文献

J-GLOBAL ID：202202247352452868   整理番号：22A0432228

Bi-LSTMとスパースサンプリングに基づく土壌中のDEHP汚染カテゴリーの空間分布モデル【JST・京大機械翻訳】

Spatial distribution model of DEHP contamination categories in soil based on Bi-LSTM and sparse sampling

著者 (5件)： Zheng Shiyu (School of Earth Science and Engineering, Hohai University, Nanjing 210098 China) ,  Wang Jinguo (School of Earth Science and Engineering, Hohai University, Nanjing 210098 China) ,  Zhuo Yue (School of Earth Science and Engineering, Hohai University, Nanjing 210098 China) ,  Yang Dong (School of Earth Science and Engineering, Hohai University, Nanjing 210098 China) ,  Liu Ruitong (School of Earth Science and Engineering, Hohai University, Nanjing 210098 China)
資料名： Ecotoxicology and Environmental Safety  (Ecotoxicology and Environmental Safety)
巻： 229  ページ： Null  発行年： 2022年 
JST資料番号： A0825B  ISSN： 0147-6513  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： 土壌汚染は,人間の生活と開発にとって重大な脅威である。異なる修復対策を,異なるレベルの汚染を有する土壌に適用した。異なる地域における土壌汚染の程度は一般に評価され,試料の分析に基づいて分類される。地域土壌サンプリングサイトは,サンプリングと他の要因のコストのため,一般的に疎であり,地域土壌汚染の程度を正確に評価することを困難にする。本研究では,サンプリング情報がサンプリングと予測点間の距離の増加とともに徐々に減少するという考えを考慮して,Bi方向Long Short-Termメモリ(Bi-LSTM)ニューラルネットワークを用いて,ジ(2-エチルヘキシル)フタラート(DEHP)汚染レベルに対する空間分類モデルを確立した。本研究では,スパース試料に基づく土壌汚染カテゴリーの空間分布の予測法を提案した。また,有機汚染カテゴリーの空間分布のモデルを確立した。実際の汚染地域の分析は,異なる場所のDEHP濃度が,特定のDEHP試料の汚染レベルを分類することにより,提案した方法で効果的に予測できることを示した。結果は,この方法が光/重度のDEHP汚染の程度を分類するのに使用できることを示した。結果は,実際の状況と良く一致して,方法の有効性を確かめた。この方法は,疎サンプリングに基づく土壌汚染レベルの空間分布の迅速評価にとって重要である。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 ,  記憶装置 ,  ニューラルネットワーク ,  *土壌汚染 ,  空間分布 ,  有効性
準シソーラス用語： 汚染土地 ,  分類モデル ,  深層学習 ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (3件)： 深層学習 ,  土壌汚染 ,  フタル酸エステル

分類 (2件)： 土壌汚染  (FB04100T) ,  重金属とその化合物一般  (SB05021R)

タイトルに関連する用語 (7件)： Bi ,  LSTM ,  土壌 ,  DEHP ,  汚染 ,  カテゴリー ,  分布モデル