論文の概要: Brazilian tailing dam collapse, retrospective precursory monitoring of
InSAR data using spectral analysis of time series
- arxiv url: http://arxiv.org/abs/2302.00781v1
- Date: Wed, 1 Feb 2023 22:24:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-03 15:58:07.130060
- Title: Brazilian tailing dam collapse, retrospective precursory monitoring of
InSAR data using spectral analysis of time series
- Title（参考訳）: 時系列スペクトル分析によるInSARデータのブラジル尾部ダム崩壊, 反射前兆モニタリング
- Authors: Sourav Das, Anuradha Priyadarshana, Stephen Grebby
- Abstract要約: 斜面モニタリングの目的は、安定性問題の前兆を検出することである。
この情報は、差し迫った失敗のタイミングや確率を予測するために使われる。
本研究では, スペクトル法とInSAR変位時系列データの2次統計特性を組み合わせることで, 不安定な変形状態への遷移の兆候を明らかにすることができることを示した。
- 参考スコア（独自算出の注目度）: 3.27651593877935
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Slope failures possess destructive power that can cause significant damage to
both life and infrastructure. Monitoring slopes prone to instabilities is
therefore critical in mitigating the risk posed by their failure. The purpose
of slope monitoring is to detect precursory signs of stability issues, such as
changes in the rate of displacement with which a slope is deforming. This
information can then be used to predict the timing or probability of an
imminent failure in order to provide an early warning. In this study, a more
objective, statistical-learning algorithm is proposed to detect and
characterise the risk of a slope failure, based on spectral analysis of
serially correlated displacement time series data. The algorithm is applied to
satellite-based interferometric synthetic radar (InSAR) displacement time
series data to retrospectively analyse the risk of the 2019 Brumadinho tailings
dam collapse in Brazil. Two potential risk milestones are identified and signs
of a definitive but emergent risk (27 February 2018 to 26 August 2018) and
imminent risk of collapse of the tailings dam (27 June 2018 to 24 December
2018) are detected by the algorithm. Importantly, this precursory indication of
risk of failure is detected as early as at least five months prior to the dam
collapse on 25 January 2019. The results of this study demonstrate that the
combination of spectral methods and second order statistical properties of
InSAR displacement time series data can reveal signs of a transition into an
unstable deformation regime, and that this algorithm can provide sufficient
early warning that could help mitigate catastrophic slope failures.
- Abstract（参考訳）: 斜面崩壊は破壊力を持ち、生命とインフラの両方に大きな損傷を与える。
したがって、不安定な斜面をモニタリングすることは、その失敗によって引き起こされるリスクを軽減するために重要である。
斜面モニタリングの目的は,斜面が変形する変位率の変化など,安定性問題の前兆を検出することである。
この情報は、早期警告を提供するために、差し迫った失敗のタイミングや確率を予測するのに使うことができる。
本研究では, 直列相関変位時系列データのスペクトル解析に基づいて, より客観的な統計的学習アルゴリズムを提案し, 斜面崩壊のリスクを検出し, 特徴付ける。
このアルゴリズムは、衛星ベースのインターフェロメトリ合成レーダー(InSAR)の変位時系列データに適用され、ブラジルにおける2019年のブルマディンホ尾翼ダム崩壊のリスクを遡及的に分析する。
2つの潜在的なリスクマイルストーンが特定され、決定的だが突発的なリスクの兆候(2018年2月27日 - 2018年8月26日)と、尾根ダムの崩壊の差し迫ったリスク(2018年6月27日 - 2018年12月24日)がアルゴリズムによって検出される。
