文献

J-GLOBAL ID：202202247958976889   整理番号：22A0154145

土壌含水量時系列の階層的予測【JST・京大機械翻訳】

Hierarchical prediction of soil water content time series

著者 (3件)： Leij Feike J. (Department of Civil Engineering and Construction Engineering Management, California State University, Long Beach, CA 90840-5101, United States) ,  Dane Jacob H. (Department of Crop, Soil and Environmental Sciences, Auburn University, AL 36849, United States) ,  Sciortino Antonella (Department of Civil Engineering and Construction Engineering Management, California State University, Long Beach, CA 90840-5101, United States)
資料名： CATENA  (CATENA)
巻： 209  号： P2  ページ： Null  発行年： 2022年 
JST資料番号： W1943A  ISSN： 0341-8162  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： 土壌水分の空間的および時間的動態を定量化することは,通気帯水文学における重要な主題である。1282日のフィールド研究を行い,フィールド土壌水分量時系列θ(t)のニューラルネットワークシミュレーションを評価するデータの階層を提供した。20,40,60,80および100cm深さでの中性子熱化により,典型的に1週間,体積含水量を測定した。土壌サンプルは,土壌特性,水分保持および飽和透水係数を決定するために,14および114cm深さの間の60か所で採取した。基礎および拡張土壌特性からの水理パラメータの予測は,低い相関係数をもたらした。含水量は,土壌特性または水理パラメータ(0.880<R<0.942)からニューラルネットワークによって合理的に予測することができた。降雨データに基づくθ(t)の予測は正確ではなかった。独立ネットワークは,Nash-Sutcliffeモデル効率およびパーセントBiasに基づく1つの観測θ(t)からの含水量を正確にシミュレートすることができた。一旦ネットワークを特定の深さのために訓練すると,正確な予測は,ただ一つの位置での観察を用いて訓練期間を超えて行うことができる。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： シミュレーション ,  中性子 ,  降雨 ,  ネットワーク ,  ニューラルネットワーク ,  水文学 ,  相関係数 ,  含水量 ,  土壌水 ,  *土壌含水量 ,  熱化 ,  土壌特性
準シソーラス用語： 通気帯 ,  土壌試料 ,  水理パラメータ , 【Automatic Indexing@JST】

著者キーワード (4件)： 土壌含水量 ,  土壌特性 ,  水保持 ,  ニューラルネットワーク

分類 (1件)： 土壌物理  (FB04030R)

タイトルに関連する用語 (3件)： 土壌含水量 ,  時系列 ,  予測