Fugu-MT 論文翻訳(概要): Spatiotemporal forecasting of track geometry irregularities with exogenous factors

論文の概要: Spatiotemporal forecasting of track geometry irregularities with exogenous factors

arxiv url: http://arxiv.org/abs/2211.03549v1
Date: Mon, 7 Nov 2022 13:38:27 GMT
ステータス: 処理完了
システム内更新日: 2022-11-08 15:51:05.684273
Title: Spatiotemporal forecasting of track geometry irregularities with exogenous factors
Title（参考訳）: 外因性因子をもつ軌道形状の不規則性の時空間予測
Authors: Katsuya Kosukegawa, Yasukuni Mori, Hiroki Suyari, Kazuhiko Kawamoto
Abstract要約: 提案手法は、畳み込み短期記憶(ConvLSTM)を用いて、要因を埋め込んで時間的相関を捉える。その結果,空間計算とメンテナンス記録データにより,垂直アライメントの予測精度が向上することが判明した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: To ensure the safety of railroad operations, it is important to monitor and forecast track geometry irregularities. A higher safety requires forecasting with a higher spatiotemporal frequency. For forecasting with a high spatiotemporal frequency, it is necessary to capture spatial correlations. Additionally, track geometry irregularities are influenced by multiple exogenous factors. In this study, we propose a method to forecast one type of track geometry irregularity, vertical alignment, by incorporating spatial and exogenous factor calculations. The proposed method embeds exogenous factors and captures spatiotemporal correlations using a convolutional long short-term memory (ConvLSTM). In the experiment, we compared the proposed method with other methods in terms of the forecasting performance. Additionally, we conducted an ablation study on exogenous factors to examine their contribution to the forecasting performance. The results reveal that spatial calculations and maintenance record data improve the forecasting of the vertical alignment.
Abstract（参考訳）: 鉄道運転の安全性を確保するためには,軌道形状の不規則性を監視し,予測することが重要である。高い安全性は、時空間周波数の高い予測を必要とする。高時空間周波数で予測するには,空間相関を捉える必要がある。さらに、トラック幾何の不規則性は複数の外因性因子に影響される。本研究では,空間的および外生的因子計算を取り入れた1種類のトラック形状の不規則性,垂直方向の予測手法を提案する。提案手法は外因性因子を埋め込み,畳み込み長短期記憶(ConvLSTM)を用いて時空間相関を捉える。実験では,提案手法を予測性能の観点から他の手法と比較した。また, 予測性能への寄与を検討するため, 外因性因子のアブレーション研究を行った。その結果,空間計算と維持記録データにより,鉛直アライメントの予測精度が向上した。

関連論文リスト

Constrained Recurrent Bayesian Forecasting for Crack Propagation [0.40964539027092917]
本稿では,レール上のひび割れ長さの時間的変化を予測するために,頑健なベイズ多水平法を提案する。鉄道整備におけるモデルの信頼性を高めるため、具体的な制約が組み込まれている。この結果から,予測精度と制約コンプライアンスのトレードオフが明らかとなり,モデルトレーニングにおける不確実な意思決定プロセスが浮き彫りになった。
論文参考訳（メタデータ） (2024-10-18T13:15:53Z)
STAA: Spatio-Temporal Alignment Attention for Short-Term Precipitation Forecasting [9.177158814568887]
SATAを時間的アライメントモジュールとし、STAUを時間的アライメント特徴抽出器とする、時間的アライメントに基づく短期降水予測モデル。衛星データとERA5データに基づいて、我々のモデルはRMSEの12.61%の改善を達成し、最先端の手法と比較した。
論文参考訳（メタデータ） (2024-09-06T10:28:52Z)
Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
論文参考訳（メタデータ） (2024-08-08T06:47:21Z)
Enhancing reliability in prediction intervals using point forecasters: Heteroscedastic Quantile Regression and Width-Adaptive Conformal Inference [0.0]
一組のインターバルを評価する際には、従来の対策だけでは不十分である、と我々は主張する。間隔は長さによって変化しなければならないが、この変化は予測の難しさに直接関係している。本稿では,HQRモデルとWidth-Adaptive Conformal Inference(WACI)手法を提案する。
論文参考訳（メタデータ） (2024-06-21T06:51:13Z)
HPNet: Dynamic Trajectory Forecasting with Historical Prediction Attention [76.37139809114274]
HPNetは、新しい動的軌道予測手法である。逐次予測間の動的関係を自動的に符号化する履歴予測アテンションモジュールを提案する。私たちのコードはhttps://github.com/XiaolongTang23/HPNetで利用可能です。
論文参考訳（メタデータ） (2024-04-09T14:42:31Z)
Exploring the impact of spatiotemporal granularity on the demand prediction of dynamic ride-hailing [2.5489902365061607]
本稿では,中国成都における実証データを用いて,乗車時需要予測精度への影響について検討する。ヘキサゴナル畳み込み操作(H-ConvLSTM)と組み合わせた畳み込み短期記憶モデルを提案する。
論文参考訳（メタデータ） (2022-03-19T11:22:04Z)
Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
論文参考訳（メタデータ） (2021-05-25T14:35:46Z)
A Graph Convolutional Network with Signal Phasing Information for Arterial Traffic Prediction [63.470149585093665]
動脈交通予測は現代のインテリジェント交通システムの発展に重要な役割を担っています動脈交通予測に関する既存の研究の多くは、ループセンサからの流量と占有率の時間的測定のみを考慮し、上流と下流の検出器間のリッチな空間的関係を無視している。我々は,信号タイミング計画から発生する空間情報を用いて,深層学習アプローチである拡散畳み込みリカレントニューラルネットワークを強化することで,このギャップを埋める。
論文参考訳（メタデータ） (2020-12-25T01:40:29Z)
Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
論文参考訳（メタデータ） (2020-06-19T21:04:47Z)
Long-Short Term Spatiotemporal Tensor Prediction for Passenger Flow Profile [15.875569404476495]
本稿では,テンソルに基づく予測に焦点をあて,予測を改善するためのいくつかの実践的手法を提案する。具体的には、長期予測のために「テンソル分解+2次元自己回帰移動平均(2D-ARMA)」モデルを提案する。短期予測のために,テンソルクラスタリングに基づくテンソル補完を行い,過度に単純化され精度が保証されるのを避けることを提案する。
論文参考訳（メタデータ） (2020-04-23T08:30:00Z)
Machine learning for causal inference: on the use of cross-fit estimators [77.34726150561087]
より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
論文参考訳（メタデータ） (2020-04-21T23:09:55Z)

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。