文献

J-GLOBAL ID：202202261308068896   整理番号：22A1050230

クラスタリングアルゴリズムに基づく極値予測法【JST・京大機械翻訳】

An extreme value prediction method based on clustering algorithm

著者 (3件)： Dai Baorui (Department of Bridge Engineering, Tongji University, 1239 Siping Road, Shanghai 200092, China) ,  Xia Ye (Department of Bridge Engineering, Tongji University, 1239 Siping Road, Shanghai 200092, China) ,  Li Qi (Department of Bridge Engineering, Tongji University, 1239 Siping Road, Shanghai 200092, China)
資料名： Reliability Engineering & System Safety  (Reliability Engineering & System Safety)
巻： 222  ページ： Null  発行年： 2022年 
JST資料番号： D0980B  ISSN： 0951-8320  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： 極値予測は,多くの安全臨界シナリオで広く適用されてきた。混合型事象の影響により,ランダム変数はしばしば独立性と同一分布に適合しない。これらの変数の混合分布特性を無視することは,不正確な極値予測につながる可能性がある。この問題を解決するために,本研究では一般化極値混合モデル(GEVMM)に基づく新しいクラスタリングアルゴリズムを提案した。アルゴリズムは,ブロック最大データを異なるクラスタに適応的に分類し,母集団における重みに従ってクラスタを合成し,その結果,与えられたリターン期間における最大値を予測できるGEVMMを形成する。二乗平均平方根誤差(RMSE)と決定係数(R二乗検定)を組み合わせたエルボ法を用いて,モデルの過剰および過小適合を防ぐためのクラスタの最適数を選択した。理論的用例を通して,提案方法は,元の混合成分の間の重なりにかかわらず,極端な値の正確な外挿を促進するために強い適応性を示した。提案手法の実用化を実証するために,重みインモーションデータに基づくブリッジに対する交通負荷効果を,特定のリターン期間における極値を外挿するために使用した。プロセスおよび結果は,開発した方法が既存の方法と比較して混合確率分布を有する極値を推定するためにより信頼できることを示した。また,それは他の分野における混合分布データの極値解析のための強力なツールを提供する。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： *予測技法 ,  *アルゴリズム ,  安全性 ,  外挿法 ,  確率分布 ,  変数 ,  *クラスタ化 ,  臨界 ,  *クラスタ ,  モデル ,  エルボ ,  母集団 ,  シナリオ
準シソーラス用語： 混合分布 ,  *クラスタリングアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (6件)： ランダム変数 ,  極値値 ,  混合分布 ,  一般化極値混合モデル ,  クラスタリング ,  肘法

分類 (1件)： 信頼性  (KB04040H)

タイトルに関連する用語 (3件)： クラスタリングアルゴリズム ,  極値 ,  予測法