論文の概要: Water and Sediment Analyse Using Predictive Models
- arxiv url: http://arxiv.org/abs/2203.03422v1
- Date: Fri, 4 Mar 2022 02:28:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-08 18:28:45.073188
- Title: Water and Sediment Analyse Using Predictive Models
- Title（参考訳）: 予測モデルを用いた水・土質分析
- Authors: Xiaoting Xu, Tin Lai, Sayka Jahan, Farnaz Farid
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.3226893628361682
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The increasing prevalence of marine pollution during the past few decades
motivated recent research to help ease the situation. Typical water quality
assessment requires continuous monitoring of water and sediments at remote
locations with labour intensive laboratory tests to determine the degree of
pollution. We propose an automated framework where we formalise a predictive
model using Machine Learning to infer the water quality and level of pollution
using collected water and sediments samples. One commonly encountered
difficulty performing statistical analysis with water and sediment is the
limited amount of data samples and incomplete dataset due to the sparsity of
sample collection location. To this end, we performed extensive investigation
on various data imputation methods' performance in water and sediment datasets
with various data missing rates. Empirically, we show that our best model
archives an accuracy of 75% after accounting for 57% of missing data.
Experimentally, we show that our model would assist in assessing water quality
screening based on possibly incomplete real-world data.
- Abstract（参考訳）: 過去数十年間の海洋汚染の増加は、状況を緩和するための最近の研究の動機となった。
典型的な水質評価では、汚染の程度を決定するために、労働集約型実験室で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。
収集した水と堆積物のサンプルを用いて,機械学習を用いて予測モデルを定式化し,水質と汚染レベルを推定する自動フレームワークを提案する。
水と沈殿物で統計分析することの難しさの1つは、サンプル収集場所のスパース性のため、限られた量のデータサンプルと不完全なデータセットである。
そこで本研究では,データ欠落率の異なる水・土砂データセットにおける各種データ含浸法の性能を広範囲に調査した。
経験的に、最良のモデルでは、データ不足の57%を考慮し、75%の精度でアーカイブしています。
実験により,本モデルは,不完全な実世界のデータに基づいて水質のスクリーニングを行うのに役立つことを示した。
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) - Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。
最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。
以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
論文 参考訳（メタデータ） (2024-05-27T13:26:34Z) - 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) - Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳（メタデータ） (2023-09-12T13:28:06Z) - Exploring the Effectiveness of Dataset Synthesis: An application of
Apple Detection in Orchards [68.95806641664713]
本研究では,リンゴ樹の合成データセットを生成するための安定拡散2.1-baseの有用性について検討する。
我々は、現実世界のリンゴ検出データセットでリンゴを予測するために、YOLOv5mオブジェクト検出モデルを訓練する。
その結果、実世界の画像でトレーニングされたベースラインモデルと比較して、生成データでトレーニングされたモデルはわずかに性能が劣っていることがわかった。
論文 参考訳（メタデータ） (2023-06-20T09:46:01Z) - 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) - Recognition of Defective Mineral Wool Using Pruned ResNet Models [88.24021148516319]
我々はミネラルウールのための視覚品質管理システムを開発した。
ウール標本のX線画像が収集され、欠陥および非欠陥サンプルのトレーニングセットが作成された。
我々は98%以上の精度のモデルを得たが、同社の現在の手順と比較すると、20%以上の欠陥製品を認識することができる。
論文 参考訳（メタデータ） (2022-11-01T13:58:02Z) - Experimental study of time series forecasting methods for groundwater
level prediction [0.0]
私たちは1026の地下水位時系列のデータセットを作成しました。
各時系列は、地下水位と降雨と蒸発散の2つの変数を毎日測定して作成されている。
ローカルおよびグローバルな時系列予測手法を含む様々な予測器を比較した。
その結果, 過去の地下水位と降雨量について, グローバルな手法を訓練することで, 最良の予測が得られることがわかった。
論文 参考訳（メタデータ） (2022-09-28T08:58:55Z) - Predictive modeling of microbiological seawater quality classification
in karst region using cascade model [0.0]
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。
論文 参考訳（メタデータ） (2022-02-11T15:03:31Z) - Unassisted Noise Reduction of Chemical Reaction Data Sets [59.127921057012564]
本稿では,データセットから化学的に間違ったエントリを除去するための,機械学習に基づく無支援アプローチを提案する。
その結果,クリーン化およびバランスの取れたデータセットでトレーニングしたモデルの予測精度が向上した。
論文 参考訳（メタデータ） (2021-02-02T09:34:34Z) - Data Pre-Processing and Evaluating the Performance of Several Data
Mining Methods for Predicting Irrigation Water Requirement [2.2108425580353774]
近年の干ばつや人口増加は、利用可能な限られた水資源の使用に対する前例のない需要を植え付けている。
灌水地域の水管理を改善するためには,将来的な水需要の予測モデルが必要である。
データマイニングはそのようなモデルを構築するのに効果的に利用できる。
論文 参考訳（メタデータ） (2020-03-01T05:42:04Z)
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。