文献

J-GLOBAL ID：202202261157874328   整理番号：22A1082709

機械学習モデルを用いたTRMMデータセットによる降雨予測【JST・京大機械翻訳】

Rainfall prediction through TRMM dataset using machine learning model

著者 (8件)： Jayashree B. (Department of Electronics and Communication , KCG College of Technology, Chennai, India) ,  Malasri V. (Department of Electronics and Communication , KCG College of Technology, Chennai, India) ,  Hemalatha Muga (Department of Electronics and Communication , KCG College of Technology, Chennai, India) ,  Kirubavathy K. Jaraline (Department of Electronics and Communication , KCG College of Technology, Chennai, India) ,  Bai V. Thulasi (Department of Electronics and Communication , KCG College of Technology, Chennai, India) ,  John Jeenu (Department of Geography, University of Madras , Chennai, India) ,  Shylesh D. S. Dharshan (Department of Geography, University of Madras , Chennai, India) ,  Jaganathan R. (Department of Geography, University of Madras , Chennai, India)
資料名： AIP Conference Proceedings  (AIP Conference Proceedings)
巻： 2444  号： 1  ページ： 040002-040002-13  発行年： 2022年 
JST資料番号： D0071C  ISSN： 0094-243X  資料種別： 会議録 (C)
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： 世界では,降雨予測は非常に重要である。農業は経済の収入の一次源と見られる。適切な農業投資を行うには降雨の適切な推定が必要である。農業に加えて,沿岸地域に住む人々にとって,降雨予測が必要である。海岸によって生活する人々は,豪雨と洪水のより高いリスクであり,したがって,それらは,彼らがそれに応じてそれらの滞在をスケジュールすることができるように,前もって天気予報をよく認識するべきであった。この理由で降雨を予測するために機械学習アルゴリズムを使用した。.使用する機械学習アルゴリズムは,直線的回帰であった。線形回帰において,独立変数(土壌水分)を用いて従属変数(降雨)を予測した。2つの機械学習アルゴリズムの比較は,より効果的であることを明らかにした。Copyright 2022 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *降雨 ,  洪水 ,  天気予報 ,  投資 ,  農業 ,  豪雨 ,  海岸 ,  *モデル ,  土壌水 ,  沿岸地区 ,  *機械学習 ,  学習アルゴリズム
準シソーラス用語： 線形回帰 ,  目的変数 ,  *降雨予測 , 【Automatic Indexing@JST】

分類 (2件)： 流出解析  (DC07030N) ,  気象学一般  (DC05010D)

タイトルに関連する用語 (5件)： 機械学習 ,  モデル ,  TRMM ,  データセット ,  降雨予測