論文の概要: Random Forest Classifier Based Prediction of Rogue waves on Deep Oceans

• arxiv url: http://arxiv.org/abs/2003.06431v1
• Date: Fri, 13 Mar 2020 18:06:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-24 02:15:48.069426
• Title: Random Forest Classifier Based Prediction of Rogue waves on Deep Oceans
• Title（参考訳）: 深海におけるローグ波の予測に基づくランダム森林分類器
• Authors: Pujan Pokhrel, Elias Ioup, Md Tamjidul Hoque, Julian Simeonov, Mahdi Abdelguerfi
• Abstract要約: 本稿では, 統計的機械学習手法を用いて, 海洋におけるローグ波の予測手法を提案する。 提案アルゴリズムの全体的な精度は89.57%から91.81%であり、予測時間ウィンドウによってバランス精度は79.41%から83%に変化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this paper, we present a novel approach for the prediction of rogue waves in oceans using statistical machine learning methods. Since the ocean is composed of many wave systems, the change from a bimodal or multimodal directional distribution to unimodal one is taken as the warning criteria. Likewise, we explore various features that help in predicting rogue waves. The analysis of the results shows that the Spectral features are significant in predicting rogue waves. We find that nonlinear classifiers have better prediction accuracy than the linear ones. Finally, we propose a Random Forest Classifier based algorithm to predict rogue waves in oceanic conditions. The proposed algorithm has an Overall Accuracy of 89.57% to 91.81%, and the Balanced Accuracy varies between 79.41% to 89.03% depending on the forecast time window. Moreover, due to the model-free nature of the evaluation criteria and interdisciplinary characteristics of the approach, similar studies may be motivated in other nonlinear dispersive media, such as nonlinear optics, plasma, and solids, governed by similar equations, which will allow for the early detection of extreme waves
• Abstract（参考訳）: 本稿では,統計的機械学習手法を用いて,海洋におけるローグ波の予測手法を提案する。 海は多くの波動系から成り立っているため、二モーダル方向あるいは多モーダル方向の分布から二モーダル方向への変化を警告基準とする。 同様に、悪質な波を予測するのに役立つ様々な特徴を探索する。 その結果, スペクトル特性は, ローグ波の予測において有意であることがわかった。 非線形分類器は線形値よりも予測精度が高いことがわかった。 最後に,海洋環境下でのローグ波を予測するためのランダムフォレスト分類法を提案する。 提案アルゴリズムの全体的な精度は89.57%から91.81%であり、予測時間ウィンドウによっては79.41%から89.03%まで変化する。 さらに、評価基準のモデルのない性質とアプローチの学際的特性により、同様の研究は、非線形光学、プラズマ、固体などの他の非線形分散媒体において、同様の方程式によって制御され、極端波の早期検出を可能にする。

