論文の概要: Rainfall-runoff prediction using a Gustafson-Kessel clustering based
Takagi-Sugeno Fuzzy model
- arxiv url: http://arxiv.org/abs/2108.09684v1
- Date: Sun, 22 Aug 2021 10:02:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-25 03:25:57.991988
- Title: Rainfall-runoff prediction using a Gustafson-Kessel clustering based
Takagi-Sugeno Fuzzy model
- Title（参考訳）: Gustafson-Kesselクラスタリングに基づく高木-菅野ファジィモデルによる降雨流出予測
- Authors: Subhrasankha Dey, Tanmoy Dam
- Abstract要約: 降雨流出モデルは、物理的アプローチまたはシステムベースのアプローチを用いて表面流出を予測する。
本稿では,Gustafson-Kesselクラスタリングに基づくTS Fuzzyモデルを用いた降雨流出モデルを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A rainfall-runoff model predicts surface runoff either using a
physically-based approach or using a systems-based approach. Takagi-Sugeno (TS)
Fuzzy models are systems-based approaches and a popular modeling choice for
hydrologists in recent decades due to several advantages and improved accuracy
in prediction over other existing models. In this paper, we propose a new
rainfall-runoff model developed using Gustafson-Kessel (GK) clustering-based TS
Fuzzy model. We present comparative performance measures of GK algorithms with
two other clustering algorithms: (i) Fuzzy C-Means (FCM), and (ii)Subtractive
Clustering (SC). Our proposed TS Fuzzy model predicts surface runoff using: (i)
observed rainfall in a drainage basin and (ii) previously observed
precipitation flow in the basin outlet. The proposed model is validated using
the rainfall-runoff data collected from the sensors installed on the campus of
the Indian Institute of Technology, Kharagpur. The optimal number of rules of
the proposed model is obtained by different validation indices. A comparative
study of four performance criteria: RootMean Square Error (RMSE), Coefficient
of Efficiency (CE), Volumetric Error (VE), and Correlation Coefficient of
Determination(R) have been quantitatively demonstrated for each clustering
algorithm.
- Abstract（参考訳）: 降雨流出モデルは、物理的アプローチまたはシステムベースのアプローチを用いて表面流出を予測する。
高木・スジェノ(TS)ファジィモデル(英語版)はシステムベースのアプローチであり、いくつかの利点と既存のモデルに対する予測精度の改善により、近年の流体学者にとって一般的なモデリング選択である。
本稿では,Gustafson-Kessel(GK)クラスタリングに基づくTS Fuzzyモデルを用いて,新しい降雨流出モデルを提案する。
本稿では, GKアルゴリズムと, (i) Fuzzy C-Means (FCM) と (ii) Subtractive Clustering (SC) の2つのクラスタリングアルゴリズムを比較した。
提案するtsファジィモデルは, (i) 流域における降雨量, (ii) 流域出口での降雨量を用いて, 表面流出量を予測する。
提案モデルはインド工科大学kharagpur校のキャンパスに設置されたセンサから収集された降雨流出データを用いて検証される。
提案したモデルの最適ルール数は,検証指標によって異なる。
クラスタリングアルゴリズム毎に,RootMean Square Error (RMSE), Coefficient of efficiency (CE), Volumetric Error (VE), correlation Coefficient of determined(R)の4つの性能基準を比較した。
関連論文リスト
- Supervised Score-Based Modeling by Gradient Boosting [49.556736252628745]
本稿では,スコアマッチングを組み合わせた勾配向上アルゴリズムとして,SSM(Supervised Score-based Model)を提案する。
推測時間と予測精度のバランスをとるため,SSMの学習とサンプリングに関する理論的解析を行った。
我々のモデルは、精度と推測時間の両方で既存のモデルより優れています。
