文献

J-GLOBAL ID：202202259464752113   整理番号：22A0448891

マルチスカラーSPEI干ばつ指数を予測するための新しいウェーブレットベースハイブリッドモデルの開発(事例研究:イラン,Zanjan市)【JST・京大機械翻訳】

Development of a new wavelet-based hybrid model to forecast multi-scalar SPEI drought index (case study: Zanjan city, Iran)

著者 (5件)： Karbasi Masoud (Water Engineering Department, Faculty of Agriculture, University of Zanjan, Zanjan, Iran) ,  Karbasi Maryam (Water Engineering Department, Faculty of Agriculture, University of Zanjan, Zanjan, Iran) ,  Jamei Mehdi (Faculty of Engineering, Shohadaye Hoveizeh Campus of Technology, Shahid Chamran University of Ahvaz, Dasht-e Azadegan, Iran) ,  Malik Anurag (Punjab Agricultural University, Regional Research Station, Punjab, India) ,  Azamathulla Hazi Mohammad (Department of Civil and Environmental Engineering, University of the West Indies St. Augustine, St. Augustine, Trinidad)
資料名： Theoretical and Applied Climatology  (Theoretical and Applied Climatology)
巻： 147  号： 1-2  ページ： 499-522  発行年： 2022年 
JST資料番号： A0518A  ISSN： 0177-798X  CODEN： TACLEK  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： 干ばつ予測は,干ばつの管理と農業システムと水資源へのその影響の低減に不可欠な役割を果たす。本研究では,Gaussプロセス回帰(GPR),カスケードニューラルネットワーク(Cascade-NN),および多層パーセプトロン(MLP)ニューラルネットワークを含む3つの機械学習モデル,および離散ウェーブレット変換とのそれらの組合せを用いて,マルチスカラー標準化降水蒸発散指数(SPEI)(SPEI_3,SPEI_12,およびSPEI_24)を6か月前に予測した。イランのZanjanのSynosticステーションで行った。57年間(1961~2017年)に収集した気象データを用いた。初期38年(67%)に関連したデータを列車データと考え,最後の19年(33%)に関連するデータを試験データとして考慮した。本研究から得られた結果は,ウェーブレットに基づくモデルが,マルチスカラーSPEIを予想する場合に,モデル性能において高い改善を引き起こすことを示した。異なる母ウェーブレット(db4,db8,シン8,coif5,およびdmey)を比較して,dmeyウェーブレットの優位性を証明した。また,ウェーブレット-GPR,ウェーブレット-MLP,およびウェーブレット-カスケード-NNモデルの比較は,ほとんどの場合,GPRベースのモデルが予測においてより良い結果を提供できることを示した。予測間隔を1から6か月前に増やすことにより,モデルの精度は減少した。SPEI_3指数において,R2(決定係数)値は1カ月前予測の0.992から6カ月前予測の0.797に減少した。SPEI_12指数において,R2値は予測前の1カ月前予測の0.996から6カ月前予測の0.940に減少し,SPEI_24指数において,R2値は1カ月前予測の0.993から6カ月前予報の0.962に減少した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Austria, 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： 降水 ,  標準化 ,  水資源 ,  ニューラルネットワーク ,  蒸発散 ,  Gauss過程 ,  *波束 ,  *干ばつ ,  気象データ ,  *事例研究 ,  多層パーセプトロン ,  機械学習
準シソーラス用語： 離散ウェーブレット変換 ,  *ハイブリッドモデル ,  決定係数 , 【Automatic Indexing@JST】

分類 (2件)： 気候学,気候変動  (DC05140T) ,  水文学一般  (DC07010R)

タイトルに関連する用語 (7件)： マルチ ,  スカラー ,  干ばつ指数 ,  予測 ,  開発 ,  研究 ,  イラン