文献

J-GLOBAL ID：202202264821449090   整理番号：22A1161507

時空間パラメータを用いた地下水位決定への人工知能技術の応用【JST・京大機械翻訳】

Application of Artificial Intelligence Techniques for the Determination of Groundwater Level Using Spatio-Temporal Parameters

著者 (3件)： Najafabadipour Amirhossein (Department of Mining Engineering, Shahid Bahonar University of Kerman, Iran) ,  Kamali Gholamreza (Department of Mining Engineering, Shahid Bahonar University of Kerman, Iran) ,  Nezamabadi-pour Hossein (Department of Electrical Engineering, Shahid Bahonar University of Kerman, Iran)
資料名： ACS Omega  (ACS Omega)
巻： 7  号： 12  ページ： 10751-10764  発行年： 2022年 
JST資料番号： W5044A  ISSN： 2470-1343  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： 採掘深さの増加は地下水レベル以下の鉱山ピットの位置をもたらす。採掘ピットへの地下水の侵入は,コストを増加させ,また,効率および労働安全のレベルを低下させる。地下水位の予測は,鉱山地域の地下水資源を管理するための有用なツールである。本研究では,地下水位,多層パーセプトロン,カスケード前方,動径基底関数,および一般化回帰ニューラルネットワークモデルを開発した。さらに,Bayes正則化,Levenberg-Marquardt,弾性バックプロパゲーション,およびスケール共役勾配を含む4つの最適化アルゴリズムを用いて,多層知覚とカスケードフォワードニューラルネットワークの性能と予測能力を改善した。12の空間パラメータを含む1377以上のデータポイントは,堆積物と岩盤の2つのカテゴリー(長年,緯度,堆積物と岩盤の透水係数,堆積物と岩盤の有効多孔性,堆積物と岩盤の電気抵抗,堆積物の深さ,表面レベル,基盤レベル,および断層),その他に6つの時間的パラメータ(日,月,年,排水,蒸発,および降雨)に分けた。また,最良のモデルを決定し,それらを結合するために,165の余分な検証データ点を用いた。より低い平均絶対相対誤差(AARE)値を有する3つの候補モデルから最良のモデルを同定した後に,委員会機械知能システム(CMIS)モデルを開発した。提案したCMISモデルは,AARE値が0.11%以下の高精度で地下水位データを予測する。感度解析は,堆積物の電気抵抗率が地下水レベルに対して最も高い影響を有することを示した。Leverageアプローチを適用した異常値の推定は,データポイントの2%だけが疑わしいことを示した。結局,低誤差による地下水レベル変動のモデリングと推定の結果は,MODFLOWのような数値モデリング法に対する良好な代替法である機械学習法の高い精度を示した。Copyright 2022 American Chemical Society 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 ,  感度解析 ,  最適化手法 ,  弾性 ,  岩盤 ,  堆積物 ,  モデリング ,  *人工知能 ,  鉱山 ,  採掘 ,  *地下水位 ,  正則化 ,  異常値 ,  逆伝搬法 ,  機械学習

分類 (4件)： 地下水学  (DC07040Y) ,  地下水流  (RC10060Q) ,  露天採掘  (UA05080N) ,  鉱害  (UA04050Z)

タイトルに関連する用語 (5件)： 時空間 ,  パラメータ ,  地下水位 ,  人工知能技術 ,  応用