論文の概要: Predictive modeling of microbiological seawater quality classification in karst region using cascade model

• arxiv url: http://arxiv.org/abs/2202.05664v1
• Date: Fri, 11 Feb 2022 15:03:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-14 15:24:21.264871
• Title: Predictive modeling of microbiological seawater quality classification in karst region using cascade model
• Title（参考訳）: カスケードモデルを用いたカルスト地域の微生物水質分類の予測モデル
• Authors: Ivana Lu\v{c}in, Sini\v{s}a Dru\v{z}eta, Goran Mau\v{s}a, Marta Alvir, Luka Grb\v{c}i\'c, Darija Vuki\'c Lu\v{s}i\'c, Ante Sikirica, Lado Kranj\v{c}evi\'c
• Abstract要約: 本研究では,クロアチア・リェカの入浴期における大腸菌の海水測定の詳細な分析を行った。 地下水の沈下源は、大腸菌値の上昇の原因となるかもしれないいくつかの測定地点で観測された。 気象データに基づく沿岸水質予測にはカスケード機械学習モデルを用いる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper, an in-depth analysis of Escherichia coli seawater measurements during the bathing season in the city of Rijeka, Croatia was conducted. Submerged sources of groundwater were observed at several measurement locations which could be the cause for increased E. coli values. This specificity of karst terrain is usually not considered during the monitoring process, thus a novel measurement methodology is proposed. A cascade machine learning model is used to predict coastal water quality based on meteorological data, which improves the level of accuracy due to data imbalance resulting from rare occurrences of measurements with reduced water quality. Currently, the cascade model is employed as a filter method, where measurements not classified as excellent quality need to be further analyzed. However, with improvements proposed in the paper, the cascade model could be ultimately used as a standalone method.
• Abstract（参考訳）: 本研究では,クロアチアのリェカ市における入浴期における大腸菌の海水測定の詳細な分析を行った。 地下水の沈殿源はいくつかの測定場所で観察され,大腸菌値の上昇の原因となった。 このカルスト地形の特異性はモニタリング過程では考慮されないため,新しい測定手法が提案されている。 気象データに基づく沿岸水質の予測にはカスケード機械学習モデルを用いており、水質の低下を伴う測定のまれな発生によるデータの不均衡による精度の向上が図られている。 現在、カスケードモデルはフィルタ法として用いられており、優れた品質とは分類されない測定を更に分析する必要がある。 しかし,本論文で提案されている改良により,カスケードモデルは最終的に単独の手法として使用可能となった。

関連論文リスト

• Probabilistic Classification of Near-Surface Shallow-Water Sediments using A Portable Free-Fall Penetrometer [0.0]
  本稿では,PFFP(ポータブルフリーフォールペネトロメータ)データに基づく土砂挙動分類システムを構築するために,機械学習アルゴリズムを用いた革新的な手法を提案する。 提案モデルでは,セキム湾(ワシントン),ポトマック川,ヨーク川(ヴァージニア)などの地点から得られたPFFP測定を利用した。
  論文  参考訳（メタデータ） (2024-09-30T20:51:59Z)
• CasCast: Skillful High-resolution Precipitation Nowcasting via Cascaded Modelling [93.65319031345197]
  本稿では,メソスケール降水分布と小規模パターンの予測を分離するために,決定的かつ確率的な部分からなるカスケードフレームワークCasCastを提案する。 CasCastは地域の極端降水量計のベースライン(+91.8%)をはるかに上回っている。
  論文  参考訳（メタデータ） (2024-02-06T08:30:47Z)
• Modeling groundwater levels in California's Central Valley by hierarchical Gaussian process and neural network regression [9.816891579613628]
  中央バレー帯水層の3次元岩相テクスチャモデルから学習し,地下水位をモデル化するための新しい機械学習手法を考案した。 本研究では,不規則な井戸データを持つ流域における帯水層応答に対する水文学的理解を補うためにモデル予測がどのように用いられるかを示す。 以上の結果から,2017年と2019年のカリフォルニアの湿潤年は,前回の干ばつによる地下水損失の補充にはほとんど効果がなかったことが示唆された。
  論文  参考訳（メタデータ） (2023-10-23T04:21:26Z)
• Conditional Korhunen-Lo\'{e}ve regression model with Basis Adaptation for high-dimensional problems: uncertainty quantification and inverse modeling [62.997667081978825]
  本稿では,物理系の観測可能な応答のサロゲートモデルの精度を向上させる手法を提案する。 本研究では,定常水理応答のBasis Adaptation (BA)法による代理モデル構築に提案手法を適用した。
  論文  参考訳（メタデータ） (2023-07-05T18:14:38Z)
• Multi-Target Tobit Models for Completing Water Quality Data [0.0]
  トビットモデルは、検閲されたデータを解析するためのよく知られた線形回帰モデルである。 本研究では、複数の検閲された変数を同時に扱うために、Emphmulti-target Tobit modelと呼ばれる古典的Tobitモデルの新たな拡張を考案した。 複数の実世界の水質データセットを用いて行われた実験は、複数の列を同時に推定することで、個別に推定するよりも大きな優位性が得られるという証拠となった。
  論文  参考訳（メタデータ） (2023-02-21T13:06:19Z)
• 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)
• Water and Sediment Analyse Using Predictive Models [2.3226893628361682]
  水質評価には、遠隔地における水と堆積物の連続的なモニタリングが必要である。 機械学習を用いて予測モデルを定式化する自動フレームワークを提案する。 本モデルでは,データ不足の57%を考慮し,75%の精度でアーカイブした。
  論文  参考訳（メタデータ） (2022-03-04T02:28:01Z)
• Physics-Informed Machine Learning Method for Large-Scale Data Assimilation Problems [48.7576911714538]
  我々は,未知のフラックス (Neumann) と様々なヘッド (Dirichlet) 境界条件を持つ地下流れをモデル化するための物理インフォームド条件付きKarhunen-Lo'eve展開法(PICKLE)を拡張した。 PICKLE法はMAP法と精度が比較できるが,大規模問題ではMAP法よりもはるかに高速であることを示す。
  論文  参考訳（メタデータ） (2021-07-30T18:43:14Z)
• Artificial Intelligence Hybrid Deep Learning Model for Groundwater Level Prediction Using MLP-ADAM [0.0]
  本稿では,多層パーセプトロンを用いて地下水位をシミュレーションする。 この問題には適応モーメント推定アルゴリズムも用いられる。 その結果,ディープラーニングアルゴリズムは高精度な予測が可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T10:11:45Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)

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。