文献

J-GLOBAL ID：202202253773408684   整理番号：22A0622388

機械学習アプローチを用いたG-20諸国におけるグローバルマクロ指標に基づく生態学的フットプリントの予測【JST・京大機械翻訳】

Predicting ecological footprint based on global macro indicators in G-20 countries using machine learning approaches

著者 (2件)： Roumiani Ahmad (Department of Geography, Ferdowsi University of Mashhad, Mashhad, Iran) ,  Mofidi Abbas (Department of Geography, Ferdowsi University of Mashhad, Mashhad, Iran)
資料名： Environmental Science and Pollution Research  (Environmental Science and Pollution Research)
巻： 29  号： 8  ページ： 11736-11755  発行年： 2022年 
JST資料番号： W4325A  ISSN： 0944-1344  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： 土地放牧インフラストラクチャ,作物,森林製品,および炭素影響の観点から,人間活動に注意して,いわゆる生態学的影響(EF)は,世界で最も重要な経済問題の1つである。本研究では,グローバルデータベースデータを用いた。過去20年間(1999年~2018年)のG-20国のEF指数を予測するため,ペナルティ回帰(RR)アプローチ(Ridge,Lassoおよび弾性Net)および人工ニューラルネットワーク(ANN)の能力を例証し比較した。この目的のために,10倍交差検証を用いて予測性能を評価し,PRモデルのペナルティパラメータを決定した。結果に従って,線形回帰と比較して予測性能は,ペナルティ化法を用いていくらか改善した。弾性ネットモデルを用いて,Lassoより大域的マクロ指数を選択した。Lassoは少数の指標のみを選択したが,それはPRnsモデル間でより良い予測性能を有した。PR法の予測性能における相対的改善に加えて,収縮係数による指標のサブセットを選択し, par観的モデルを作成するためのそれらの興味は明らかで有意であった。結果として,PR法は,予測性能のみに対する変数選択と解釈的考察を用いて好ましい。一方,より高い決定係数(R2)とより低いRMSE値を有するANNモデルは,PRとOLSより著しく良く,それらがEFの予測においてより正確であることを示した。したがって,ANNは,G-20国のEF指標に対して,かなり適切な予測を提供できる。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, 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： 回帰分析 ,  データベース ,  森林 ,  炭素 ,  弾性 ,  農作物 ,  ニューラルネットワーク ,  土地 ,  モデル ,  *生態学 ,  インフラストラクチャー ,  放牧 ,  ペナルティ ,  *機械学習
準シソーラス用語： 線形回帰 ,  決定係数 , 【Automatic Indexing@JST】

著者キーワード (5件)： 生態学的フットプリント ,  予測 ,  可変選択 ,  機械学習 ,  G-20諸国

分類 (2件)： リモートセンシング一般  (AD04000L) ,  生態系  (EE01040P)

タイトルに関連する用語 (7件)： 機械学習 ,  グローバル ,  マクロ ,  指標 ,  生態 ,  フットプリント ,  予測