文献

J-GLOBAL ID：202202283994289756   整理番号：22A0943014

残差学習による新しいエンコーダ-復号器モデルを用いた土壌水分予測の改善【JST・京大機械翻訳】

Improving soil moisture prediction using a novel encoder-decoder model with residual learning

著者 (6件)： Li Qingliang (College of Computer Science and Technology, Changchun Normal University, Changchun 130032, China) ,  Li Zhongyan (College of Computer Science and Technology, Changchun Normal University, Changchun 130032, China) ,  Shangguan Wei (Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Guangdong Province Key Laboratory for Climate Change and Natural Disaster Studies, School of Atmospheric Sciences, Sun Yat-Sen University, Guangzhou, Guangdong, China) ,  Wang Xuezhi (College of Computer Science and Technology, Jilin University, Changchun 130012, China) ,  Li Lu (Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Guangdong Province Key Laboratory for Climate Change and Natural Disaster Studies, School of Atmospheric Sciences, Sun Yat-Sen University, Guangzhou, Guangdong, China) ,  Yu Fanhua (College of Computer Science and Technology, Changchun Normal University, Changchun 130032, China)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 195  ページ： Null  発行年： 2022年 
JST資料番号： T0337A  ISSN： 0168-1699  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： 土壌水分の巧みな予測は,生態系管理と精密農業を含む多くの実際的応用に対して,多くの助けを提供できる。土壌水分の将来変化が多くの不確実性を持つので,それは大きな挑戦を示す。したがって,Long Short-Term記憶(EDT-LSTM)に基づく残差学習による新しい符号器-デコーダ深層学習モデルを,代替データ-インテリジェントツールとして開発した。本モデルは,入力時間ステップと予測時間ステップの間の中間時系列データを考慮することによって予測能力を強化するために使用する,完全接続層を有するエンコーダ-デコーダLSTM層とLSTMの2つの層を含んだ。著者らは,FLUXNETサイトからのデータを用いて,1,3,5,7および10日のリードタイムでの土壌水分予測のためのEDT-LSTMを試験した。結果は,EDT-LSTMによってもたらされた改良が,ベースラインとしてLSTMを採ったR2に従って,平均で,約7.95%(1日),10.10%(3日),12.68%(5日),15.49%(7日)および19.71%(10日)であることを示した。さらに,種々の条件(すなわち,EDT-LSTMにおける異なるハイパーパラメータ,異なる予測モデル,異なる気候地域および異なるサイト)に対する土壌水分の予測可能性を,本論文におけるモデル挙動の理解のために広く議論した。提案したEDT-LSTMは,土壌水分をより良く予測するための新しいツールを提供した。EDT-LSTMのコードは,https://github.com/ljz1228/CLM-LSTM-soil-moisture-predictionで公的に利用できる。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： *学習 ,  不確実性 ,  *復号器 ,  *残差 ,  気候 ,  *符号器 ,  *土壌水 ,  調達期間 ,  基準線 ,  機械学習 ,  予測可能性 ,  予測モデル
準シソーラス用語： 時系列データ ,  ハイパーパラメータ ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 土壌水分 ,  機械学習 ,  LSTM ,  エンコーダデコーダ ,  残差学習

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (7件)： 残差 ,  学習 ,  エンコーダ ,  復号器 ,  モデル ,  土壌水分 ,  予測