Comparisons of gap-filling methods for carbon flux data set: a combination of a genetic algorithm and an artificial neural network
炭素フラックスのためのデータ補間法の比較：遺伝的アルゴリズムと人工ニューラルネットワークの組み合わせ
大場真, 平野高司, 最上純一, 平田竜一, 藤沼康実
渦相関法を用いた陸域生態系のCO2フラックスの長期連続観測にはデータの欠測が必ず起こる。年間のCO2収支の評価のためそれを補間する手法として、新たに遺伝的ニューラルネットワーク(GNN)法を開発した。苫小牧フラックスリサーチサイトのデータを用いた検証により、GNN法は従来多用される準経験モデルを使用した非線形回帰法よりも高い推定精度を持つことを示した。この方法は、メカニズムが理解されていないシステムのデータにも補間できる利点も持つ。
Ooba, M., Hirano, T., Mogami, J., Hirata, R., Fujinuma, Y. (2006) Comparisons of gap-filling methods for carbon flux data set: a combination of a genetic algorithm and an artificial neural network. Ecological modeling, 198(2006), 473-486.