文献

J-GLOBAL ID：202202269384558322   整理番号：22A0176672

機械学習によるTaihu湖における水性全窒素およびリン濃度の新しいシミュレーション【JST・京大機械翻訳】

Novel simulation of aqueous total nitrogen and phosphorus concentrations in Taihu Lake with machine learning

著者 (5件)： Lu Hao (State Key Laboratory of Pollution Control and Resources Reuse, School of the Environment, Nanjing University, Nanjing, 210023, China) ,  Yang Liuyan (State Key Laboratory of Pollution Control and Resources Reuse, School of the Environment, Nanjing University, Nanjing, 210023, China) ,  Fan Yifan (State Key Laboratory of Pollution Control and Resources Reuse, School of the Environment, Nanjing University, Nanjing, 210023, China) ,  Qian Xin (State Key Laboratory of Pollution Control and Resources Reuse, School of the Environment, Nanjing University, Nanjing, 210023, China) ,  Liu Tong (State Key Laboratory of Pollution Control and Resources Reuse, School of the Environment, Nanjing University, Nanjing, 210023, China)
資料名： Environmental Research  (Environmental Research)
巻： 204  号： PB  ページ： Null  発行年： 2022年 
JST資料番号： D0574A  ISSN： 0013-9351  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究は,大きな浅い湖であるTaihu湖における水性TNとTP濃度の時間変化を予測する際に,機械学習モデルの性能を改善するための付加的パラメータとしての内部栄養負荷の有用性を実証した。機械学習モデルの潜在的入力パラメータとしての内部負荷を物質収支計算を用いて推定した。結果は,2011年と2018年の間,Taihu湖における窒素とリンの最大の月内負荷が,それぞれ4200tと178tであることを示した。Taihu湖の水性TNとTP濃度の毎月の変化は流入負荷と有意に相関しなかったが,推定内部負荷との相関は正で有意であった。長い短期記憶(LSTM),ランダムフォレスト(RF),および勾配ブースティング回帰木(GBRT)モデルを構築し,それらの全てに対して,入力パラメータにおける内部負荷の包含は,それらの性能を改善した。入力パラメータが流入負荷と内部負荷の両方を含むLSTMモデルIIIは,0.11mgTN/Lと0.017mgTP/Lの試験根平均二乗誤差に基づいて,最良の性能を有した。LSTMモデルIIIによってシミュレートした2018年のTaihu湖における年間水性TP濃度の28%減少を,平均水位を3.29mから2.99mに下げることによって達成し,湖におけるTP濃度を制御する可能な戦略を示唆した。要約すると,本研究は,浅い湖における水性TNとTP濃度が機械学習を用いてシミュレートでき,LSTMモデルがRFとGBRTモデルより優れていることを示した。これらのモデルでは,入力パラメータとして内部負荷を含めるべきである。さらに,本研究はTaihu湖における水性TP濃度に影響する重要因子として水位を同定した。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： *窒素 ,  *リン ,  水位 ,  物質収支 ,  経時変化 ,  *機械学習
準シソーラス用語： *太湖 ,  ランダムフォレスト ,  *全窒素 ,  内部負荷 ,  *湖 , 【Automatic Indexing@JST】

著者キーワード (5件)： 内部荷重 ,  長期短期記憶 ,  ランダムフォレスト ,  勾配ブースティング回帰木 ,  水位

分類 (3件)： 水銀とその化合物  (SB05023Z) ,  その他の汚染原因物質  (SB05040W) ,  海洋汚濁  (SB02040B)

タイトルに関連する用語 (5件)： 機械学習 ,  Taihu湖 ,  全窒素 ,  リン ,  シミュレーション