文献

J-GLOBAL ID：202202264453785272   整理番号：22A0497296

多目的Salpスウォームアルゴリズムを用いた最適化人工ニューラルネットワークによる蒸発の予測【JST・京大機械翻訳】

Predicting evaporation with optimized artificial neural network using multi-objective salp swarm algorithm

著者 (7件)： Ehteram Mohammad (Department of Water Engineering and Hydraulic Structures, Faculty of Civil Engineering, Semnan University, Semnan, Iran) ,  Panahi Fatemeh (Faculty of Natural Resources and Earth Sciences, University of Kashan, Kashan, Iran) ,  Ahmed Ali Najah (Institute of Energy Infrastructure (IEI), Department of Civil Engineering, College of Engineering,, Universiti Tenaga Nasional (UNITEN), Selangor, Malaysia) ,  Huang Yuk Feng (Department of Civil Engineering, Lee Kong Chian Faculty of Engineering and Science, Universiti Tunku Abdul Rahman, Kajang, Selangor, Malaysia) ,  Kumar Pavitra (Department of Civil Engineering, Faculty of Engineering, University of Malaya (UM), Kuala Lumpur, Malaysia) ,  Elshafie Ahmed (Department of Civil Engineering, Faculty of Engineering, University of Malaya (UM), Kuala Lumpur, Malaysia) ,  Elshafie Ahmed (National Water and Energy Center, United Arab Emirates University, Al Ain, United Arab Emirates)
資料名： Environmental Science and Pollution Research  (Environmental Science and Pollution Research)
巻： 29  号： 7  ページ： 10675-10701  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： 蒸発は農業管理と水工学で確立された重要な成分である。したがって,蒸発予測は研究者のモデリングにとって本質的な問題である。本研究では,多層パーセプトロン(MLP)を用いて毎日の蒸発を予測した。MLPモデルは,異なる目標変数を予測するための多層を有する有名なANNモデルの1つである。新しい戦略を用いてMLPモデルの精度を高めた。3つの多目的アルゴリズム,即ち,多目的サップスウォームアルゴリズム(MOSSA),多目的クロークアルゴリズム(MOCA),および多目的パーティクルスウォーム最適化(MOPSO)を,モデルパラメータ,最良の入力組合せ,および最良の活性化関数を決定するために,それぞれMLPモデルに別々に結合した。本研究では,マレーシアの3つのステーション,すなわち,Muadzam Shah(MS),Kuala Terengganu(KT),およびKuantan(KU)を,それぞれの毎日の蒸発の予測のために選択した。間隔(SP)と最大広がり(MS)指数を用いて,アルゴリズムによる生成パレートフロント(PF)の品質を評価した。より低いSPとより高いMSは,モデルのためにより良いPFを示した。MOSSAは,すべてのステーションで他のアルゴリズムより高いMSとより低いSPを有することが観察された。二乗平均平方根誤差(RMSE),平均絶対誤差(MAE),パーセントバイアス(PBIAS),およびNash Sutcliffe効率(NSE)量子化器を用いて,モデルの能力を互いに比較した。MLP-MOSSAは,MLP-MOCA,MLP-MOPSOおよびMLPモデルと比較して,MSステーションにおいてそれぞれ18%,25%および35%減少した。MLP-MOSSAのMAEは,KUステーションでのMLP-MOCA,MLP-MOPSOおよびMLPモデルよりも,それぞれ2.7%,4.1%および26%低かった。MLP-MOSSAは,MLP-MOCA,MLP-MOPSOおよびMLPモデルよりも,KTステーションにおいて,それぞれ16%,18%および19%低いMAEを示した。入力とパラメータの不確実性に基づいて不確実性解析を行った。結果は,MLP-MOSSAがモデルの中で最も低い不確実性を有することを示した。また,入力不確実性はパラメータ不確実性より低かった。一般的結果は,MLP-MOSSAが蒸発予測に高効率を有することを示した。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： *アルゴリズム ,  *最適化 ,  *蒸発 ,  不確実性 ,  最適化手法 ,  *ニューラルネットワーク ,  多層パーセプトロン
準シソーラス用語： 高効率 ,  粒子群最適化 ,  モデルパラメータ ,  活性化関数 ,  不確実性解析 ,  パラメータ不確実性 ,  パレートフロント ,  平均絶対誤差 , 【Automatic Indexing@JST】

著者キーワード (4件)： 多目的最適化アルゴリズム ,  蒸発 ,  MLP ,  パレートフロント

分類 (2件)： 数値計算  (JE02000J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： スウォーム ,  アルゴリズム ,  最適化 ,  人工ニューラルネットワーク ,  蒸発 ,  予測