文献

J-GLOBAL ID：202202218508924361   整理番号：22A0621664

揚子江流域における干ばつと洪水を予測するためのNARXニューラルネットワークの利用【JST・京大機械翻訳】

Using NARX neural network to forecast droughts and floods over Yangtze River Basin

著者 (4件)： Wang Jielong (College of Surveying and Geo-Informatics, Tongji University, Shanghai, China) ,  Wang Jielong (Cooperative Research Center of Crustal Movement Observation Network of China, Ministry of Education, Shanghai, China) ,  Chen Yi (College of Surveying and Geo-Informatics, Tongji University, Shanghai, China) ,  Chen Yi (Cooperative Research Center of Crustal Movement Observation Network of China, Ministry of Education, Shanghai, China)
資料名： Natural Hazards  (Natural Hazards)
巻： 110  号： 1  ページ： 225-246  発行年： 2022年 
JST資料番号： W0154A  ISSN： 0921-030X  CODEN： NAHZEL  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： 干ばつと洪水事象は,通常巨大な経済と社会損失をもたらす2つの極端な気候現象である。洪水と干ばつ防止の目標を達成するために,外因性入力(NARX)ニューラルネットワークによる非線形自己回帰を採用して,揚子江流域(YRB)上の重力回復と気候実験(GRACE)とGRACE追跡(GRACE-FO)の間のデータギャップを埋めた。NASA全球降水測定,地球規模の歴史的気候学ネットワークからの温度データ,および気候異常モニタリングシステムからの降水データ,および全球土地データ同化システム(GLDAS)からの陸水貯留異常(TWSA)を外部入力として考察した。一方,NARXモデルの性能を,最適モデル構造を見つけるために,時間遅れとニューロンのすべての可能な組合せに対して評価した。次に,全貯蔵不足指数(TSDI)をTWSA再構成に基づいて構築し,YRB上の干ばつと洪水事象を評価し,データギャップ期間中の極値を予測した。結果は,時間遅れとニューロンの数が,それぞれ1と9に等しいとき,NARXモデルが,それぞれ,二乗平均平方根誤差(rms),スケールrms[数式:原文を参照],Nash-Sutcliff効率(NSE),および相関係数rが,1.34cm,0.34,0.95,および0.94で,最適性能を持っている事を示すものであることを示した。また,NARXモデルには,それぞれ,二乗平均平方根誤差(rms),スケールrms[数式:原文を参照],Nash-Sutcliff効率(NSE),および相関係数rが,それぞれ,1.34cm,0.34,0.95,および0.94であった。TSDIと以前の研究との比較によって示されるように,YRBは,地球温暖化とエルニーニョ南方振動(ENSO)との中程度の相関で,干ばつ期間から洪水リスクの増加に切り替わった。最後に,データギャップ期間中の洪水事象をうまく予測する最も重要な結論は,NARXニューラルネットワークがYRB上の短期水文極値の予測に有望であることを示唆する。Copyright The Author(s), under exclusive licence to Springer Nature B.V. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 降水 ,  *洪水 ,  *ネットワーク ,  ニューロン ,  *ニューラルネットワーク ,  気候 ,  *流域 ,  相関係数 ,  *干ばつ ,  土地 ,  地球温暖化 ,  データ同化 ,  ENSO
準シソーラス用語： *長江 ,  GRACE衛星 , 【Automatic Indexing@JST】

著者キーワード (5件)： NARX ,  全貯蔵不足指数 ,  干ばつと洪水 ,  GRACE ,  地球温暖化

分類 (1件)： 水文学一般  (DC07010R)

タイトルに関連する用語 (6件)： 揚子江 ,  流域 ,  干ばつ ,  洪水 ,  予測 ,  ニューラルネットワーク