Fugu-MT 論文翻訳(概要): FlowDB a large scale precipitation, river, and flash flood dataset

論文の概要: FlowDB a large scale precipitation, river, and flash flood dataset

arxiv url: http://arxiv.org/abs/2012.11154v1
Date: Mon, 21 Dec 2020 07:08:41 GMT
ステータス: 処理完了
システム内更新日: 2021-04-29 09:11:39.420312
Title: FlowDB a large scale precipitation, river, and flash flood dataset
Title（参考訳）: FlowDB 大規模降水・河川・フラッシュ洪水データセット
Authors: Isaac Godfried, Kriti Mahajan, Maggie Wang, Kevin Li, Pranjalya Tiwari
Abstract要約: 洪水は、米国で毎年80億ドルの損害をもたらし、あらゆる天候関連イベントの最大の死を引き起こします。新たな1時間ごとの河川流量と降水量データセットと、損傷推定と傷害数を持つフラッシュ洪水イベントの2番目のサブセットを紹介します。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Flooding results in 8 billion dollars of damage annually in the US and causes the most deaths of any weather related event. Due to climate change scientists expect more heavy precipitation events in the future. However, no current datasets exist that contain both hourly precipitation and river flow data. We introduce a novel hourly river flow and precipitation dataset and a second subset of flash flood events with damage estimates and injury counts. Using these datasets we create two challenges (1) general stream flow forecasting and (2) flash flood damage estimation. We have created several publicly available benchmarks and an easy to use package. Additionally, in the future we aim to augment our dataset with snow pack data and soil index moisture data to improve predictions.
Abstract（参考訳）: 洪水は年間80億ドルの損害をもたらし、気象関連の出来事で最も多く死亡する原因となっている。気候変動のため、科学者は将来もっと重い降雨を期待している。しかし、時給降水データと河川流データの両方を含む現在のデータセットは存在しない。本稿では,新しい時流と降水量のデータセットと,損傷推定値と損傷数を含む洪水洪水の2番目のサブセットを紹介する。これらのデータセットを用いて,(1)一般流れ予測と(2)フラッシュフラッド損傷推定の2つの課題を提示する。私たちはいくつかの公開ベンチマークと簡単に使えるパッケージを作成しました。さらに, 今後, スノーパックデータと土壌指数水分データを用いてデータセットの強化を行い, 予測精度の向上を目指す。

関連論文リスト

Mapping Global Floods with 10 Years of Satellite Radar Data [0.0]
本研究では,Sentinel-1 Synthetic Aperture Radar (SAR)衛星画像の雲透過性を利用した新しい深層学習洪水検出モデルを提案する。我々は、クラウドカバレッジの影響を受けない予測を備えた、ユニークな、縦断的なグローバルな洪水範囲データセットを作成します。我々は,エチオピアの歴史的洪水発生地域を特定し,2024年5月のケニアの洪水時のリアルタイム災害対応能力を示す。
論文参考訳（メタデータ） (2024-11-03T02:44:32Z)
Off to new Shores: A Dataset & Benchmark for (near-)coastal Flood Inundation Forecasting [7.4807361562214405]
洪水は最も一般的で破壊的な自然災害の一つである。近年の気象予知と宇宙からの洪水のマッピングは、極端な出来事を予想できる可能性を示した。洪水範囲の直接予測を可能にするデータセットとベンチマークが欠如している。
論文参考訳（メタデータ） (2024-09-27T09:51:25Z)
Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
論文参考訳（メタデータ） (2024-04-08T09:13:16Z)
CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster Tweet Classification [51.58605842457186]
半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
論文参考訳（メタデータ） (2023-10-23T07:01:09Z)
Graph Transformer Network for Flood Forecasting with Heterogeneous Covariates [2.694662116529994]
河川システムのためのグラフ変換器ネットワーク(FloodGTN)を用いた洪水予測ツール FloodGTNは、グラフニューラルネットワーク(GNN)とLSTMを用いて、異なる監視ステーションにおける水位の連続時間依存性を学習する。 FloodGTNツールを南フロリダ水管理地区のデータに適用した。
論文参考訳（メタデータ） (2023-10-11T16:24:06Z)
Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文参考訳（メタデータ） (2023-09-24T19:57:22Z)
Rapid Flood Inundation Forecast Using Fourier Neural Operator [77.30160833875513]
洪水浸水予測は洪水前後の緊急計画に重要な情報を提供する。近年,高分解能な流体力学モデリングが普及しつつあるが,道路の洪水範囲やリアルタイムのビルディングレベルは依然として計算的に要求されている。洪水範囲と浸水深度予測のためのハイブリッドプロセスベースおよびデータ駆動機械学習(ML)アプローチを提案する。
論文参考訳（メタデータ） (2023-07-29T22:49:50Z)
An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文参考訳（メタデータ） (2023-02-20T16:08:54Z)
Inductive Predictions of Extreme Hydrologic Events in The Wabash River Watershed [15.963061568077567]
我々の単純なモデルはGeoMANのような複雑な注意ネットワークよりもはるかに高速に訓練できることを示す。また,訓練中に観測された場所とは別の地理的位置において,極端な事象を予測できることを実証した。この空間的インダクティブな設定により、Wabash Basinデータで訓練されたモデルを使用して、米国および他の地域における極端なイベントを予測できます。
論文参考訳（メタデータ） (2021-04-25T02:26:09Z)
RainBench: Towards Global Precipitation Forecasting from Satellite Imagery [6.462260770989231]
極端に降水するイベントは、発展途上国の経済と生活を定期的に破壊する。データ駆動型ディープラーニングアプローチは、正確な複数日予測へのアクセスを広げる可能性がある。現在、世界的な降雨予測の研究に特化したベンチマークデータセットは存在しない。
論文参考訳（メタデータ） (2020-12-17T15:35:24Z)
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)

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。