論文の概要: Emulator-based global sensitivity analysis for flow-like landslide
run-out models
- arxiv url: http://arxiv.org/abs/2010.04056v1
- Date: Thu, 8 Oct 2020 15:21:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-09 12:53:39.474993
- Title: Emulator-based global sensitivity analysis for flow-like landslide
run-out models
- Title（参考訳）: エミュレータを用いた流れ型地すべり流出モデルに対するグローバル感度解析
- Authors: Hu Zhao, Florian Amann, Julia Kowalski
- Abstract要約: 地すべりのランアウトモデリングは、モデル入力データに由来する不確実性を伴う。
入力空間全体を探索し、全ての相互作用を説明できる大域的な感度分析は、しばしば計算上の問題のために制限される。
本稿では,ガウス過程のエミュレーションを地すべり流出モデルに統合し,オープンソースのシミュレーションツールr.avaflowに適用することによって,この研究ギャップに対処する。
- 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: Landslide run-out modeling involves various uncertainties originating from
model input data. It is therefore desirable to assess the model's sensitivity.
A global sensitivity analysis that is capable of exploring the entire input
space and accounts for all interactions, often remains limited due to
computational challenges resulting from a large number of necessary model runs.
We address this research gap by integrating Gaussian process emulation into
landslide run-out modeling and apply it to the open-source simulation tool
r.avaflow. The feasibility and efficiency of our approach is illustrated based
on the 2017 Bondo landslide event. The sensitivity of aggregated model outputs,
such as the apparent friction angle, impact area, as well as spatially resolved
maximum flow height and velocity, to the dry-Coulomb friction coefficient,
turbulent friction coefficient and the release volume are studied. The results
of first-order effects are consistent with previous results of common
one-at-a-time sensitivity analyses. In addition to that, our approach allows to
rigorously investigate interactions. Strong interactions are detected on the
margins of the flow path where the expectation and variation of maximum flow
height and velocity are small. The interactions generally become weak with
increasing variation of maximum flow height and velocity. Besides, there are
stronger interactions between the two friction coefficients than between the
release volume and each friction coefficient. In the future, it is promising to
extend the approach for other computationally expensive tasks like uncertainty
quantification, model calibration, and smart early warning.
- Abstract（参考訳）: 地すべり流出モデルには、モデル入力データに由来するさまざまな不確実性がある。
したがって、モデルの感度を評価することが望ましい。
入力空間全体を探索し、全ての相互作用を説明できる大域的感度分析は、多くの必要なモデル実行によって生じる計算上の問題のために、しばしば制限される。
本稿では,ガウス過程のエミュレーションを地すべり流出モデルに統合し,オープンソースのシミュレーションツールr.avaflowに適用することによって,この研究ギャップに対処する。
提案手法の有効性と有効性は,2017年ボンゴ地すべり事件をベースとした。
本研究では, ドライクーロン摩擦係数, 乱流摩擦係数, 放出量に対して, 明らかな摩擦角, 衝突面積, 空間的に解決された最大流量, 速度などの凝集モデル出力の感度について検討した。
1次効果の結果は、従来の1対1の感度分析の結果と一致している。
それに加えて,本手法はインタラクションの厳密な調査を可能にする。
最大流量高さと速度の期待と変動が小さい流路の縁に強い相互作用が検出される。
相互作用は通常、最大流量と速度の変動が増加すると弱くなる。
また, 2つの摩擦係数の間には, 放出体積と摩擦係数との間には強い相互作用がある。
