文献

J-GLOBAL ID：202202269230197477   整理番号：22A0202449

教師付き学習アルゴリズムを用いた毎時降雨予測モデル【JST・京大機械翻訳】

Hourly Rainfall Forecast Model Using Supervised Learning Algorithm

著者 (4件)： Zhao Qingzhi (College of Geomatics, Xi’an University of Science and Technology, Xi’an, China) ,  Liu Yang (College of Geomatics, Xi’an University of Science and Technology, Xi’an, China) ,  Yao Wanqiang (College of Geomatics, Xi’an University of Science and Technology, Xi’an, China) ,  Yao Yibin (School of Geodesy and Geomatics, Wuhan University, Wuhan, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.4100509.1-9  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： 降雨予測が稀に調査される間,降水予測の水蒸気(PWV)と気象パラメータを使用する短期降雨予報に関する以前の研究は,主に降雨発生に焦点を合わせている。したがって,教師つき学習アルゴリズムに基づく時間ごとの降雨予測(HRF)モデルを,高精度と時間分解能で降雨を予測するために,本研究で提案する。グローバルナビゲーション衛星システム(GNSS)と温度データから得た時間毎PWVを,HRFモデルの入力パラメータとして用いて,サポートベクトルマシンを,提案モデルを訓練するために導入した。さらに,このモデルは以前の時代における降雨の時間自己相関も考慮した。台湾の5年間における21のGNSSステーションと配置気象パラメータ(気温と降雨)の時間毎PWVデータを,提案したモデルを検証するために選択した。内部および外部検証実験を,軽度,中程度,および豪雨のケースで実行した。提案したHRFモデルの平均二乗平均平方根誤差(RMSE)と相対RMSEは,それぞれ1.36/1.39mm/hと1.00/0.67であった。さらに,提案したHRFモデルを以前の研究で同様の研究と比較した。結果は,時間分解能と予測精度に関して提案したHRFモデルの満足な性能と優位性を明らかにした。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. 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 ,  気温 ,  *降雨 ,  豪雨 ,  台湾 ,  *教師つき学習 ,  降水予報 ,  自己相関 ,  時間分解能 ,  サポートベクトルマシン ,  GNSS
準シソーラス用語： 降雨予報 ,  予測精度 ,  高精度 ,  *降雨予測 , 【Automatic Indexing@JST】

分類 (1件)： 水文学一般  (DC07010R)

タイトルに関連する用語 (4件)： 教師付き学習 ,  アルゴリズム ,  降雨予測 ,  モデル