文献
J-GLOBAL ID:202202215070350303   整理番号:22A0858729

グレード制御構造の下流の洗掘深さを予測するソフト計算モデルの比較不確実性解析【JST・京大機械翻訳】

Comparative uncertainty analysis of soft computing models predicting scour depth downstream of grade-control structures
著者 (5件):
資料名:
巻: 15  号:ページ: 418  発行年: 2022年 
JST資料番号: W4050A  ISSN: 1866-7511  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: ドイツ (DEU)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究の主な焦点は,エネルギーベース手法によって強化されたGCSの洗掘深さを予測するGEP,ELM,LSSVM,およびGMDHソフトコンピューティングモデルを開発し,これらの開発したモデルの不確実性を比較することである。エネルギーパラメータの新しい定義を用いて,入力ベクトル選択のためのシナリオベースアプローチと共により正確な予測を達成した。モンテカルロフレームワークを,結果の不確実性,信頼性,および弾力性解析のために開発した。結果は,他のモデルと比較して,洗掘深さ予測のためのエネルギーベースGEP法の強化を確認した。ロバスト性評価の結果は,試験相におけるLSSVM(信頼性=35.53%,レジリエンシー=40%),ELM(信頼性=34.2%,レジリエンシー=24.6%),およびGMDH(信頼性=26.3%,レジリエンシー=24.6%)と比較して,信頼性52.63%および弾力性67.57%を有するGEPの最低不確実性値を示した。抽出方程式の単純さと広範囲の実験室と現場データへの適応性に加えて,不確実性とロバスト性解析は,提案モデルが,洗掘深さの予測において,ELM,GMDH,およびLSSVMのような既存の方程式と人工知能モデルより効率的であることを示した。GEPは他の方法より信頼性があり,弾力性があると結論できる。本稿で開発した不確実性解析フレームワークは,洗掘深さを確かに予測し,堆積物輸送と洗掘孔形状予測の数学的モデリングと,水理構造物周辺の洗掘の実ケースモデリングとの組み合わせが可能な方程式を抽出する新しい手法である。Copyright Saudi Society for Geosciences 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
オペレーションズリサーチ一般 

前のページに戻る