論文 参考訳（メタデータ） (2024-11-02T07:06:53Z) - Comparative Analysis on Snowmelt-Driven Streamflow Forecasting Using Machine Learning Techniques [0.20971479389679332]
我々は、時相畳み込みネットワーク(TCN)を利用した、最先端(SOTA)深層学習シーケンシャルモデルを提案する。
提案モデルの性能を評価するため,SVR(Support Vector Regression),LSTM(Long Short Term Memory),Transformer(Transformer)など,他の一般的なモデルとの比較分析を行った。
平均値では、TNが他のモデルより優れており、MAEは0.011、RMSEは0.023、R2$は0.991、KGEは0.992、NSEは0.991である。
論文 参考訳（メタデータ） (2024-04-20T09:02:50Z) - Generative Modelling of Stochastic Rotating Shallow Water Noise [44.99833362998488]
本稿では, サブグリッドスケールプロセスのパラメータ化に差が生じ, 流体力学の部分方程式のノイズを校正するための一般的な手法を提案する。
亜グリッドスケールプロセスのパラメータ化は、亜グリッドスケール変動に起因する系統的なモデル誤差を表現するために、気象・気候予測の不確実性の推定に必要である。
本手法は,入力データとして使用するモデルの標高変動を考慮した回転浅層水モデルで検証され,数値シミュレーションの結果,このノイズはガウス的ではないことがわかった。
論文 参考訳（メタデータ） (2024-03-15T09:30:29Z) - Latent Semantic Consensus For Deterministic Geometric Model Fitting [109.44565542031384]
我々はLSC(Latent Semantic Consensus)と呼ばれる効果的な方法を提案する。
LSCは、モデルフィッティング問題をデータポイントとモデル仮説に基づく2つの潜在意味空間に定式化する。
LSCは、一般的な多構造モデルフィッティングのために、数ミリ秒以内で一貫した、信頼性の高いソリューションを提供することができる。
論文 参考訳（メタデータ） (2024-03-11T05:35:38Z) - AdaNAS: Adaptively Post-processing with Self-supervised Neural
Architecture Search for Ensemble Rainfall Forecasts [16.723190233704432]
本稿では,降雨予知処理と降雨予測を高精度に行う自己教師型ニューラルネットワークサーチ(NAS)手法を提案する。
さらに,降雨エリアの予測を著しく改善する雨量対応検索空間を設計する。
EmphNone、emphLight、emphModerate、emphHeavy、emphViolentの大規模な降水ベンチマークで検証実験が行われた。
論文 参考訳（メタデータ） (2023-12-26T13:23:03Z) - Robust experimental data assimilation for the Spalart-Allmaras turbulence model [1.0923877073891446]
本研究では,Reynolds-averaged Navier-Stokes ソリューションに対する Spalart-Allmaras (SA) クロージャモデルを改善するための計算モデルと実験データ融合の利用に焦点を当てた。
データ同化、すなわちEnsemble Kalman filtering approach(EnKF)を用いて、分離フローに対するSAモデルの係数をキャリブレーションする。
論文 参考訳（メタデータ） (2023-09-13T02:34:21Z) - Adaptive LASSO estimation for functional hidden dynamic geostatistical
model [69.10717733870575]
関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。
このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
論文 参考訳（メタデータ） (2022-08-10T19:17:45Z) - Anomaly Detection of Time Series with Smoothness-Inducing Sequential
Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。
我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。
合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文 参考訳（メタデータ） (2021-02-02T06:15:15Z) - A Bayesian Approach with Type-2 Student-tMembership Function for T-S
Model Identification [47.25472624305589]
2型ファジィセットに基づくファジィック回帰クラスタリングは,非スパースデータに対して顕著な結果を示した。
ファジック回帰モデルのための革新的アーキテクチャを示し、スパースデータモデリングのために設計された新しい学生分布に基づく会員関数を提案する。
論文 参考訳（メタデータ） (2020-09-02T05:10:13Z) - Control as Hybrid Inference [62.997667081978825]
本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。
連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
論文 参考訳（メタデータ） (2020-07-11T19:44:09Z)
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。