論文の概要: A Comprehensive Review of Deep Learning Applications in Hydrology and
Water Resources
- arxiv url: http://arxiv.org/abs/2007.12269v1
- Date: Wed, 17 Jun 2020 16:57:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-19 20:36:49.272303
- Title: A Comprehensive Review of Deep Learning Applications in Hydrology and
Water Resources
- Title（参考訳）: 水文学・水資源における深層学習応用の総合的考察
- Authors: Muhammed Sit, Bekir Z. Demiray, Zhongrun Xiang, Gregory J. Ewing,
Yusuf Sermet and Ibrahim Demir
- Abstract要約: デジタルデータのグローバルボリュームは2025年までに175ゼタバイトに達すると予想されている。
この研究は、水産業で使われている最先端のディープラーニングアプローチの包括的なレビューを提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The global volume of digital data is expected to reach 175 zettabytes by
2025. The volume, variety, and velocity of water-related data are increasing
due to large-scale sensor networks and increased attention to topics such as
disaster response, water resources management, and climate change. Combined
with the growing availability of computational resources and popularity of deep
learning, these data are transformed into actionable and practical knowledge,
revolutionizing the water industry. In this article, a systematic review of
literature is conducted to identify existing research which incorporates deep
learning methods in the water sector, with regard to monitoring, management,
governance and communication of water resources. The study provides a
comprehensive review of state-of-the-art deep learning approaches used in the
water industry for generation, prediction, enhancement, and classification
tasks, and serves as a guide for how to utilize available deep learning methods
for future water resources challenges. Key issues and challenges in the
application of these techniques in the water domain are discussed, including
the ethics of these technologies for decision-making in water resources
management and governance. Finally, we provide recommendations and future
directions for the application of deep learning models in hydrology and water
resources.
- Abstract（参考訳）: デジタルデータのグローバルボリュームは2025年までに175ゼタバイトに達すると予想されている。
大規模センサネットワークによって水関連データの量,多様性,速度が増加し,災害対応,水資源管理,気候変動といった話題への注目が高まっている。
計算資源の増加とディープラーニングの普及と合わせて、これらのデータは実践的で実践的な知識へと変化し、水産業に革命をもたらした。
本稿では,水資源のモニタリング,管理,管理,管理,通信に関して,深層学習を水分野に取り入れた既存の研究を体系的に検討する。
本研究は,水産業界で用いられている最新の深層学習手法を総合的に概観し,今後の水資源問題に利用可能な深層学習手法をどのように活用するかの指針となる。
水資源管理とガバナンスにおける意思決定に関するこれらの技術の倫理を含む、水領域におけるこれらの技術の適用における重要な課題と課題について論じる。
最後に,深層学習モデルを水文学や水資源に適用するための推奨事項と今後の方向性について述べる。
関連論文リスト
- Challenges, Methods, Data -- a Survey of Machine Learning in Water Distribution Networks [5.185604886838128]
この研究は、配水ネットワークにおける主要なタスクを示し、機械学習との関係について論じる。
ドメインの特殊性がどのように課題を提起し、機械学習のアプローチによって活用されるかを分析する。
論文 参考訳（メタデータ） (2024-10-16T11:21:07Z) - Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。
近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
論文 参考訳（メタデータ） (2024-10-08T00:25:33Z) - Time Series Predictions in Unmonitored Sites: A Survey of Machine Learning Techniques in Water Resources [10.307058787085094]
モニタリングされていない場所での動的環境変数の予測は、水資源科学の長年の課題である。
現代の機械学習手法は、水文時系列予測のためのプロセスベースおよび経験的モデルよりもますます優れている。
ストリームフロー,水質,その他の水資源予測における機械学習の最先端技術応用について概説する。
論文 参考訳（メタデータ） (2023-08-18T18:30:33Z) - Applications of Deep Learning in Fish Habitat Monitoring: A Tutorial and
Survey [1.9249287163937976]
ディープラーニング(DL)は最先端のAI技術であり、ビジュアルデータを分析する上で前例のないパフォーマンスを示している。
本稿では,DLの重要な概念を網羅するチュートリアルを紹介し,DLの動作に関する高レベルな理解を支援する。
チュートリアルではまた、水中魚のモニタリングのような挑戦的な応用のために、DLアルゴリズムをどのように開発すべきかをステップバイステップで説明する。
論文 参考訳（メタデータ） (2022-06-11T01:59:54Z) - Transferability in Deep Learning: A Survey [80.67296873915176]
知識を習得し再利用する能力は、ディープラーニングにおける伝達可能性として知られている。
本研究は,深層学習における異なる孤立領域と伝達可能性との関係を関連付けるための調査である。
我々はベンチマークとオープンソースライブラリを実装し、転送可能性の観点からディープラーニング手法の公平な評価を可能にする。
論文 参考訳（メタデータ） (2022-01-15T15:03:17Z) - Applications of physics-informed scientific machine learning in
subsurface science: A survey [64.0476282000118]
地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。
したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。
近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
論文 参考訳（メタデータ） (2021-04-10T13:40:22Z) - Water Level Estimation Using Sentinel-1 Synthetic Aperture Radar Imagery
And Digital Elevation Models [0.0]
Sentinel-1 Synthetic Aperture Radar ImageryとDigital Elevation Modelデータセットを用いた新しい水位抽出手法を提案する。
実験の結果、このアルゴリズムは世界中の3つの貯水池で0.93mの低い平均誤差を達成した。
論文 参考訳（メタデータ） (2020-12-11T18:42:15Z) - Predictive Analytics for Water Asset Management: Machine Learning and
Survival Analysis [55.41644538483948]
本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。
スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。
その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
論文 参考訳（メタデータ） (2020-07-02T19:08:36Z) - A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。
このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
論文 参考訳（メタデータ） (2020-06-05T08:04:37Z) - Deep Learning for Community Detection: Progress, Challenges and
Opportunities [79.26787486888549]
この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
論文 参考訳（メタデータ） (2020-05-17T11:22:11Z)
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。