文献

J-GLOBAL ID：202202229351546378   整理番号：22A0882793

富栄養化した農業用ため池における毎週水質観測に基づく藻類綱別Chl.aの短期予測のためのドロップアウトを用いた3層型フィードフォワード人工ニューラルネットワーク

Three-layered Feedforward artificial neural network with dropout for short-term prediction of class-differentiated Chl-a based on weekly water-quality observations in a eutrophic agricultural reservoir

著者 (4件)： Yamamoto Ren (Course of Bioproduction Environmental Sciences, Department of Agro-Environmental Sciences, Graduate School of Bioresource and Bioenvironmental Sciences, Kyushu University, Fukuoka, Japan) ,  Harada Masayoshi (Department of Agro-Environmental Sciences, Faculty of Agriculture, Kyushu University, Fukuoka, Japan) ,  Hiramatsu Kazuaki (Department of Agro-Environmental Sciences, Faculty of Agriculture, Kyushu University, Fukuoka, Japan) ,  Tabata Toshinori (Department of Agro-Environmental Sciences, Faculty of Agriculture, Kyushu University, Fukuoka, Japan)
資料名： Paddy and Water Environment (Web)  (Paddy and Water Environment (Web))
巻： 20  号： 1  ページ： 61-78  発行年： 2022年 
JST資料番号： U1595A  ISSN： 1611-2490  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： 富栄養化ため池を効果的に管理するために,藻類綱別クロロフィルa(Chl-a)の短期予測を行った。本研究は,7年間(2011~2018)にわたり5月から11月までの毎週観測を通して収集した分散水環境データセットを用いた3層型フィードフォワード人工ニューラルネットワークを採用した。当該ネットワークは,教師あり学習を利用して構築し,1週間後に存在する可能性がある全Chl-a,緑藻類Chl-a,シアノバクテリアChl-aを決定するために,入力変数として特定の観測日の利用可能なデータセットを設定した。過剰適合を抑制するためにネットワークの複雑さの簡略化の視点から,入力変数は,緑藻類とシアノバクテリアの季節変化に関連する重要変数を特定することにより,および,水質パラメータの重複表現を排除することにより注意深く選択した。しかし,ネットワークダウンサイジングは過剰適合を抑制するのに不十分であった。予測精度を改善するために,学習過程で入力層と隠れ層のいくつかのノードが確率的に不活性化されるドロップアウトを導入した。分析結果は,全Chl-aと緑藻類Chl-aは,十分な短期予測達成の可能性を示した。シアノバクテリアChl-aの不十分な予測精度は,所望の予測日に出来るだけ近い気象データを使うことで克服できるかもしれない。従って,本モデルは,優占植物プランクトンの短期予測を達成できるので,富栄養化ため池の管理に有用なツールとして役立つ可能性があり,必要な緩和手段をそれに応じて計画することができる。Copyright The International Society of Paddy and Water Environment Engineering 2021 Translated from English into Japanese by JST.

シソーラス用語： *溜池 ,  *富栄養化 ,  クロロフィルa ,  *短期予測 ,  水質 ,  緑藻類 ,  藍藻類 ,  ニューラルネットワーク ,  精度 ,  発生 ,  データマイニング ,  測定データ ,  季節的変動 ,  気象データ
準シソーラス用語： フィードフォワードニューラルネットワーク ,  異常発生 ,  農業用溜池 ,  予測精度

著者キーワード (5件)： シアノバクテリアブルーム ,  毎週予定観測 ,  データマイニング ,  転倒 ,  ニューラルネットワークの一般化能力

分類 (3件)： 湖沼汚濁  (SB02030Q) ,  農業土木  (FB02000W) ,  数理計画法  (KA03030M)

タイトルに関連する用語 (10件)： 富栄養化 ,  農業用ため池 ,  水質 ,  観測 ,  藻類 ,  綱 ,  短期予測 ,  ドロップ ,  フィードフォワード ,  人工ニューラルネットワーク