文献

J-GLOBAL ID：202202233829409642   整理番号：22A0561091

Gauss混合モデルに基づく効果的な確率的河川流シミュレーション法【JST・京大機械翻訳】

Effective stochastic streamflow simulation method based on Gaussian mixture model

著者 (12件)： Jia Benjun (School of Civil and Hydraulic Engineering, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Jia Benjun (Hubei Key Laboratory of Digital Valley Science and Technology, Wuhan 430074, China) ,  Zhou Jianzhong (School of Civil and Hydraulic Engineering, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Zhou Jianzhong (Hubei Key Laboratory of Digital Valley Science and Technology, Wuhan 430074, China) ,  Tang Zhengyang (School of Civil and Hydraulic Engineering, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Tang Zhengyang (Hubei Key Laboratory of Intelligent Yangtze and Hydroelectric Science, China Yangtze Power Co., Ltd., Yichang 443000, China) ,  Xu Zhanxing (School of Civil and Hydraulic Engineering, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Xu Zhanxing (Hubei Key Laboratory of Digital Valley Science and Technology, Wuhan 430074, China) ,  Chen Xiao (School of Civil and Hydraulic Engineering, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Chen Xiao (Hubei Key Laboratory of Digital Valley Science and Technology, Wuhan 430074, China) ,  Fang Wei (School of Civil and Hydraulic Engineering, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Fang Wei (Hubei Key Laboratory of Digital Valley Science and Technology, Wuhan 430074, 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： 河川流量シーケンスの確率的シミュレーションは水資源計画と管理に不可欠である。本研究では,新しいGauss混合モデル(GMM)ベースの方法を提案し,任意の時間スケールの長期的合成河川流量シーケンスを生成した。最初に,K平均アルゴリズム,期待値最大化アルゴリズム,およびAkaikeの情報基準に基づいて確立されたGMMモデルを,観測された河川流量データの時間依存性を記述するために採用する。第二に,構築したGMMの精度と信頼性を,適合の良さのKolmogorov-Smirnov試験によって検証した。次に,提案した河川流量シミュレーション法を用いて,単一サイトでの日,10日,および毎月の河川流量シーケンスを作成した。最後に,提案した方法の性能を絶対および相対性能指標に基づいて検証した。上部揚子江のYichang観測所を事例研究として選び,2つのコピュラ法を,提案した方法を評価するコントラスト法として選択した。結果は,提案方法が低,中,および高時間スケールで観測河川流量データの統計的特性を効果的に捉えることができ,また,観測河川流量データの線形および非線形相関と同様に,低および高次統計を総合的に保存できることを示した。提案方法は確率的河川流量シミュレーションのための効果的方法である。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： アルゴリズム ,  コントラスト ,  *シミュレーション ,  信頼性 ,  流量 ,  クラスタ化 ,  *河川流 ,  事例研究 ,  高次統計量
準シソーラス用語： 水資源計画 ,  長江 ,  EMアルゴリズム ,  河川流量 ,  *Gauss混合モデル ,  コピュラ ,  統計的特性 , 【Automatic Indexing@JST】

著者キーワード (5件)： 確率的河川流シミュレーション ,  Gauss混合モデル ,  K平均クラスタリング ,  単一サイト河川流 ,  多重時間スケールでの河川流系列

分類 (1件)： 水文学一般  (DC07010R)

タイトルに関連する用語 (4件)： Gauss混合モデル ,  確率 ,  河川流 ,  シミュレーション法