関連論文リスト

• Continual Learning of Range-Dependent Transmission Loss for Underwater Acoustic using Conditional Convolutional Neural Net [0.0]
  本研究では,遠方界シナリオにおける水中放射音予測のための深層学習モデルの精度向上を目的としている。 そこで本稿では,海洋浴量測定データを入力に組み込んだ新しいレンジ条件畳み込みニューラルネットワークを提案する。 提案アーキテクチャは, 帯域依存性の異なる様々な浴量測定プロファイル上での透過損失を効果的に捕捉する。
  論文  参考訳（メタデータ） (2024-04-11T19:13:38Z)
• Machine-Guided Discovery of a Real-World Rogue Wave Model [0.0]
  本稿では, 因果解析, 深層学習, パーシモニー誘導モデル選択, 記号回帰を用いたデータから, 海洋ローグ波の新しい記号モデルを発見するケーススタディを提案する。 我々は,このブラックボックスモデルをニューラルネットワークの予測能力を保持する数学的方程式に蒸留するために,記号回帰を適用した。 これは、機械学習が帰納的な科学的発見を促進する方法を示し、より正確なローグ波予測の道を開く。
  論文  参考訳（メタデータ） (2023-11-21T12:50:24Z)
• Confidence and Dispersity Speak: Characterising Prediction Matrix for Unsupervised Accuracy Estimation [51.809741427975105]
  この研究は、ラベルを使わずに、分散シフト下でのモデルの性能を評価することを目的としている。 我々は、両方の特性を特徴付けるのに有効であることが示されている核規範を用いる。 核の基準は既存の手法よりも正確で堅牢であることを示す。
  論文  参考訳（メタデータ） (2023-02-02T13:30:48Z)
• Exceedance Probability Forecasting via Regression for Significant Wave Height Prediction [0.0]
  沿岸災害の原因となる大きな波高の極端な値の予測に着目する。 本稿では,点予測に基づく新しい手法を提案する。 カナダのハリファックス沿岸に設置したスマートブイのデータを用いて実験を行った。
  論文  参考訳（メタデータ） (2022-06-20T14:55:17Z)
• Detection of magnetohydrodynamic waves by using machine learning [4.680040836136128]
  様々な種類のMHD波の同定は、このような複雑な波動パターンにおいて重要かつ困難な課題である。 本稿では,畳み込みニューラルネットワーク(CNN)を用いた2つのMHD波検出手法を提案する。
  論文  参考訳（メタデータ） (2022-06-15T07:35:27Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Physics Informed Shallow Machine Learning for Wind Speed Prediction [66.05661813632568]
  イタリアの32カ所の標高10mの風速計から観測された大量の風のデータセットを分析した。 我々は、過去の風の履歴を用いて教師あり学習アルゴリズムを訓練し、その価値を将来予測する。 最適設計と性能は場所によって異なることがわかった。
  論文  参考訳（メタデータ） (2022-04-01T14:55:10Z)
• Dense Uncertainty Estimation [62.23555922631451]
  本稿では,ニューラルネットワークと不確実性推定手法について検討し,正確な決定論的予測と確実性推定の両方を実現する。 本研究では,アンサンブルに基づく手法と生成モデルに基づく手法の2つの不確実性推定法について検討し,それらの長所と短所を,完全/半端/弱度に制御されたフレームワークを用いて説明する。
  論文  参考訳（メタデータ） (2021-10-13T01:23:48Z)
• Real-time gravitational-wave science with neural posterior estimation [64.67121167063696]
  ディープラーニングを用いた高速重力波パラメータ推定のための前例のない精度を示す。 LIGO-Virgo Gravitational-Wave Transient Catalogから8つの重力波事象を解析した。 標準推論符号と非常に密接な定量的な一致を見いだすが、推定時間がO(day)から1イベントあたり1分に短縮される。
  論文  参考訳（メタデータ） (2021-06-23T18:00:05Z)
• Multivariate Probabilistic Regression with Natural Gradient Boosting [63.58097881421937]
  多変量予測分布の条件パラメータを非パラメトリックにモデル化したNatural Gradient Boosting (NGBoost) 手法を提案する。 提案手法は頑健で, 広範囲なチューニングを伴わず, 推定対象分布に対してモジュール構造であり, 既存の手法と比較して競争力がある。
  論文  参考訳（メタデータ） (2021-06-07T17:44:49Z)
• Forecasting Significant Wave Heights in Oceanic Waters [0.0]
  まず,様々なパラメータをキャスティングし,30分間隔で予測した。 提案アルゴリズムは,Scatter Index (SI), Bias, Correlation Coefficient, Root Mean Squared Error (RMSE) の0.130, -0.002, 0.97, 0.14を1日先立って予測する。 提案アルゴリズムは,1日先進予測のための有意な波高予測に一般的に使用される最先端手法よりも,はるかに優れた性能を示す。
  論文  参考訳（メタデータ） (2021-05-18T15:12:11Z)

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。