文献

J-GLOBAL ID：202202243143634196   整理番号：22A1180145

長期平均月露点温度を予測するためのランダムフォレストと多変量適応回帰スプラインの実現可能性【JST・京大機械翻訳】

Feasibility of Random Forest and Multivariate Adaptive Regression Splines for Predicting Long-Term Mean Monthly Dew Point Temperature

著者 (8件)： Zhang Guodao (1College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou, China) ,  Bateni Sayed M. (2Department of Civil and Environmental Engineering and Water Resources Research Center, University of Hawaii at Manoa, Honolulu, HI, United States) ,  Jun Changhyun (3Department of Civil and Environmental Engineering, College of Engineering, Chung-Ang University, Seoul, Korea) ,  Khoshkam Helaleh (2Department of Civil and Environmental Engineering and Water Resources Research Center, University of Hawaii at Manoa, Honolulu, HI, United States) ,  Band Shahab S. (4Future Technology Research Center, National Yunlin University of Science and Technology, Douliou, Taiwan) ,  Mosavi Amir (5John von Neumann Faculty of Informatics, Obuda University, Budapest, Hungary) ,  Mosavi Amir (6Institute of Information Society, University of Public Service, Budapest, Hungary) ,  Mosavi Amir (7Institute of Information Engineering, Automation and Mathematics, Slovak University of Technology in Bratislava, Bratislava, Slovakia)
資料名： Frontiers in Environmental Science (Web)  (Frontiers in Environmental Science (Web))
巻： 10  ページ： 826165  発行年： 2022年 
JST資料番号： U7070A  ISSN： 2296-665X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 露点温度(T_dew)の正確な推定は気候学,農業および農業研究において重要である。本研究では,2つのソフトコンピューティング法,ランダムフォレスト(RF)および多変量適応回帰スプライン(MARS)の実現可能性を,長期平均月T_dewを予測するために評価した。イランの50の測候所からの気温,日照時間,相対湿度,および入射日射を含む様々な気象変数,ならびにそれらの地理的情報(またはそれらのサブセット)を,入力としてRFとMARSで使用した。3つの統計的指標,すなわち,二乗平均平方根誤差(RMSE),平均絶対誤差(MAE),および相関係数(R)を用いて,異なる入力構成に対する両モデルからT_dew推定値の精度を評価した。結果は,長期平均月T_dewを予測するためのRFとMARS法の能力を示した。RFとMARS法の両方における組合せシナリオは,最良のT_dew推定値を生成することが分かった。最良のT_dew推定値は,訓練段階でRMSE,MAEおよびRがそれぞれ0.17°C,0.14°Cおよび1.000のMARSモデルで得られた。検証段階で,0.15°C,0.12°C,および1.000;試験段階で,0.18°C,0.14°C,および0.999であった。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 気温 ,  相対湿度 ,  相関係数 ,  測候所 ,  日照時間 ,  *露点 ,  日射 ,  人工知能 ,  *スプライン ,  *計算機アルゴリズム ,  モデル ,  指標 ,  推定量 ,  機械学習
準シソーラス用語： *ランダムフォレスト ,  *多変量 , 【Automatic Indexing@JST】

著者キーワード (6件)： 露点温度 ,  ランダムフォレスト ,  多変量適応回帰スプライン ,  機械学習 ,  ビッグデータ ,  人工知能

分類 (2件)： 放射,大気光学  (DC05080C) ,  太陽エネルギー  (LB03030Q)

引用文献 (37件)：

• AgamN., BerlinerP. R. (2006). Dew Formation and Water Vapor Adsorption in Semi-arid Environments-A Review. J. Arid Environments 65 (4), 572-590. doi: 10.1016/j.jaridenv.2005.09.004
• AlizamirM., KimS., Zounemat-KermaniM., HeddamS., KimN. W., SinghV. P. (2020a). Kernel Extreme Learning Machine: an Efficient Model for Estimating Daily Dew point Temperature Using Weather Data. Water 12 (9), 2600. doi: 10.3390/w12092600
• AlizamirM., KimS., KisiO., Zounemat-KermaniM. (2020b). Deep echo State Network: a Novel Machine Learning Approach to Model Dew point Temperature Using Meteorological Variables. Hydrological Sci. J. 65 (7), 1173-1190. doi: 10.1080/02626667.2020.1735639
• AllenR. G., PereiraL. S., RaesD., SmithM. (1998). Crop Evapotranspiration. GuideLines for Computing Crop Evapotranspiration. Rome, Italy: FAO Irrigation and Drainage Paper No. 56. doi: 10.1080/02626667.2020.1735639
• AmirmojahediM., MohammadiK., ShamshirbandS., Seyed DaneshA., MostafaeipourA., KamsinA. (2016). A Hybrid Computational Intelligence Method for Predicting Dew point Temperature. Environ. Earth Sci. 75, 1-12. doi: 10.1007/s12665-015-5135-7

タイトルに関連する用語 (10件)： 長期 ,  平均 ,  月 ,  露点温度 ,  予測 ,  ランダムフォレスト ,  多変量 ,  適応 ,  スプライン ,  実現可能性