文献

J-GLOBAL ID：202202217631149440   整理番号：22A0729792

地下水レベル予測のための改良型アルファ誘導灰色オオカミ最適化器を用いたブースト人工知能モデル:連合学習技術のための比較研究と洞察【JST・京大機械翻訳】

Boosted artificial intelligence model using improved alpha-guided grey wolf optimizer for groundwater level prediction: Comparative study and insight for federated learning technology

著者 (9件)： Cui Fang (Key Lab of Disasters Monitoring and Mechanism Simulating of Shannxi Province, Baoji University of Art & Sciences, Baoji 721013, Shannxi, PR China) ,  Cui Fang (Geography and Environment Department, Baoji University of Art & Sciences, Baoji 721013, Shannxi, PR China) ,  Al-Sudani Zainab Abdulelah (Water Resources Department, College of Engineering, University of Baghdad, Iraq) ,  Hassan Geehan Sabah (College of Education For Women, Baghdad University, Baghdad, Iraq) ,  Afan Haitham Abdulmohsin (Department of Civil Engineering, Al-Maarif University College, Ramadi 31001, Iraq) ,  Ahammed Sumaiya Jarin (Department of Civil Engineering, International University of Business Agriculture and Technology, Dhaka 1230, Bangladesh) ,  Yaseen Zaher Mundher (Department of Urban Planning, Engineering Networks and Systems, Institute of Architecture and Construction, South Ural State University, 76, Lenin Prospect, 454080 Chelyabinsk, Russia) ,  Yaseen Zaher Mundher (New Era and Development in Civil Engineering Research Group, Scientific Research Center, Al-Ayen University, Thi-Qar 64001, Iraq) ,  Yaseen Zaher Mundher (College of Creative Design, Asia University, Taichung City, Taiwan)
資料名： Journal of Hydrology  (Journal of Hydrology)
巻： 606  ページ： Null  発行年： 2022年 
JST資料番号： C0584A  ISSN： 0022-1694  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 地下水レベル(GWL)のモデリングは,複数の自然および人為的要因への依存性のため,特に集中的な地下水ベースの灌漑地域において,挑戦的な仕事である。現在の調査の主な動機は,GWLシミュレーションのための新しい先進人工知能(AI)モデルを開発することである。本研究では,改良アルファガイドグレイWolf最適化(IA-GWO)アルゴリズムによって最適化された適応ニューロファジィ推論システム(ANFIS)を,北西バングラデシュの集中的灌漑地域におけるGWLの信頼できる予測のために,本研究で提案した。降雨,蒸発散,地下水抽出,および灌漑リターンフローを含む自然および人為的要因を,モデルの開発のための入力変数とみなした。提案モデルの有効性を,スタンドアロンANFISおよびANNモデルおよび粒子群最適化(ANFIS-PSO)モデルを用いたそれらのハイブリッドバージョンと比較した。散乱プロット,ビオリンプロット,およびTaylorダイアグラムの標準統計的計量と目視検査の両方を性能評価に用いた。31年(1981年~2011年)の毎月の地下水位データを,モデルの較正と検証のために使用した。結果は,ANFIS-PSO(NRMSE0.38-0.55およびKGE0.70-0.86)およびANN-IA-GWO(NRMSE0.42~0.57およびKGE0.75-0.91)およびANN-PSO(NRMSE0.50-0.63およびKGE0.63-0.83)と比較して,ANFIS-IA-GWOの正規化二乗平均平方根誤差(NRMSE)が0.06-0.11およびKling-Gupta効率(KGE)が0.96-0.98のより良い性能を明らかにした。。また,ANN-IA-GWO(NRMSE)は,ANN-PSO(NRMSE0.38-0.55およびKGE0.70-0.86)およびANN-PSO(NRMSE0.50-0.63およびKGE0.63-0.83)と比較して,0.96-0.98のKling-Gupta効率(KGE)であった。結果の視覚的比較は,ANFIS-IA-GWOモデルが,他のモデルと比較して,観察されたGWLの平均,分布,四分位範囲,および標準偏差を複製できることを示した。Copyright 2022 Elsevier B.V., Amsterdam. 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 ,  散乱 ,  視覚 ,  シミュレーション ,  降雨 ,  標準偏差 ,  灌漑 ,  蒸発散 ,  *人工知能 ,  地下水位 ,  正規化 ,  ファジィニューラルネットワーク
準シソーラス用語： 適応ニューロ-ファジィ推論システム , 【Automatic Indexing@JST】

著者キーワード (5件)： 地下水レベル ,  人工知能 ,  適応ニューロ-ファジィ推論システム ,  改良型アルファ誘導グレイWolfアルゴリズム ,  予測モデル

分類 (3件)： 水文学一般  (DC07010R) ,  地下水学  (DC07040Y) ,  水質汚濁一般  (SB02010U)

タイトルに関連する用語 (11件)： 地下水 ,  予測 ,  誘導 ,  灰色 ,  オオカミ ,  最適化 ,  人工知能 ,  モデル ,  学習 ,  研究 ,  洞察