文献

J-GLOBAL ID：202202221248982779   整理番号：22A0561045

高時間分解モニタリングと長期短期記憶ネットワークに基づく三峡貯水池における藻類パラメータの時間的予測【JST・京大機械翻訳】

Temporal prediction of algal parameters in Three Gorges Reservoir based on highly time-resolved monitoring and long short-term memory network

著者 (11件)： Shan Kun (CAS Key Lab on Reservoir Environment, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences, Chongqing 400714, China) ,  Shan Kun (Chongqing School, University of Chinese Academy of Sciences, Chongqing 400714, China) ,  Ouyang Tian (Key Laboratory of Eco-environments in Three Gorges Reservoir Region of the Ministry of Education, School of Life Science, Southwest University, Chongqing 400715, China) ,  Wang Xiaoxiao (CAS Key Lab on Reservoir Environment, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences, Chongqing 400714, China) ,  Wang Xiaoxiao (Chongqing School, University of Chinese Academy of Sciences, Chongqing 400714, China) ,  Yang Hong (Department of Geography and Environmental Science, University of Reading, Whiteknights Reading RG6 6AB, UK) ,  Zhou Botian (CAS Key Lab on Reservoir Environment, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences, Chongqing 400714, China) ,  Zhou Botian (Chongqing School, University of Chinese Academy of Sciences, Chongqing 400714, China) ,  Wu Zhongxing (Key Laboratory of Eco-environments in Three Gorges Reservoir Region of the Ministry of Education, School of Life Science, Southwest University, Chongqing 400715, China) ,  Shang Mingsheng (CAS Key Lab on Reservoir Environment, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences, Chongqing 400714, China) ,  Shang Mingsheng (Chongqing School, University of Chinese Academy of Sciences, Chongqing 400714, China)
資料名： Journal of Hydrology  (Journal of Hydrology)
巻： 605  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： 世界中の多くのダム河川は,気候変動と人為的活動の文脈において,頻繁な有害な藻類ブルーム(HABs)を経験した。藻類パラメータの正確な予測(即ち,藻類細胞密度とミクロシスチン濃度)は,HABリスクに対する注意を取るために大きな実用的意義を持つ。長い短期メモリ(LSTM)ネットワークは,水質パラメータの予測において,最近,可能性を示した。しかし,藻類パラメータの高い時間分解測定の予測におけるLSTMのロバスト性についてはほとんど知られていない。本研究は,三峡貯水池(TGR)における藻類細胞密度とミクロシスチン濃度を予測するために,1つのXGBoostモジュールと2つの並列LSTMモデルから成るハイブリッド深層学習アーキテクチャ(XG-LSTM)を開発した。提案したモデルを,TGRにおける4つのブルーム衝撃支流におけるin situマルチセンサシステムモニタリングデータによって検証した。各モデリングプロセスは,藻類パラメータの先行情報と,来る時間と日に対する藻類パラメータを予測するための入力として対応する環境変数を利用した。予想されたように,提示したモデルは,特別な特徴抽出手順の無いものより優れた性能を達成し,選択した環境パラメータの使用がLSTM性能を改善できることを示す。さらに,ハイブリッドXG-LSTMモデルは,他のデータ駆動モデルと比較して,藻類細胞密度とミクロシスチン濃度の時系列パターンをうまく捕捉し,さらに,ブルーム毒性の早期警戒におけるこのモデルの信頼できる利用を示唆した。したがって,結果は,TGRにおける藻類パラメータのリアルタイム予測のための深層学習技術の可能性と,おそらく他の水生生態系におけるHABs開発の迅速検出を実証した。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： 衝撃 ,  濃度 ,  *貯水池 ,  水質 ,  *ネットワーク ,  特徴抽出 ,  ダム ,  河川 ,  *藻類 ,  気候変動 ,  モデル ,  ロバスト性 ,  機械学習 ,  細胞密度
準シソーラス用語： ミクロシスチン ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 有害な藻類ブルーム ,  リアルタイムモニタリング ,  長期短期記憶ネットワーク ,  ミクロシスチン ,  三峡貯水池

分類 (2件)： 湖沼汚濁  (SB02030Q) ,  貯水池,調整池  (RC16030Z)

タイトルに関連する用語 (8件)： 分解 ,  モニタリング ,  長期 ,  短期記憶 ,  貯水池 ,  藻類 ,  パラメータ ,  予測