In the preliminary study [4], where

In the preliminary study [4], where prominent
learning based prediction systems, i.e., ANN, GA,
Fuzzy Logic and SOM were benchmarked, generic
ANN was found to be the most superior in terms
of flood predictability. In that study, key factors
which were incorporated into the model were rainfall,
flood plain in the past, height above sea level, water
density, water blockage, sub-basin area, soil drainage
ability, and land utilization. Based on the total of
100 spatial data, which were uniformly sampled from
the flood event recorded in 2011, several statistical
analyses were employed to validate and compared
those learning models [4]. It was reported that, for
instance, ANN and Fuzzy Logic performed equally
well, with the best accuracy of 92%. However, when
considering their generalization ability, using Leaveone-
out cross validation (LOOC) on 6 but 1 district,
and taking into account both false positive and negative,
ANN could predict the event with the least error
of 30.2%, as shown in Table 1.

ผลลัพธ์ (ไทย) 1:

ในเบื้องต้นการศึกษา [4], โดดเด่นเรียนรู้จากระบบคาดเดา เช่น แอน GAเอิบตรรกะและส้มได้ benchmarked ทั่วไปพบแอนน์จะ เหนือกว่ามากในแง่ของน้ำท่วมแอพพลิเคชัน ในการศึกษา ปัจจัยที่สำคัญซึ่งถูกรวมอยู่ในรุ่นมีปริมาณน้ำฝนน้ำท่วมล้วนในอดีต ความสูงเหนือระดับน้ำทะเล น้ำความหนาแน่น น้ำอุดตัน บริเวณลุ่มน้ำย่อย ระบายน้ำของดินความสามารถ และการใช้ประโยชน์ที่ดิน ขึ้นอยู่กับผลรวมของ100 ข้อมูลปริภูมิ ซึ่งมีความสม่ำเสมอเมื่อเทียบเคียงจากเหตุการณ์น้ำท่วมใน 2011 หลายสถิติการตรวจสอบวิเคราะห์ และเปรียบเทียบผู้เรียนรูปแบบ [4] มีรายงานว่า สำหรับอินสแตนซ์ แอนและตรรกศาสตร์ปฏิบัติเท่า ๆ กันดี มีความถูกต้องที่สุดของ 92% อย่างไรก็ตาม เมื่อพิจารณาความสามารถใน generalization ใช้ Leaveone-ออกข้ามการตรวจสอบ (LOOC) ใน 6 แต่เขต 1และการลงบัญชีเท็จบวกและลบแอนน์สามารถทำนายเหตุการณ์ข้อผิดพลาดน้อยที่สุด30.2% ดังที่แสดงในตารางที่ 1

ผลลัพธ์ (ไทย) 2:

ในการศึกษาเบื้องต้น [4]
ที่โดดเด่นการเรียนรู้ตามระบบการทำนายคือANN, GA,
ตรรกศาสตร์และ SOM ถูก benchmarked, ทั่วไป
ANN
พบว่าส่วนใหญ่ที่เหนือกว่าในแง่ของการคาดการณ์น้ำท่วม
ในการศึกษาว่าปัจจัยสำคัญที่ถูกรวมอยู่ในรูปแบบที่มีปริมาณน้ำฝน, น้ำท่วมธรรมดาในอดีตความสูงเหนือระดับน้ำทะเลน้ำความหนาแน่นของการอุดตันน้ำในพื้นที่ลุ่มน้ำย่อยและระบบระบายน้ำของดินที่มีความสามารถและการใช้ประโยชน์ที่ดิน ขึ้นอยู่กับการทั้งหมดของ100 ข้อมูลเชิงพื้นที่ที่มีการเก็บตัวอย่างสม่ำเสมอจากเหตุการณ์น้ำท่วมที่บันทึกไว้ในปี 2011 ทางสถิติหลายวิเคราะห์ที่ถูกว่าจ้างในการตรวจสอบและเปรียบเทียบรูปแบบการเรียนรู้เหล่านั้น[4] มีรายงานว่าสำหรับตัวอย่างเช่นแอนและตรรกศาสตร์ดำเนินการอย่างเท่าเทียมกันอย่างดีกับความถูกต้องดีที่สุดของ92% อย่างไรก็ตามเมื่อพิจารณาความสามารถทั่วไปของพวกเขาโดยใช้ Leaveone- ออกตรวจสอบข้าม (Looc) เมื่อวันที่ 6 แต่ 1 อำเภอและคำนึงถึงทั้งเท็จบวกและลบANN สามารถทำนายเหตุการณ์ที่มีข้อผิดพลาดน้อยที่สุด30.2% ดังแสดงในตาราง 1

ผลลัพธ์ (ไทย) 3:

การศึกษาเบื้องต้นใน [ 4 ] ที่โดดเด่น
การเรียนระบบพยากรณ์ ได้แก่ แอน , GA ,
ตรรกศาสตร์คลุมเครือและส้มได้ข้าม ทั่วไป
แอนได้เหนือกว่ามากที่สุดในแง่ของการคาดการณ์
น้ำท่วม ในการศึกษานั้น ปัจจัยที่สำคัญที่ถูกรวมเข้าไปในตัว

มีปริมาณน้ำฝนที่ราบน้ำท่วมในอดีต ความสูงเหนือระดับน้ำทะเล น้ำ
ความหนาแน่นของน้ำในพื้นที่ลุ่มน้ำย่อยจุกความสามารถในการระบายน้ำ
ดินและการใช้ที่ดิน ขึ้นอยู่กับจำนวน
100 ด้านข้อมูล ซึ่งมีตัวอย่างจากเหตุการณ์น้ำท่วมโดย
บันทึกไว้ใน 2011 , การวิเคราะห์ทางสถิติหลายสถิติที่ใช้ตรวจสอบ

และเมื่อเทียบกับการเรียนรู้แบบ [ 4 ] มีรายงานว่าสำหรับ
อินสแตนซ์ แอนและฟัซซีลอจิกดำเนินการอย่างเท่าเทียมกัน
ด้วยความถูกต้องที่ดีที่สุด 92 % อย่างไรก็ตาม เมื่อ
การพิจารณาความสามารถในการของพวกเขา การใช้ leaveone -
ออกข้ามการตรวจสอบ ( looc ) 6 แต่ 1 ตำบล
และคำนึงถึงทั้งเท็จบวกและลบ สามารถทำนายเหตุการณ์กับ
Ann
30.2 % ของความคลาดเคลื่อนน้อยที่สุด ดังแสดงในตารางที่ 1