文献

J-GLOBAL ID：201702269051234436   整理番号：17A0412500

貯水池流入量予測における累積誤差低減のための改良されたThomas Fieringとウェーブレットニューラルネットワークモデル【Powered by NICT】

Improved Thomas-Fiering and wavelet neural network models for cumulative errors reduction in reservoir inflow forecast

著者 (8件)： Cui Quan (State Key Laboratory of Water Environment Simulation, School of Environment, Beijing Normal University, Beijing 100875, China) ,  Cui Quan (Key Laboratory for Water and Sediment Sciences of Ministry of Education, School of Environment, Beijing Normal University, Beijing 100875, China) ,  Wang Xuan (State Key Laboratory of Water Environment Simulation, School of Environment, Beijing Normal University, Beijing 100875, China) ,  Wang Xuan (Key Laboratory for Water and Sediment Sciences of Ministry of Education, School of Environment, Beijing Normal University, Beijing 100875, China) ,  Li Chunhui (Key Laboratory for Water and Sediment Sciences of Ministry of Education, School of Environment, Beijing Normal University, Beijing 100875, China) ,  Cai Yanpeng (State Key Laboratory of Water Environment Simulation, School of Environment, Beijing Normal University, Beijing 100875, China) ,  Cai Yanpeng (Institute for Energy, Environment and Sustainable Communities, University of Regina, Saskatchewan, Canada) ,  Liang Peiyu (Zhejiang Institute of hydraulics & Estuary, Hangzhou 310020, China)
資料名： Journal of Hydro-Environment Research  (Journal of Hydro-Environment Research)
巻： 13  ページ： 134-143  発行年： 2016年 
JST資料番号： W2369A  ISSN： 1570-6443  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： 貯水池の流入量予測は,貯水池運用,水資源管理,地域間水移動の鍵となる成分である。本論文では,貯水池流入量の予測における高精度を得るために,典型的な確率モデルとしてThomas Fiering(TF)モデルは,予測誤差の低減のためのデータ系列のための適切なパラメータを見出すためにランダムな一と考えられる以前にしたモデルにおけるアレイを前定義により改善された。,ウェーブレットニューラルネットワーク(WNN)モデルを用いて,モデル応用過程で生じた誤差に応じて入力パラメータを調整タイムリーにモデルパラメータ訓練のための入出力マトリクスを用いて改善した機械学習アプローチを表現した,可能な限り全体の予測誤差を低減した。試験1年の内に二つのモデルの性能を比較することにより,TFモデルは,雨季における良好な性能であり,WNNモデルは中国Danjiangkou貯水池における南-北水移送プロジェクトの重要な水提供地域で乾季においてより優れた性能を有していた。貯水池流入量を予測するための改善されたTFとWNNモデルの能力を比較することにより,整合性,相違点および合理的な提案は,異なる水文学的季節にわたって適切なモデルを選択する助けが得られた。このように,これらの二つのモデルは,全水文年内の貯水池流入量の予測を支援するために結合した。本文で改善されたこれらのモデルを用いて,丹江口貯水池への予測された流入は4.52×10~10m~3であった次年(ここでは2006である)であり,1980~2005日観測された流入データに基づく入射周波数の約70%であった。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 給水 ,  機械学習 ,  水文学 ,  *流入量 ,  雨季 ,  中華人民共和国 ,  確率モデル ,  貯水池操作 ,  乾季 ,  予測誤差 ,  *貯水池
準シソーラス用語： モデルパラメータ ,  高精度 ,  水資源管理 ,  誤差低減 , 【Automatic Indexing@JST】

著者キーワード (5件)： 改良されたThomas Fieringモデル ,  改良されたウェーブレットニューラルネットワークモデル ,  貯水池流入量予測 ,  累積誤差低減 ,  中国における南北水輸送プロジェクトの水供給地域

分類 (1件)： ダム一般  (RC16010D)

タイトルに関連する用語 (7件)： 貯水池 ,  流入量 ,  予測 ,  累積 ,  誤差低減 ,  ウェーブレットニューラルネットワーク ,  モデル