文献

J-GLOBAL ID：202202273588043675   整理番号：22A0902970

スプリンクラー灌漑の風のドリフトと蒸発損失を予測するための機械学習と回帰に基づく技術【JST・京大機械翻訳】

Machine learning and regression-based techniques for predicting sprinkler irrigation’s wind drift and evaporation losses

著者 (6件)： Mattar Mohamed A. (Agricultural Engineering Department, College of Food and Agriculture Sciences, King Saud University, P.O. Box 2460, Riyadh 11451, Saudi Arabia) ,  Mattar Mohamed A. (Agricultural Engineering Research Institute (AEnRI), Agricultural Research Centre, P.O. Box 256, Giza, Egypt) ,  Mattar Mohamed A. (Prince Sultan Bin Abdulaziz International Prize for Water Chair, Prince Sultan Institute for Environmental, Water and Desert Research, King Saud University, P. O. Box 2454, Riyadh 11451, Saudi Arabia) ,  Roy Dilip Kumar (Irrigation and Water Management Division, Bangladesh Agricultural Research Institute, Gazipur 1701, Bangladesh) ,  Al-Ghobari Hussein M. (Agricultural Engineering Department, College of Food and Agriculture Sciences, King Saud University, P.O. Box 2460, Riyadh 11451, Saudi Arabia) ,  Dewidar Ahmed Z. (Prince Sultan Bin Abdulaziz International Prize for Water Chair, Prince Sultan Institute for Environmental, Water and Desert Research, King Saud University, P. O. Box 2454, Riyadh 11451, Saudi Arabia)
資料名： Agricultural Water Management  (Agricultural Water Management)
巻： 265  ページ： Null  発行年： 2022年 
JST資料番号： B0745A  ISSN： 0378-3774  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： 運転と気象要因の結果として起こる風ドリフトと蒸発損失(WDEL)は,よく管理された灌漑システムでも発生する最も有意な散水損失の2つである。散水におけるWDELに影響する要因の適切な理解は,灌漑プロジェクトの投資に対する品質と収益に大きく影響する水保全戦略を開発するために重要である。本研究の特定の目的は,設計,操作,および気象条件の下で,スプリンクラー灌漑システムにおけるWDELを予測するための5つのソフトコンピューティングアプローチ(人工ニューラルネットワーク(ANN),適応ニューロファジー推論システム(ANFIS),多変量適応回帰スプライン(MARS),確率的線形回帰(PLR),およびサポートベクトル回帰(SVR))の予測能力を決定することであった。”この検討は,設計,操作,および気象条件下で,WDELを予測するための予測能力を決定することであった。”この検討”は,5つのソフトコンピューティングアプローチ(人工ニューラルネットワーク(ANN),適応ニューロファジー推論システム(ANFIS),多変量適応回帰スプライン(MARS),確率的線形回帰(PLR),およびサポートベクトル回帰(SVR))の予測能力を決定することであった。データセットは,様々な条件下で行われた以前に発表された研究から収集した。結果は,5つの方法が統計的に異なるWDEL予測をもたらすことを示した。ANNモデルは,訓練と試験データセットによる他のモデルと比較して,最も正確なWDEL予測を生成した。ANFIS,MARS,PLR,およびSVRモデルの性能ランクは,様々な統計的性能基準にわたって矛盾しないことが分かった。したがって,Shannonのエントロピーベースの決定理論を使用して,これらのモデルをランク付けした。MARSモデルは,第2(0.896)にランクされ,ANFISモデル(0.865),PLRモデル(0.833),およびSVRモデル(0.794)が続いた。設計変数「補助ノズル直径」と気候変数「風速」は,WDELモデリングにおいて高い寄与率(それぞれ17.5%と12.19%)を持ち,ロバスト予測モデルを生成した。一般に,開発したモデル,特にANNモデルは,スプリンクラー灌漑システムのWDELの推定において高い精度を示した。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： エントロピー ,  *蒸発 ,  風速 ,  回帰分析 ,  *灌漑 ,  *ドリフト ,  モデリング ,  スプライン ,  モデル ,  ロバスト性 ,  ファジィニューラルネットワーク ,  予測モデル
準シソーラス用語： 線形回帰 ,  決定係数 ,  サポートベクトル回帰 ,  多変量 , 【Automatic Indexing@JST】

著者キーワード (7件)： スプリンクラー灌漑 ,  人工ニューラルネットワーク ,  適応ニューロファジィ推論システム ,  多変量適応回帰スプライン ,  確率的線形回帰 ,  サポートベクトル回帰 ,  蒸発とドリフト損失

分類 (1件)： 農業土木  (FB02000W)

タイトルに関連する用語 (7件)： スプリンクラー灌漑 ,  風 ,  ドリフト ,  蒸発 ,  損失 ,  予測 ,  機械学習