重要なのは、2019年1月25日のダム崩壊の少なくとも5ヶ月前には、この障害リスクの前兆が検出されることだ。
本研究の結果は,insar変位時系列データのスペクトル法と2次統計特性の組み合わせにより,不安定な変形状態への遷移の兆しが明らかとなり,このアルゴリズムは破壊的斜面崩壊を緩和するのに十分な早期警告を与えることができることを示した。
関連論文リスト
- Risk and cross validation in ridge regression with correlated samples [72.59731158970894]
我々は,データポイントが任意の相関関係を持つ場合,リッジ回帰のイン・オブ・サンプルリスクのトレーニング例を提供する。
さらに、テストポイントがトレーニングセットと非自明な相関を持ち、時系列予測で頻繁に発生するような場合まで分析を拡張します。
我々は多種多様な高次元データにまたがって理論を検証する。
論文 参考訳（メタデータ） (2024-08-08T17:27:29Z) - Normalizing flow-based deep variational Bayesian network for seismic multi-hazards and impacts estimation from InSAR imagery [11.753558942419545]
インターフェロメトリ合成開口レーダ(InSAR)のデータは、迅速なハザード推定のために高解像度のオンサイト情報を提供する上で重要である。
InSAR画像のノイズによる影響と,複数の未観測障害の近接した後部から発生する流れの正規化による新しい変分推論を導入する。
論文 参考訳（メタデータ） (2023-10-20T20:32:43Z) - Forecasting Particle Accelerator Interruptions Using Logistic LASSO
Regression [62.997667081978825]
インターロックと呼ばれる予期せぬ粒子加速器の割り込みは、必要な安全対策にもかかわらず、突然の運用変更を引き起こす。
このような中断を予測することを目的とした,単純かつ強力なバイナリ分類モデルを提案する。
このモデルは、少なくとも絶対収縮と選択演算子によって罰せられるロジスティック回帰として定式化される。
論文 参考訳（メタデータ） (2023-03-15T23:11:30Z) - Continuous Risk Measures for Driving Support [0.0]
モデルに基づくリスク尺度を3つ比較し,そのステンジスを評価し,定量的に定性的に検証した。
我々は,スパース臨界事象といわゆる生存条件の統計に基づいて,新たなリスク尺度を導出する。
その結果、サバイバル分析により、その固い理論的根拠によって支持される近クレーシュおよび非クレーシュのケースにおいて、早期発見時のクラッシュと偽陽性検出の少ないことが判明した。
論文 参考訳（メタデータ） (2023-03-14T15:54:37Z) - Temporal Robustness against Data Poisoning [69.01705108817785]
データ中毒は、悪意のあるトレーニングデータを通じて、敵対者が機械学習アルゴリズムの振る舞いを操作する場合を考慮している。
本研究では,攻撃開始時間と攻撃持続時間を測定する2つの新しい指標である耳線と持続時間を用いたデータ中毒の時間的脅威モデルを提案する。
論文 参考訳（メタデータ） (2023-02-07T18:59:19Z) - Shorter Latency of Real-time Epileptic Seizure Detection via
Probabilistic Prediction [6.480989310008518]
本稿では,確率的予測によるてんかん発作検出遅延の短縮を目的とした新しいディープラーニングフレームワークを提案する。
提案手法は,CHB-MITの頭蓋内EEGデータセットとSWEC-ETHZの頭蓋内EEGデータセットである。
得られた検出レイテンシは, 従来研究で報告された最先端結果よりも少なくとも50%短い。
論文 参考訳（メタデータ） (2023-01-04T08:45:47Z) - Are we certain it's anomalous? [57.729669157989235]
時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。
本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。
HypADは自己指導で入力信号を再構築する。
論文 参考訳（メタデータ） (2022-11-16T21:31:39Z) - Surveillance Evasion Through Bayesian Reinforcement Learning [78.79938727251594]
ランダム終端の強度が全く不明な2次元連続経路計画問題を考える。
これらのオブザーバーの監視強度は未知であり、反復的な経路計画を通じて学ぶ必要がある。
論文 参考訳（メタデータ） (2021-09-30T02:29:21Z) - Deep Learning-based Damage Mapping with InSAR Coherence Time Series [3.286503080462008]
本研究では, 深層学習とSAR観測のフルタイム履歴を組み合わせた損傷マッピング手法を提案する。
我々は、インターフェロメトリSARコヒーレンス時系列を用いて地球表面の変化を定量化し、確率的異常検出器としてリカレントニューラルネットワーク(RNN)を用いる。
本研究では,Sentinel-1 SAR の複数年連続取得による3つの地震の被害予測に本手法を適用した。
論文 参考訳（メタデータ） (2021-05-24T21:21:03Z) - 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) - RePAD: Real-time Proactive Anomaly Detection for Time Series [0.27528170226206433]
RePADはLong Short-Term Memory (LSTM)に基づくストリーミング時系列のリアルタイム能動異常検出アルゴリズムである
検出しきい値を時間とともに動的に調整することにより、RePADは時系列におけるマイナーパターンの変更を許容し、前向きまたは時間的に異常を検出することができる。
論文 参考訳（メタデータ） (2020-01-24T09:13:33Z)
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。