文献

J-GLOBAL ID：202202267060056818   整理番号：22A0315483

異なる機械学習法を用いた欠損温度データの予測【JST・京大機械翻訳】

Prediction of missing temperature data using different machine learning methods

著者 (1件)： Katipoglu Okan Mert (Department of Civil Engineering, Faculty of Engineering and Architecture, Erzincan Binali Yildirim University, Erzincan, Turkey)
資料名： Arabian Journal of Geosciences  (Arabian Journal of Geosciences)
巻： 15  号： 1  ページ： 21  発行年： 2022年 
JST資料番号： W4050A  ISSN： 1866-7511  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： 温度データは気象,水文および気候研究の基本的入力の1つである。このデータの完全性は,研究の信頼性のために非常に重要である。本研究では,サポートベクターマシン(SVM),適応ニューロファジー推論システム(ANFIS)およびディシジョンツリー(DT)のような様々な機械学習法の性能を,欠測空気温度データを埋めるために比較した。1968年から2017年(50年)の月平均温度データを用いてモデルを作成した。確立したモデルにおいて,データを80/20%(1968-2007訓練/2008-2017試験)として分割した。Horasanと高い相関を持つSarikamis,TortumおよびAgriのような近隣ステーションを,Horasan観測所の温度データを推定するための入力として使用した。訓練と試験結果の平均二乗誤差(MSE),二乗平均平方根誤差(RMSE),平均絶対誤差(MAE)および決定係数(R2)に従って,最も適切な機械学習法を選択した。4つのサブセット,三角形メンバーシップ関数,ハイブリッド学習アルゴリズムおよび300反復によるANFISモデルを,最も適切なモデルとして選択した。トルコ北東部の月間気温を推定するために,また世界中の他の半乾燥気候地域において,ANFISを用いて推奨した。Copyright Saudi Society for Geosciences 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 ,  *温度 ,  誤差 ,  気温 ,  信頼性 ,  気象 ,  気候 ,  ディシジョンツリー ,  平均値 ,  メンバシップ関数 ,  ファジィニューラルネットワーク ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： 平均二乗誤差 ,  決定係数 ,  適応ニューロ-ファジィ推論システム , 【Automatic Indexing@JST】

著者キーワード (5件)： 温度 ,  欠測データ ,  サポートベクトルマシン(SVM) ,  ディシジョンツリー(DT) ,  適応ニューロファジィ推論システム(ANFIS)

分類 (2件)： 気候学,気候変動  (DC05140T) ,  放射,大気光学  (DC05080C)

タイトルに関連する用語 (4件)： 機械学習 ,  欠損 ,  温度データ ,  予測