ログイン
Language:

WEKO3

  • トップ
  • ランキング
To
lat lon distance
To

Field does not validate



インデックスリンク

インデックスツリー

メールアドレスを入力してください。

WEKO

One fine body…

WEKO

One fine body…

アイテム

  1. 研究者名(五十音順)
  2. 中津川 誠(NAKATSUGAWA Makoto)
  1. 研究者名(五十音順)
  2. 小林 洋介(KOBAYASHI Yosuke)
  1. 学術雑誌論文

欠測対応スパースモデリングを用いた水位推論と欠測処理の評価

http://hdl.handle.net/10258/0002000238
http://hdl.handle.net/10258/0002000238
c788914b-4990-4eab-a560-7e49895fadb4
名前 / ファイル ライセンス アクション
20231280_23-16196_2023.pdf 20231280_23-16196_2023.pdf (1 MB)
アイテムタイプ 学術雑誌論文 / Journal Article.(1)
公開日 2024-08-06
書誌情報 ja : 土木学会論文集
en : Japanese Journal of JSCE

巻 80, 号 16, ページ数 7, 発行日 2024
タイトル
タイトル 欠測対応スパースモデリングを用いた水位推論と欠測処理の評価
言語 ja
タイトル
タイトル EVALUATION OF MISSING PROCESSING AND INFERENCE FOR PREDICTION OF WATER LEVEL USING SPARSE MODELING WITH HIGH MISSING RATE
言語 en
言語
言語 jpn
キーワード
言語 en
主題Scheme Other
主題 water level prediction
キーワード
言語 en
主題Scheme Other
主題 flood prediction
キーワード
言語 en
主題Scheme Other
主題 missing data
キーワード
言語 en
主題Scheme Other
主題 Lasso
キーワード
言語 en
主題Scheme Other
主題 HMLasso
資源タイプ
資源タイプ識別子 http://purl.org/coar/resource_type/c_6501
資源タイプ journal article
アクセス権
アクセス権 open access
アクセス権URI http://purl.org/coar/access_right/c_abf2
著者 高宮, 立

× 高宮, 立

ja 高宮, 立

Search repository
小林, 洋介

× 小林, 洋介

en KOBAYASHI, Yosuke

ja 小林, 洋介

ja-Kana コバヤシ, ヨウスケ


Search repository
中津川, 誠

× 中津川, 誠

ja 中津川, 誠

en NAKATSUGAWA, Makoto

ja-Kana ナカツガワ, マコト


Search repository
抄録
内容記述タイプ Abstract
内容記述 本論文では,欠測値を含むデータセットから直接学習可能な欠測対応スパースモデリング(HMLasso)による水位推論を提案し,その有効性を検証した.河川情報で生じる観測所の未観測,観測エラーなどによる欠測への対応手法として,HMLassoによる欠測処理の有用性を検証するため,令和4年8月に出水事例が報告された最上川を対象に,従来法と比較した.さらに,学習データの欠測率を最大50%まで人為的に増加させ評価した.その結果,HMLassoモデルはNash-Sutcliffe係数で,実測値で学習した場合で0.876に対し,50%欠測では0.842と,欠測率による性能低下が少ないとわかった.
言語 ja
抄録
内容記述タイプ Abstract
内容記述 In this paper, we propose a inference model for prediction of water level using the HMLasso (least absolute shrinkage and selection operator with high missing rate) algorithm. The HMLasso algorithm enables the learning of models directly from data sets that contain missing values. In the collection of river data, there are several factors that can induce missing data. These factors encompass the closure of telemeter, their installation, and observation errors. We conducted a comparative analysis between conventional method and the HMLasso model. The analysis was carried out on the Mogami River during a flooding event in August 2022. To facilitate this comparison, we artificially increased the missing data rate up to a maximum of 50% and performed multiple analyses. As a result, when trained using actual values, the Nash-Sutcliffe coefficient was 0.876. However, even with a 50% data missingness rate, the coefficient reduced only marginally to 0.842. This results that the HMlasso model's performance degradation due to missingness rate is relatively minimal.
言語 en
出版者
出版者 公益社団法人 土木学会
言語 ja
DOI
関連タイプ isIdenticalTo
識別子タイプ DOI
関連識別子 10.2208/jscejj.23-16196
ISSN
収録物識別子タイプ EISSN
収録物識別子 24366021
権利
権利情報 © 2024 土木学会
言語 ja
著者版フラグ
出版タイプ VoR
出版タイプResource http://purl.org/coar/version/c_970fb48d4fbd8a85
戻る
0
views
See details
Views

Versions

Ver.1 2024-08-09 04:33:17.160740
Show All versions

Share

Share
tweet

Cite as

Other

print

エクスポート

OAI-PMH
  • OAI-PMH JPCOAR 2.0
  • OAI-PMH JPCOAR 1.0
  • OAI-PMH DublinCore
  • OAI-PMH DDI
Other Formats
  • JSON
  • BIBTEX
  • ZIP

コミュニティ

確認

確認

確認


Powered by WEKO3


Powered by WEKO3