文献

J-GLOBAL ID：202202230147096104   整理番号：22A0919465

多変量時系列を持つゲートリカレントユニットネットワークを用いた海洋波高の多段階予測【JST・京大機械翻訳】

Multi-step forecasting of ocean wave height using gate recurrent unit networks with multivariate time series

著者 (11件)： Li Xinfang (First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China) ,  Cao Jinfeng (School of Mechanical and Automotive Engineering, Shandong Technology Research Center on Accident Prevention of Key Industry Field, Qingdao University of Technology, Qingdao 266520, China) ,  Guo Jihong (School of Energy and Mining Engineering, China University of Mining & Technology, Beijing, 100083, China) ,  Liu Chao (Department of Energy and Power Engineering, State Key Laboratory of Control and Simulation of Power System and Generation Equipment, Tsinghua University, Beijing 100084, China) ,  Wang Wen (First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China) ,  Wang Wen (National Engineering Laboratory for Integrated Aero-Space-Ground-Ocean Big Data Application Technology, China) ,  Jia Zhen (First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China) ,  Jia Zhen (National Engineering Laboratory for Integrated Aero-Space-Ground-Ocean Big Data Application Technology, China) ,  Su Tianyun (First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China) ,  Su Tianyun (National Engineering Laboratory for Integrated Aero-Space-Ground-Ocean Big Data Application Technology, China) ,  Su Tianyun (Laboratory for Regional Oceanography and Numerical Modeling, Pilot National Laboratory for Marine Science and Technology, China)
資料名： Ocean Engineering  (Ocean Engineering)
巻： 248  ページ： Null  発行年： 2022年 
JST資料番号： D0597A  ISSN： 0029-8018  CODEN： OCENBQ  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： 海洋波高は,海洋工学建設,計画決定,および沿岸災害評価の必須パラメータである。長期,正確,および信頼できる海洋波高予測は,上記の目的に重要であり,近年,より多くの注意を引きつけた。本研究では,ゲートリカレントユニット(GRU)ネットワークによるロバスト短期および長期海洋波予測を達成する新しい方法を提案した。GRUベース波予測モデルを,多変量逐次データ間の長期依存性を学ぶために確立した。将来の波高は,提案した方法によって学習された特徴に基づいて予測される。中国の海岸に沿った6つの異なる観測所の事例研究を研究した。結果は,1-時間予報のために,GRUネットワークがすべての誤差計量に関して比較方法より優れていることを示した。3時間予報に対して,GRUネットワークはLSTMアルゴリズムと比較してよりロバスト性を示した。結果はまた,提示したスキームが効率的で信頼できる短期および長期波動予測アプローチであることを検証した。現実における予測方法の適用は,海洋安全性,海洋開発および多くの他の分野にとって必須である。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： 予測技法 ,  波動 ,  *波浪 ,  *ネットワーク ,  *波高 ,  海岸 ,  *海洋 ,  海洋工学 ,  事例研究 ,  パラメータ ,  ロバスト性 ,  *再帰性 ,  予測モデル
準シソーラス用語： *多変量 , 【Automatic Indexing@JST】

著者キーワード (5件)： 波浪高度予測 ,  ゲート付きリカレントユニットネットワーク ,  長期短期記憶ネットワーク ,  機械学習 ,  多変量時系列

分類 (2件)： データベースシステム  (JD03030U) ,  波浪,潮流  (DC06040R)

タイトルに関連する用語 (5件)： 多変量 ,  時系列 ,  海洋波 ,  段階 ,  予測