文献

J-GLOBAL ID：202202256295876714   整理番号：22A0827454

低地カルスト地域における地下水氾濫を予測するための非線形時系列と機械学習アルゴリズムの適用【JST・京大機械翻訳】

Application of Nonlinear Time Series and Machine Learning Algorithms for Forecasting Groundwater Flooding in a Lowland Karst Area

著者 (4件)： Basu Bidroha (Departme of Civil, Structural and Environmental Engineering, Munster Technological University, Cork, Ireland) ,  Basu Bidroha (Department of Civil, Structural and Environmental Engineering, Trinity College Dublin, Dublin, Ireland) ,  Morrissey Patrick (Department of Civil, Structural and Environmental Engineering, Trinity College Dublin, Dublin, Ireland) ,  Gill Laurence W. (Department of Civil, Structural and Environmental Engineering, Trinity College Dublin, Dublin, Ireland)
資料名： Water Resources Research  (Water Resources Research)
巻： 58  号： 2  ページ： e2021WR029576  発行年： 2022年 
JST資料番号： B0706A  ISSN： 0043-1397  CODEN： WRERAQ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： カルスト石灰岩地域では,地下水と表層水間の相互作用は,特に低層域では,その基盤帯水層のユニークな水文地質力学にリンクしている。しかし,極端な水文条件では,これは,広範な,長期間の洪水をもたらし,著しいコストと破壊をもたらす。本研究では,アイルランドの低地カルスト地域における地下水氾濫を予測する性能に関して,非線形時系列解析に基づく非線形自己回帰モデルを,外因性変数(NARX),サポートベクトル回帰に基づく機械学習,および線形時系列ARXモデルと比較した。モデルは,カルストネットワークの高度に較正された半分布水理/水文モデルの出力と同様に,地域で収集した数年間の野外データの結果で開発された。全氾濫量の予測は,すべてのモデルの性能は,将来10日間まで同様に正確であることを示した。過去5日の洪水量の入力を考慮したNARXモデル;過去4日間にわたる降雨データと潮汐振幅データは,将来30日までの最良の洪水予測性能を示した。流域における2つのポイントにおける水位データの既存のリアルタイム遠隔測定モニタリングは,早期警戒洪水警報ツールを提供するために,モデルに供給することができた。モデルはまた,これまでモニターできない大西洋への潮間湧泉からの淡水流出を予測する。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  降雨 ,  洪水 ,  帯水層 ,  警報 ,  ネットワーク ,  水位 ,  流域 ,  流出 ,  潮汐 ,  *カルスト地形 ,  湧泉 ,  *低地 ,  *機械学習
準シソーラス用語： *氾濫 , 【Automatic Indexing@JST】

著者キーワード (5件)： カルスト ,  地下水氾濫 ,  機械学習 ,  非線形モデル ,  早期警報

分類 (2件)： 地下水学  (DC07040Y) ,  水資源  (RC11020F)

タイトルに関連する用語 (9件)： 低地 ,  カルスト ,  地域 ,  地下水 ,  氾濫 ,  予測 ,  非線形時系列 ,  機械学習 ,  アルゴリズム