論文の概要: Bayesian Optimisation for Active Monitoring of Air Pollution

• arxiv url: http://arxiv.org/abs/2202.07595v2
• Date: Fri, 19 Apr 2024 08:12:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-22 20:46:02.141995
• Title: Bayesian Optimisation for Active Monitoring of Air Pollution
• Title（参考訳）: 大気汚染のアクティブモニタリングのためのベイズ最適化
• Authors: Sigrid Passano Hellan, Christopher G. Lucas, Nigel H. Goddard,
• Abstract要約: 大気汚染は世界の死亡率の主要な原因の1つであり、毎年数百万人が死亡している。 新しい低コストセンサーは、より多く、より多様な場所に展開することができ、効率的な自動配置の問題を動機付けている。 これまでの研究では、ベイズ最適化は適切な方法であるが、衛星データのみを考慮し、全高度でデータを収集したことが示唆された。 我々は, 階層モデルを用いてこれらの結果を改善し, ロンドンにおける都市汚染データに基づくモデルの評価を行い, ベイジアン最適化が問題に適用可能であることを示す。
• 参考スコア（独自算出の注目度）: 5.199765487172328
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Air pollution is one of the leading causes of mortality globally, resulting in millions of deaths each year. Efficient monitoring is important to measure exposure and enforce legal limits. New low-cost sensors can be deployed in greater numbers and in more varied locations, motivating the problem of efficient automated placement. Previous work suggests Bayesian optimisation is an appropriate method, but only considered a satellite data set, with data aggregated over all altitudes. It is ground-level pollution, that humans breathe, which matters most. We improve on those results using hierarchical models and evaluate our models on urban pollution data in London to show that Bayesian optimisation can be successfully applied to the problem.
• Abstract（参考訳）: 大気汚染は世界の死亡率の主要な原因の1つであり、毎年数百万人が死亡している。 効果的なモニタリングは、露出を測定し、法的制限を強制するために重要である。 新しい低コストセンサーは、より多く、より多様な場所に展開することができ、効率的な自動配置の問題を動機付けている。 これまでの研究では、ベイズ最適化は適切な方法であるが、衛星データのみを考慮し、全高度でデータを収集したことが示唆された。 人間が呼吸するのは地上レベルの汚染であり、それが最も重要なのである。 我々は, 階層モデルを用いてこれらの結果を改善し, ロンドンにおける都市汚染データに基づくモデルの評価を行い, ベイジアン最適化が問題に適用可能であることを示す。

関連論文リスト

• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• Gaussian Processes for Monitoring Air-Quality in Kampala [3.173497841606415]
  本研究では,センサが存在しない場所での現在の大気汚染を予測し,センサ位置で将来の大気汚染を予測するためのガウス過程の活用について検討する。 私たちは、AirQoのセンサーネットワークのデータを使って、ウガンダのカンパラ市に焦点を当てています。
  論文  参考訳（メタデータ） (2023-11-28T09:25:23Z)
• Autonomous Detection of Methane Emissions in Multispectral Satellite Data Using Deep Learning [73.01013149014865]
  メタンは最も強力な温室効果ガスの1つである。 現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。 深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
  論文  参考訳（メタデータ） (2023-08-21T19:36:50Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Towards Generating Large Synthetic Phytoplankton Datasets for Efficient Monitoring of Harmful Algal Blooms [77.25251419910205]
  有害な藻類(HAB)は養殖農場で重大な魚死を引き起こす。 現在、有害藻や他の植物プランクトンを列挙する標準的な方法は、顕微鏡でそれらを手動で観察し数えることである。 合成画像の生成にはGAN(Generative Adversarial Networks)を用いる。
  論文  参考訳（メタデータ） (2022-08-03T20:15:55Z)
• Estimation of Air Pollution with Remote Sensing Data: Revealing Greenhouse Gas Emissions from Space [1.9659095632676094]
  地上レベルの大気汚染の既存のモデルは、しばしば局所的に制限され、時間的に静的な土地利用データセットに依存している。 本研究は,世界規模で利用でき,頻繁に更新されるリモートセンシングデータにのみ依存する環境大気汚染の予測のための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-08-31T14:58:04Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• Optimising Placement of Pollution Sensors in Windy Environments [0.696125353550498]
  大気汚染は世界の死亡率の最も重要な原因の1つです。 奇妙な最適化はセンサーの位置の選択に有用であることが証明されているが、大気汚染の統計的構造を無視するカーネル機能に依存している。 本研究では,2つの新しい風化カーネルについて説明し,最大公害の能動的に学習する作業に対する利点を検討する。
  論文  参考訳（メタデータ） (2020-12-19T20:16:49Z)
• Conditional Generative Adversarial Networks to Model Urban Outdoor Air Pollution [0.8122270502556374]
  本稿では, 所定の分類に従って, 合成二酸化窒素の日時系列を生成できるモデルを訓練することを提案する。 提案手法は, 計算時間削減を必要としながら, 高精度で多彩な毎日の汚染時系列を生成することができる。
  論文  参考訳（メタデータ） (2020-10-05T18:01:10Z)
• HazeDose: Design and Analysis of a Personal Air Pollution Inhaled Dose Estimation System using Wearable Sensors [6.284628903370058]
  我々はこのパラダイムを、個人の大気汚染をパーソナライズするHazeDoseシステムに拡張する。 ユーザはモバイルアプリケーションを通じて、パーソナライズされた大気汚染の暴露情報を視覚化できる。 1つのアルゴリズムは、代替ルートシナリオの実行時間と量削減のバランスをとるために導入された。
  論文  参考訳（メタデータ） (2020-05-28T02:35:13Z)

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。