文献

J-GLOBAL ID：202202290790083864   整理番号：22A0776434

河川システムの予測浮遊土砂負荷に対する種々の機械学習アプローチ性能の比較:マレーシアにおける事例研究【JST・京大機械翻訳】

A comparison of various machine learning approaches performance for prediction suspended sediment load of river systems: a case study in Malaysia

著者 (8件)： Hanoon Marwah Sattar (College of Technical Engineering, Islamic University, Najaf, Iraq) ,  Hanoon Marwah Sattar (College of Science, Al Muthanna University, Samawah, Al-Muthanna, Iraq) ,  Abdullatif B Alharazi Abdulhadi (College of Engineering, Universiti Tenaga Nasional (UNITEN), Selangor, Malaysia) ,  Ahmed Ali Najah (Institute of Energy Infrastructure (IEI), Universiti Tenaga Nasional (UNITEN), Selangor, Malaysia) ,  Razzaq Arif (College of Technical Engineering, Islamic University, Najaf, Iraq) ,  Birima Ahmed H. (Department of Civil Engineering, College of Engineering, Qassim University, Unaizah, Saudi Arabia) ,  El-Shafie Ahmed (Department of Civil Engineering, Faculty of Engineering, University of Malaya, Kuala Lumpur, Malaysia) ,  El-Shafie Ahmed (National Water and Energy Center, United Arab Emirate University, Al Ain, United Arab Emirates)
資料名： Earth Science Informatics  (Earth Science Informatics)
巻： 15  号： 1  ページ： 91-104  発行年： 2022年 
JST資料番号： W4300A  ISSN： 1865-0473  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： 正確で信頼できる懸濁堆積物負荷(SSL)予測モデルは,水資源構造の計画と管理に必要である。本研究では,4つの機械学習技術,すなわち,勾配ブースト回帰(GBT),ランダムフォレスト(RF),サポートベクトルマシン(SVM),および人工ニューラルネットワークANNを開発し,マレーシア,Johor川流域(JRB)のRantau Panjang観測所におけるSSLを予測した。相関係数(R),二乗平均平方根誤差(RMSE),Nash Sutcliffe効率(NSE)および散乱指数(SI)を含む4つの評価基準を用いて,提案モデルの性能を評価する。得られた結果は,全ての提案した機械学習(ML)モデルが優れた予測日SSL性能を示した。Taylorダイアグラムを用いて,モデル間の比較結果を示した。ANNモデルは,0.989のR,0.199のSI,0.011053のRMSEおよび0.979のNSEを有する他のモデルより信頼できる結果を示した。入力変数に対するモデルの感度解析は,現在の日懸濁堆積物負荷データSSLt-1の欠如がSSLに最も影響することを明らかにした。さらに,最も正確なモデルの検証を調べるために,50%の訓練,25%の試験および25%の検証の分割データを提案し,ANNは優れた性能を提供した。したがって,提案したANNアプローチはSSL予測のための最も正確なモデルとして推奨されている。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 懸濁液 ,  散乱 ,  水資源 ,  感度解析 ,  ニューラルネットワーク ,  *河川 ,  *流送土砂 ,  流域 ,  相関係数 ,  堆積量 ,  計算機アルゴリズム ,  *事例研究 ,  *機械学習 ,  予測モデル ,  サポートベクトルマシン
準シソーラス用語： *浮遊土砂 ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (7件)： 機械学習(ML) ,  ANN ,  SVM ,  GBT ,  RF ,  予測 ,  浮遊土砂荷重(SSL)

分類 (2件)： 流出解析  (DC07030N) ,  河川調査・計画  (RC12020M)

タイトルに関連する用語 (6件)： 河川 ,  予測 ,  浮遊土砂 ,  機械学習 ,  マレーシア ,  研究