライン ,  河川水質 ,  教育学習に基づく最適化

分類 (1件)： 河川汚濁  (SB02020F)

引用文献 (76件)：

• Sarkar, A.; Pandey, P. River water quality modelling using artificial neural network technique. Aquat. Proced. 2015, 4, 1070-1077.
• Cox, B.A. A review of dissolved oxygen modelling techniques for lowland rivers. Sci. Total Environ. 2003, 314, 303-334.
• Heddam, S. Use of optimally pruned extreme learning machine (OP-ELM) in forecasting dissolved oxygen concentration (DO) Several hours in advance: A case study from the Klamath River, Oregon, USA. Environ. Process. 2016, 3, 909-937.
• Spanou, M.; Chen, D. An object-oriented tool for the control of point-source pollution in river systems. Environ. Model. Softw. 2000, 15, 35-54.
• Mulholland, P.J.; Houser, J.N.; Maloney, K.O. Stream diurnal dissolved oxygen profiles as indicators of in-stream metabolism and disturbance effects: Fort Benning as a case study. Ecol. Indic. 2005, 5, 243-252.

タイトルに関連する用語 (5件)： トルコ ,  黒海 ,  盆地 ,  溶存酸素濃度 ,  予測