論文の概要: Modeling and Uncertainty Analysis of Groundwater Level Using Six
Evolutionary Optimization Algorithms Hybridized with ANFIS, SVM, and ANN
- arxiv url: http://arxiv.org/abs/2006.16848v1
- Date: Sun, 28 Jun 2020 11:06:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-16 01:58:50.960460
- Title: Modeling and Uncertainty Analysis of Groundwater Level Using Six
Evolutionary Optimization Algorithms Hybridized with ANFIS, SVM, and ANN
- Title（参考訳）: ANFIS, SVM, ANNを併用した6つの進化的最適化アルゴリズムによる地下水位のモデル化と不確かさ解析
- Authors: Akram Seifi, Mohammad Ehteram, Vijay P. Singh, Amir Mosavi
- Abstract要約: 6つのメタヒューリスティックスキームは、人工知能ニューラルネットワーク(ANN)、適応型神経ファジィインタフェースシステム(ANFIS)、サポートベクターマシン(SVM)とハイブリッド化されている。
最適化アルゴリズムを用いたハイブリッドモデルの性能は、従来のANN、ANFIS、SVMモデルよりはるかに優れていた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the present study, six meta-heuristic schemes are hybridized with
artificial neural network (ANN), adaptive neuro-fuzzy interface system (ANFIS),
and support vector machine (SVM), to predict monthly groundwater level (GWL),
evaluate uncertainty analysis of predictions and spatial variation analysis.
The six schemes, including grasshopper optimization algorithm (GOA), cat swarm
optimization (CSO), weed algorithm (WA), genetic algorithm (GA), krill
algorithm (KA), and particle swarm optimization (PSO), were used to hybridize
for improving the performance of ANN, SVM, and ANFIS models. Groundwater level
(GWL) data of Ardebil plain (Iran) for a period of 144 months were selected to
evaluate the hybrid models. The pre-processing technique of principal component
analysis (PCA) was applied to reduce input combinations from monthly time
series up to 12-month prediction intervals. The results showed that the
ANFIS-GOA was superior to the other hybrid models for predicting GWL in the
first piezometer and third piezometer in the testing stage. The performance of
hybrid models with optimization algorithms was far better than that of
classical ANN, ANFIS, and SVM models without hybridization. The percent of
improvements in the ANFIS-GOA versus standalone ANFIS in piezometer 10 were
14.4%, 3%, 17.8%, and 181% for RMSE, MAE, NSE, and PBIAS in the training stage
and 40.7%, 55%, 25%, and 132% in testing stage, respectively. The improvements
for piezometer 6 in train step were 15%, 4%, 13%, and 208% and in the test step
were 33%, 44.6%, 16.3%, and 173%, respectively, that clearly confirm the
superiority of developed hybridization schemes in GWL modeling. Uncertainty
analysis showed that ANFIS-GOA and SVM had, respectively, the best and worst
performances among other models. In general, GOA enhanced the accuracy of the
ANFIS, ANN, and SVM models.
- Abstract（参考訳）: 本研究では,6つのメタヒューリスティックスキームをニューラルネットワーク(ann),適応型ニューロファジーインタフェースシステム(anfis),サポートベクターマシン(svm)とハイブリッド化し,月次地下水位(gwl)を予測し,予測の不確実性解析と空間変動解析を評価する。
grasshopper optimization algorithm (goa)、cat swarm optimization (cso)、weed algorithm (wa)、geneative algorithm (ga)、krill algorithm (ka)、 particle swarm optimization (pso)の6つのスキームは、ann、svm、およびanfisモデルの性能を向上させるためのハイブリッド化に使用された。
ハイブリッドモデルを評価するために,144ヶ月間のアルデビル平野(iran)の地下水位(gwl)データを選択した。
主成分分析 (pca) の前処理手法を適用し, 入力の組み合わせを月々の時系列から12ヶ月の予測間隔に短縮した。
その結果,ANFIS-GOAは試験段階では第1ピエゾメータ,第3ピエゾメータのGWL予測において他のハイブリッドモデルよりも優れていた。
最適化アルゴリズムを用いたハイブリッドモデルの性能は、従来のANN、ANFIS、SVMモデルよりはるかに優れていた。
ピエゾメータ10のANFIS-GOAとスタンドアローンANFISの改善率は、トレーニング段階でのRMSE、MAE、NSE、PBIASの14.4%、3%、17.8%、および181%であり、それぞれ40.7%、55%、25%、132%であった。
列車区間におけるピエゾメーター6の改良は15%, 4%, 13%, 208%であり, 試験段階では33%, 44.6%, 16.3%, 173%であった。
不確実性解析により、ANFIS-GOAとSVMは、それぞれ他のモデルの中で最高のパフォーマンスと最悪のパフォーマンスを示した。
一般に、GOAはANFIS、ANN、SVMモデルの精度を高めた。
関連論文リスト
