文献

J-GLOBAL ID：202202210547315855   整理番号：22A0554516

ニューラルネットワークとARIMAモデルを用いた複数スケールからの北海道における魚類漁獲の協調的予測と解析【JST・京大機械翻訳】

Collaborative Forecasting and Analysis of Fish Catch in Hokkaido From Multiple Scales by Using Neural Network and ARIMA Model

著者 (4件)： Zhang Yue (Division of Information and Electronic Engineering, Muroran Institute of Technology, Muroran, Japan) ,  Yamamoto Masato (Division of Information and Electronic Engineering, Muroran Institute of Technology, Muroran, Japan) ,  Suzuki Genki (Division of Information and Electronic Engineering, Muroran Institute of Technology, Muroran, Japan) ,  Shioya Hiroyuki (Division of Information and Electronic Engineering, Muroran Institute of Technology, Muroran, Japan)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 7823-7833  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 漁業漁獲予測は,効果的な漁業管理と資源配分システムを確立するその関連性のため,水生研究の重要な側面である。本研究では,複数のスケールでの方法を用いて,協調処理データによる魚漁獲を予測し,解析することを目的とした。この目的のために,2つの計算漁業漁獲予測モデルを提案する。畳み込みニューラルネットワークと長い短期記憶ニューラルネットワークの多重時間スケール特徴に基づくニューラルネットワークモデルを提案し,北海道の東部港における日常漁獲のための短期対策を予測するために実行した。同様に,自己回帰統合移動平均(ARIMA)法とニューラルネットワークを組み合わせた長期漁獲予測と解析モデルを提案し,疎データの場合の短期水温と長期漁獲依存性を調べた。北海道における全月捕獲を調べるためにこの方法を実行した。実験結果は,提案した方式が,異なるデータスケール,体積,および他の複雑な状況に基づく漁業漁獲を効果的に予測し,分析できることを示した。これはまた,複数の視点を考慮した分野における最初の研究である。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データ ,  港湾 ,  *ニューラルネットワーク ,  水温 ,  資源割付 ,  多重化 ,  捕獲 ,  北海道 ,  漁業 ,  *漁獲 ,  解析モデル ,  予測モデル
準シソーラス用語： 神経回路網モデル ,  ARIMAモデル ,  漁業管理 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (9件)： ニューラルネットワーク ,  ARIMAモデル ,  スケール ,  北海道 ,  魚類 ,  漁獲 ,  協調 ,  予測 ,  解析