将来的には、不確実性定量化、モデルキャリブレーション、スマート早期警告など、計算コストの高い他のタスクへのアプローチを拡張することを約束している。
関連論文リスト
- Stochastic Flow Matching for Resolving Small-Scale Physics [28.25905372253442]
気象などの物理科学では、超解答の小さな詳細が大きな課題となっている。
入力を潜在基底分布に符号化し、次いでフローマッチングを行い、小規模物理を生成する。
我々は現実世界のCWA気象データセットとPDEベースのコルモゴロフ気象データセットの両方について広範な実験を行った。
論文 参考訳（メタデータ） (2024-10-17T21:09:13Z) - Event-Aided Time-to-Collision Estimation for Autonomous Driving [28.13397992839372]
ニューロモルフィックなイベントベースカメラを用いて衝突時刻を推定する新しい手法を提案する。
提案アルゴリズムは, 事象データに適合する幾何モデルに対して, 効率的かつ高精度な2段階のアプローチで構成する。
合成データと実データの両方の実験により,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2024-07-10T02:37:36Z) - Regulating Model Reliance on Non-Robust Features by Smoothing Input Marginal Density [93.32594873253534]
信頼できる機械学習は、非ロバストな特徴に依存するモデルの厳密な規制を必要とする。
本稿では,モデル予測を入力に関連付けることによって,そのような特徴を記述・規制するフレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-05T09:16:56Z) - Sensitivity-Aware Amortized Bayesian Inference [8.753065246797561]
感度分析は、様々なモデリング選択が統計的分析の結果に与える影響を明らかにする。
ニューラルネットワークを用いたシミュレーションベース推論に感度解析を統合するための多面的アプローチである感性認識型ベイズ推論(SA-ABI)を提案する。
本稿では,本手法が病気発生のダイナミクスや地球温暖化のしきい値から人的意思決定に至るまで,応用モデリング問題における有効性を示す。
論文 参考訳（メタデータ） (2023-10-17T10:14:10Z) - A 5-Point Minimal Solver for Event Camera Relative Motion Estimation [47.45081895021988]
本稿では,直線パラメータと線形カメラ速度予測を推定し,複数の直線を考慮した場合の1つの平均線形速度に融合できる新しい最小5点解法を提案する。
本手法は,既存の閉形式解法が23%から70%しか達成できない線形速度の推定において,連続的に100%の成功率を達成する。
論文 参考訳（メタデータ） (2023-09-29T08:30:18Z) - Fourier Neural Operators for Arbitrary Resolution Climate Data
Downscaling [16.890326773246414]
本稿では,フーリエニューラル演算子に基づくダウンスケーリング手法を提案する。
提案手法は, 最先端の畳み込みモデルおよび生成的対向性ダウンスケーリングモデルより有意に優れていることを示す。
全体として、我々の研究は物理過程のシミュレーションと低解像度出力のギャップを埋める。
論文 参考訳（メタデータ） (2023-05-23T18:25:08Z) - Towards better traffic volume estimation: Jointly addressing the
underdetermination and nonequilibrium problems with correlation-adaptive GNNs [47.18837782862979]
本稿では, 交通量推定に関する2つの重要な問題について考察する。(1) 未検出運動による交通流の過小評価, (2) 渋滞伝播による非平衡交通流。
上記の問題に対処するために,データ駆動型,モデルフリー,相関適応型アプローチをグラフベースで実現するディープラーニング手法を実証する。
論文 参考訳（メタデータ） (2023-03-10T02:22:33Z) - Adaptive LASSO estimation for functional hidden dynamic geostatistical
model [69.10717733870575]
関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。
このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
論文 参考訳（メタデータ） (2022-08-10T19:17:45Z) - Multi-fidelity Hierarchical Neural Processes [79.0284780825048]
多要素代理モデリングは、異なるシミュレーション出力を融合させることで計算コストを削減する。
本稿では,多階層型階層型ニューラルネットワーク(MF-HNP)を提案する。
疫学および気候モデリングタスクにおけるMF-HNPの評価を行い、精度と不確実性評価の観点から競合性能を達成した。
論文 参考訳（メタデータ） (2022-06-10T04:54:13Z) - Contextual Dropout: An Efficient Sample-Dependent Dropout Module [60.63525456640462]
ドロップアウトは、ディープニューラルネットワークのトレーニングプロセスを正規化するシンプルで効果的なモジュールとして実証されています。
単純でスケーラブルなサンプル依存型ドロップアウトモジュールとして,効率的な構造設計によるコンテキスト型ドロップアウトを提案する。
提案手法は,不確実性推定の精度と品質の両面において,ベースライン法よりも優れていた。
論文 参考訳（メタデータ） (2021-03-06T19:30:32Z)
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。