- Protein sequence classification using natural language processing techniques [3.0846824529023396]
本研究では,75の標的タンパク質クラスからなるデータセットに自然言語処理(NLP)技術を適用した。
我々は,K-Nearest Neighbors (KNN), Multinomial Na"ive Bayes, Logistic Regression, Multi-Layer Perceptron (MLP), Decision Tree, Random Forest, XGBoost, Voting and Stacking Classifiers, Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), Transformer Modelなど,機械学習およびディープラーニングモデルについて検討した。
論文 参考訳（メタデータ） (2024-09-06T13:16:16Z) - An Effective Networks Intrusion Detection Approach Based on Hybrid
Harris Hawks and Multi-Layer Perceptron [47.81867479735455]
本稿では,Harris Hawks Optimization (HHO) を用いた多層パーセプトロン学習のための侵入検知システムを提案する。
HHO-MLPは、ネットワークの侵入検出エラーを最小限に抑えるため、学習プロセスにおいて最適なパラメータを選択することを目的としている。
HHO-MLPは、93.17%の精度、95.41%の感度、95.41%の特異度でトップスコアを獲得することで、優れた性能を示した。
論文 参考訳（メタデータ） (2024-02-21T06:25:50Z) - Improved Forecasting Using a PSO-RDV Framework to Enhance Artificial Neural Network [0.0]
本研究では,ランダム遅延速度慣性重み法による予測法の改良を行った。
ゴルフボールの動きにインスパイアされたIW技術は、溶液点に近づくと粒子の速度をパラメータ的に下降する構造に変化させた。
RDV IWを用いた改良型ANN-PSOの適用により、HIV/AIDS予測モデルが2モデルと比較して大幅に改善された。
論文 参考訳（メタデータ） (2024-01-10T01:15:33Z) - Improving Urban Flood Prediction using LSTM-DeepLabv3+ and Bayesian
Optimization with Spatiotemporal feature fusion [7.790241122137617]
本研究では,都市洪水予測のためのCNN-RNNハイブリッド機能融合モデリング手法を提案する。
空間的特徴の処理におけるCNNの長所と、時系列の異なる次元の分析におけるRNNの長所を統合した。
論文 参考訳（メタデータ） (2023-04-19T22:00:04Z) - DIFUSCO: Graph-based Diffusion Solvers for Combinatorial Optimization [51.517956081644186]
グラフベースの拡散フレームワークであるDIFUSCOを導入する。
本フレームワークは, NPC問題を離散0, 1ベクトル最適化問題とみなす。
MIS問題に対して、DIFUSCOは、挑戦的なSATLIBベンチマークにおいて、以前の最先端のニューラルソルバよりも優れている。
論文 参考訳（メタデータ） (2023-02-16T11:13:36Z) - Scaling & Shifting Your Features: A New Baseline for Efficient Model
Tuning [126.84770886628833]
既存の微調整法は、事前訓練されたモデルの全てのパラメータ(フル微調整)をチューニングするか、最後の線形層(線形プローブ)のみをチューニングする。
そこで本研究では,SSFと呼ばれるパラメータ効率の高いファインタニング手法を提案する。
論文 参考訳（メタデータ） (2022-10-17T08:14:49Z) - Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase
Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。
チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文 参考訳（メタデータ） (2021-12-18T14:17:49Z) - ANNETTE: Accurate Neural Network Execution Time Estimation with Stacked
Models [56.21470608621633]
本稿では,アーキテクチャ検索を対象ハードウェアから切り離すための時間推定フレームワークを提案する。
提案手法は,マイクロカーネルと多層ベンチマークからモデルの集合を抽出し,マッピングとネットワーク実行時間推定のためのスタックモデルを生成する。
生成した混合モデルの推定精度と忠実度, 統計モデルとルーフラインモデル, 評価のための洗練されたルーフラインモデルを比較した。
論文 参考訳（メタデータ） (2021-05-07T11:39:05Z) - Genetically Optimized Prediction of Remaining Useful Life [4.115847582689283]
LSTMおよびGRUモデルを実装し、得られた結果と提案された遺伝子訓練ニューラルネットワークを比較します。
遺伝的アルゴリズムを用いた他の最適化層を追加することによって,予測の整合性の向上を期待する。
これらのモデルと提案されたアーキテクチャは、nasaのターボファンジェットエンジンデータセットでテストされている。
論文 参考訳（メタデータ） (2021-02-17T16:09:23Z) - Synthesizing multi-layer perceptron network with ant lion,
biogeography-based dragonfly algorithm evolutionary strategy invasive weed
and league champion optimization hybrid algorithms in predicting heating load
in residential buildings [1.370633147306388]
熱負荷(hl)の正確な近似の意義は,本研究の主な動機である。
提案モデルはant lion optimization (alo) を用いた多層パーセプトロンネットワーク (mlp) である。
ALO(OS = 27)とES(OS = 20)が続く最も有効な最適化技術として、BBO(Biogeography-based optimization)が注目されています。
論文 参考訳（メタデータ） (2021-02-13T14:06:55Z) - Towards a Competitive End-to-End Speech Recognition for CHiME-6 Dinner
Party Transcription [73.66530509749305]
本稿では,難しい場合であっても,ハイブリッドベースラインに近い性能を示すエンドツーエンドアプローチについて論じる。
CTC-Attention と RNN-Transducer のアプローチと RNN と Transformer のアーキテクチャを比較し,解析する。
RNN-Transducerをベースとしたベストエンド・ツー・エンドモデルでは、ビームサーチの改善とともに、LF-MMI TDNN-F CHiME-6 Challengeのベースラインよりも品質が3.8%向上した。
論文 参考訳（メタデータ） (2020-04-22T19:08:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。