論文の概要: Wildfire risk forecast: An optimizable fire danger index

• arxiv url: http://arxiv.org/abs/2203.15558v1
• Date: Mon, 28 Mar 2022 14:08:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-01 10:55:53.262742
• Title: Wildfire risk forecast: An optimizable fire danger index
• Title（参考訳）: 森林火災リスク予測 : 最適な火災危険指標
• Authors: Eduardo Rodrigues, Bianca Zadrozny, Campbell Watson
• Abstract要約: 森林火災は世界中の多くの地域で深刻な被害をもたらしており、気候変動によって増加すると予想されている。 火災リスク指標は、火災のリスクを予測するために天気予報を使用する。 火災リスク指標の予測は、リスクの高い場所で資源を割り当てるために使用することができる。 そこで本研究では,勾配降下による内部パラメータの最適化が可能な微分可能な関数として,一指標(NFDRS IC)の新たな実装を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wildfire events have caused severe losses in many places around the world and are expected to increase with climate change. Throughout the years many technologies have been developed to identify fire events early on and to simulate fire behavior once they have started. Another particularly helpful technology is fire risk indices, which use weather forcing to make advanced predictions of the risk of fire. Predictions of fire risk indices can be used, for instance, to allocate resources in places with high risk. These indices have been developed over the years as empirical models with parameters that were estimated in lab experiments and field tests. These parameters, however, may not fit well all places where these models are used. In this paper we propose a novel implementation of one index (NFDRS IC) as a differentiable function in which one can optimize its internal parameters via gradient descent. We leverage existing machine learning frameworks (PyTorch) to construct our model. This approach has two benefits: (1) the NFDRS IC parameters can be improved for each region using actual observed fire events, and (2) the internal variables remain intact for interpretations by specialists instead of meaningless hidden layers as in traditional neural networks. In this paper we evaluate our strategy with actual fire events for locations in the USA and Europe.
• Abstract（参考訳）: 森林火災は世界中の多くの場所で深刻な被害をもたらし、気候変動に伴い増加すると予想されている。 長年にわたり、早期の火災を識別し、一度火の挙動をシミュレートする技術が開発されてきた。 もう一つの有用な技術は火災リスク指標であり、火災リスクの高度な予測を行うために気象を強制する。 火災リスク指標の予測は、例えば、リスクの高い場所でリソースを割り当てるために使用することができる。 これらの指標は、長年にわたって実験室実験やフィールドテストで推定されたパラメータを持つ実験モデルとして開発されてきた。 しかし、これらのパラメータは、これらのモデルが使用されるすべての場所に適合しない可能性がある。 本稿では,1つの指標(NFDRS IC)を微分可能な関数として,勾配降下による内部パラメータの最適化が可能な新しい実装を提案する。 既存の機械学習フレームワーク(PyTorch)を活用してモデルを構築します。 このアプローチには,(1)NFDRS ICパラメータを実際に観測された火災イベントを用いて各領域で改善し,(2)内部変数は従来のニューラルネットワークのように無意味な隠蔽層ではなく,専門家による解釈のためにそのまま維持する,という2つの利点がある。 本稿では,米国と欧州の現場における実際の火災イベントによる戦略を評価する。

関連論文リスト

• Comparison of metaheuristics for the firebreak placement problem: a simulation-based optimization approach [0.0]
  火災発生の問題は防火に不可欠である。 したがって、発火から絶滅まで予測不可能な火災の性質を考える必要がある。 シミュレーションに基づく最適化の観点から,この問題に対する解法を提案する。
  論文  参考訳（メタデータ） (2023-11-29T06:45:07Z)
• Modelling wildland fire burn severity in California using a spatial Super Learner approach [0.04188114563181614]
  米国西部の森林火災の頻度が高まる中、燃え尽き症候群を理解・正確に予測するツールを開発する必要がある。 遠隔で検知した火災予報データを用いて,燃焼後重大度を予測する機械学習モデルを開発した。 このモデルが実装されると、カリフォルニアの人命、財産、資源、生態系が失われる可能性がある。
  論文  参考訳（メタデータ） (2023-11-25T22:09:14Z)
• Implicit Event-RGBD Neural SLAM [54.74363487009845]
  神経性SLAMは近年顕著な進歩を遂げている。 既存の手法は、非理想的なシナリオにおいて重大な課題に直面します。 本稿では,最初のイベントRGBD暗黙的ニューラルSLAMフレームワークであるEN-SLAMを提案する。
  論文  参考訳（メタデータ） (2023-11-18T08:48:58Z)
• Prescribed Fire Modeling using Knowledge-Guided Machine Learning for Land Management [2.158876211806538]
  本稿では,所定の火災を迅速にエミュレーションできる機械学習(ML)フレームワークを提案する。 ドメイン知識を取り入れることで,データ共有シナリオにおける燃料密度推定の物理的不整合を低減することができる。 また,階層構造を組み込んだ火災拡散指標の偏り推定の問題も克服した。
  論文  参考訳（メタデータ） (2023-10-02T19:38:04Z)
• Generative Algorithms for Fusion of Physics-Based Wildfire Spread Models with Satellite Data for Initializing Wildfire Forecasts [0.0]
  衛星による火災検出の最近の進歩は、火災拡散予測を改善するために測定を使用する機会を与えている。 本研究は,衛星観測から山火事の歴史を推定する手法を開発した。
  論文  参考訳（メタデータ） (2023-09-05T23:24:34Z)
• Image-Based Fire Detection in Industrial Environments with YOLOv4 [53.180678723280145]
  この研究は、AIが火災を検出し、認識し、画像ストリーム上のオブジェクト検出を使用して検出時間を短縮する可能性を検討する。 そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されてきた複数の公開情報源から, 適切なデータを収集, ラベル付けした。
  論文  参考訳（メタデータ） (2022-12-09T11:32:36Z)
• Assimilation of Satellite Active Fires Data [0.0]
  この論文の目的は、山火事のモデリング能力を改善することで、山火事の影響に対処する技術を開発することである。 特に,火災の履歴を構築する方法,山火事データを同化するための新しい技術,およびモデル化された火災の挙動を変更する方法を開発する。
  論文  参考訳（メタデータ） (2022-04-01T20:11:28Z)
• Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using Meta-Learning [64.92447072894055]
  赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。 既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。 KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
  論文  参考訳（メタデータ） (2021-10-07T02:28:18Z)
• From Static to Dynamic Prediction: Wildfire Risk Assessment Based on Multiple Environmental Factors [69.9674326582747]
  ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。 カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
  論文  参考訳（メタデータ） (2021-03-14T17:56:17Z)
• Assessing out-of-domain generalization for robust building damage detection [78.6363825307044]
  建築損傷検出は、衛星画像にコンピュータビジョン技術を適用することで自動化することができる。 モデルは、トレーニングで利用可能な災害画像と、新しいイベントの画像の間の分散の変化に対して堅牢でなければならない。 今後はOOD体制に重点を置くべきだと我々は主張する。
  論文  参考訳（メタデータ） (2020-11-20T10:30:43Z)
• Dynamic Community Detection into Analyzing of Wildfires Events [55.72431452586636]
  本研究では,山火事の動態について,動的コミュニティ構造が明らかにする情報について検討する。 アマゾン盆地の火災イベントのMODISデータセットを用いた実験を行った。 以上の結果から,年間を通じて観測される山火事のパターンを明らかにすることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2020-11-02T17:31:47Z)

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。