文献

J-GLOBAL ID：202202249773582750   整理番号：22A0231370

Bayesモデル平均化(BMA)を用いた地下水脆弱性モデリングの不確実性の研究【JST・京大機械翻訳】

A study of uncertainties in groundwater vulnerability modelling using Bayesian model averaging (BMA)

著者 (11件)： Gharekhani Maryam (Department of Earth Sciences, Faculty of Natural Sciences, University of Tabriz, 29 Bahman Boulevard, Tabriz, East Azerbaijan, Iran) ,  Nadiri Ata Allah (Department of Earth Sciences, Faculty of Natural Sciences, University of Tabriz, 29 Bahman Boulevard, Tabriz, East Azerbaijan, Iran) ,  Nadiri Ata Allah (Medical Geology and Environmental Research Center, Iran) ,  Nadiri Ata Allah (Institute of Environment, University of Tabriz, Tabriz, East Azerbaijan, Iran) ,  Nadiri Ata Allah (Traditional Medicine and Hydrotherapy Research Center, Ardabil University of Medical Sciences,Ardabil, Iran) ,  Khatibi Rahman (GTEV-ReX Limited, Swindon, UK) ,  Sadeghfam Sina (Department of Civil Engineering, Faculty of Engineering, University of Maragheh, Maragheh, East Azerbaijan, Iran) ,  Asghari Moghaddam Asghar (Department of Earth Sciences, Faculty of Natural Sciences, University of Tabriz, 29 Bahman Boulevard, Tabriz, East Azerbaijan, Iran) ,  Asghari Moghaddam Asghar (Medical Geology and Environmental Research Center, Iran) ,  Asghari Moghaddam Asghar (Institute of Environment, University of Tabriz, Tabriz, East Azerbaijan, Iran) ,  Asghari Moghaddam Asghar (Traditional Medicine and Hydrotherapy Research Center, Ardabil University of Medical Sciences,Ardabil, Iran)
資料名： Journal of Environmental Management  (Journal of Environmental Management)
巻： 303  ページ： Null  発行年： 2022年 
JST資料番号： H0435B  ISSN： 0301-4797  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： Bayesモデル平均化(BMA)を用いて,Urmia湖に関連した研究地域における地下水脆弱性を評価するための基本DRASTICフレームワーク(BDF)を用いた固有不確実性を研究した。BMAは,2つのレベルにおいて自然の多重モデリング(IMM)戦略である。レベル1の多重モデルを構築して,本論文は,ANN(人工ニューラルネットワーク),GEP(Gene発現プログラミング),およびSVM(Supportベクトルマシン)から成る3つのAI(人工知能)モデルを構築して,それらの出力を次のレベルモデルに供給した。レベル2では,BMAはANN,GEPおよびSVM(レベル1モデル)を結合し,モデル誤差内および内部でのそれらの固有の不確実性を定量化した。モデル性能を帯水層で測定した硝酸塩-N濃度を用いて試験した。結果は,この特定の研究区域において,レベル1モデル,BDFでさえ,非常に正確であるが,上記のモデリング戦略は,局所データとBMAから抽出情報を最大化して,より高い不確実性がより高い脆弱性の区域で発生することを明らかにした。一方,より低い不確実性がより低い脆弱性の区域で観察された。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： 帯水層 ,  *不確実性 ,  ニューラルネットワーク ,  硝酸塩 ,  人工知能 ,  多重化
準シソーラス用語： 脆弱性 ,  多重モデル ,  モデル誤差 ,  *Bayes法 ,  湖 , 【Automatic Indexing@JST】

著者キーワード (4件)： Salmas帯水層 ,  地下水脆弱性 ,  不確実性 ,  Bayesモデル平均化(BMA)

分類 (1件)： 水質汚濁一般  (SB02010U)

タイトルに関連する用語 (6件)： Bayesモデル ,  平均 ,  地下水脆弱性 ,  モデリング ,  不確実性 ,  研究