文献

J-GLOBAL ID：202202243625310337   整理番号：22A0448864

人工ニューラルネットワーク(ANN)とフィールドプロットデータを用いた降雨流出過程のシミュレーション【JST・京大機械翻訳】

Simulation of rainfall-runoff process using an artificial neural network (ANN) and field plots data

著者 (2件)： Gholami Vahid (Department of Range and Watershed Management and Department of Water Engineering and Environment, Faculty of Natural Resources, University of Guilan, Sowmeh Sara, Guilan, Iran) ,  Sahour Hossein (Marine Science Institute, The University of Texas at Austin, Port Aransas, TX, USA)
資料名： Theoretical and Applied Climatology  (Theoretical and Applied Climatology)
巻： 147  号： 1-2  ページ： 87-98  発行年： 2022年 
JST資料番号： A0518A  ISSN： 0177-798X  CODEN： TACLEK  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： 降雨-流出モデリングは,ピーク流量の推定や水理構造の設計のような多くの水文研究に必要である。極端な気候事象の強度と頻度は,降雨-流出モデリングのために異なる気候と景観パラメータを組み込む先進的手法の使用を必要とする。世界中の小流域の大部分は水文測定データを欠いている。本研究は,降雨と水文測定データとの組み合わせで,フィールドサンプリングプロットからのデータを使用して,降雨流出過程をシミュレーションするために,人工ニューラルネットワーク(ANN)を適用した。この目的のために,イラン北部のTarar盆地での降雨発生時の初期損失と浸透量を決定するために,異なる土地利用間で同様にサイズのフィールドプロットを確立した。モデリングプロセスは,ネットワーク入力が降雨時系列,初期損失,土壌先行水分条件(A.M.C),および流域のピークまでの時間である多層パーセプトロンネットワークを使用して実行して,出力は流出時系列であった。雨量計と水文測候所とフィールドプロットからのデータを3連続月間採取した。訓練の3回運動(R-sqr=0.96,MSE=0.005),交差検証(R-sqr=0.95,MSE=0.006)および試験(R-sqr=0.81,MSE=0.05)は,良好な結果をもたらした。また,モデリング結果は,累積降雨データとモデリングプロセスにおける初期損失の重要性を示した。結果は,流出時系列と洪水ハイドログラフが,最適入力と活発な水文測定ステーションのない流域のための適切なニューラルネットワーク構造を用いてシミュレートできることを示した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Austria, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 浸透 ,  *降雨 ,  洪水 ,  ハイドログラフ ,  *ネットワーク ,  流量 ,  土地利用 ,  気候 ,  流域 ,  水分 ,  測候所 ,  小流域 ,  盆地 ,  多層パーセプトロン
準シソーラス用語： *降雨流出 , 【Automatic Indexing@JST】

分類 (1件)： 水文学一般  (DC07010R)

タイトルに関連する用語 (5件)： 人工ニューラルネットワーク ,  フィールドプロット ,  降雨流出 ,  過程 ,  シミュレーション