論文の概要: Identification of stormwater control strategies and their associated
uncertainties using Bayesian Optimization
- arxiv url: http://arxiv.org/abs/2305.18630v1
- Date: Mon, 29 May 2023 21:41:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-31 19:07:31.153462
- Title: Identification of stormwater control strategies and their associated
uncertainties using Bayesian Optimization
- Title（参考訳）: ベイズ最適化による雨水制御戦略の同定とそれに伴う不確実性
- Authors: Abhiram Mullapudi, Branko Kerkez
- Abstract要約: 本稿では,ベイズ最適化に基づく地下水制御戦略の同定とそれに伴う不確実性を推定する手法を提案する。
本研究では,実環境における実環境における実効性制御戦略の同定における本手法の有効性について検討した。
我々の知る限り、これは特定された制御行動に関連する不確かさを定量化する初めての防潮法である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dynamic control is emerging as an effective methodology for operating
stormwater systems under stress from rapidly evolving weather patterns.
Informed by rainfall predictions and real-time sensor measurements, control
assets in the stormwater network can be dynamically configured to tune the
behavior of the stormwater network to reduce the risk of urban flooding,
equalize flows to the water reclamation facilities, and protect the receiving
water bodies. However, developing such control strategies requires significant
human and computational resources, and a methodology does not yet exist for
quantifying the risks associated with implementing these control strategies. To
address these challenges, in this paper, we introduce a Bayesian
Optimization-based approach for identifying stormwater control strategies and
estimating the associated uncertainties. We evaluate the efficacy of this
approach in identifying viable control strategies in a simulated environment on
real-world inspired combined and separated stormwater networks. We demonstrate
the computational efficiency of the proposed approach by comparing it against a
Genetic algorithm. Furthermore, we extend the Bayesian Optimization-based
approach to quantify the uncertainty associated with the identified control
strategies and evaluate it on a synthetic stormwater network. To our knowledge,
this is the first-ever stormwater control methodology that quantifies
uncertainty associated with the identified control actions. This Bayesian
optimization-based stormwater control methodology is an off-the-shelf control
approach that can be applied to control any stormwater network as long we have
access to the rainfall predictions, and there exists a model for simulating the
behavior of the stormwater network.
- Abstract（参考訳）: 急速進行する気象パターンのストレス下でのストームウォーターシステムの運用に有効な方法論として,動的制御が登場している。
降雨予測やリアルタイムセンサによる計測により、雨水ネットワークの制御資産を動的に設定し、雨水ネットワークの挙動を調整し、都市洪水のリスクを低減し、水処理施設への流れを等しくし、受信水体を保護することができる。
しかし,このような制御戦略の開発には人的資源や計算資源が必要であり,これらの制御戦略の実装に伴うリスクを定量化するための方法論がまだ存在しない。
本稿では,これらの課題に対処するために,ベイズ最適化に基づくアプローチを導入し,雨水制御戦略を特定し,それに関連する不確実性を推定する。
実環境における実環境における実効性制御戦略の同定における本手法の有効性を評価する。
遺伝的アルゴリズムと比較することにより,提案手法の計算効率を示す。
さらに,ベイズ最適化に基づくアプローチを拡張して,特定した制御戦略に関連する不確実性を定量化し,合成雨水ネットワーク上で評価する。
我々の知る限り、これは特定された制御行動に関連する不確かさを定量化する最初のストームウォーター制御手法である。
このベイズ最適化に基づくストームウォーター制御手法は、降雨予測にアクセスできさえすれば、あらゆるストームウォーターネットワークを制御できるオフ・ザ・シェル制御手法であり、ストームウォーターネットワークの挙動をシミュレートするモデルが存在する。
関連論文リスト
- Sequential Manipulation Against Rank Aggregation: Theory and Algorithm [119.57122943187086]
脆弱なデータ収集プロセスに対するオンライン攻撃を活用します。
ゲーム理論の観点からは、対決シナリオは分布的に堅牢なゲームとして定式化される。
提案手法は,ランクアグリゲーション手法の結果を逐次的に操作する。
論文 参考訳（メタデータ） (2024-07-02T03:31:21Z) - Scenario-based model predictive control of water reservoir systems [2.3388338598125196]
最適な水の放出は通常、インフローの(予測された)軌道に基づいて計算される。
本研究では, 貯水池に対するMPCアプローチを初めて検討し, 将来的な流れの集合に基づいて制御を最適化する。
この手法の有効性は、イタリアのコモ湖からの実際の流入データを用いて、モンテカルロの広範な試験によって検証される。
論文 参考訳（メタデータ） (2023-09-01T10:11:49Z) - Distributed Robust Learning-Based Backstepping Control Aided with
Neurodynamics for Consensus Formation Tracking of Underwater Vessels [14.660236097277638]
本稿では,複数の水中船のコンセンサス生成追跡のための分散ロバスト学習に基づく制御について述べる。
海洋船舶のシステムパラメータは完全に未知であり、モデリングミスマッチ、海洋障害、騒音にさらされていると推定されている。
論文 参考訳（メタデータ） (2023-08-18T05:45:13Z) - Distributed Leader Follower Formation Control of Mobile Robots based on
Bioinspired Neural Dynamics and Adaptive Sliding Innovation Filter [14.66072990853587]
バイオインスパイアされた神経力学に基づくバックステッピングとスライディングモード制御ハイブリッド形成制御法を提案する。
提案した制御戦略は,従来のバックステッピング設計に存在する非現実的な速度ジャンプ問題を解決する。
提案手法の有効性と有効性を示すため,複数のシミュレーションを行った。
論文 参考訳（メタデータ） (2023-05-03T17:29:46Z) - Interpretable Water Level Forecaster with Spatiotemporal Causal Attention Mechanisms [0.5735035463793009]
本研究では,水位予測に着目し,解釈可能性の定量化を目的とした深層学習モデルを提案する。
我々は,2016年から2021年にかけて,韓国ソウルから得られた漢川データセットの比較分析を行った。
論文 参考訳（メタデータ） (2023-02-28T04:37:26Z) - Benchmarking Safe Deep Reinforcement Learning in Aquatic Navigation [78.17108227614928]
本研究では,水文ナビゲーションに着目した安全強化学習のためのベンチマーク環境を提案する。
価値に基づく政策段階の深層強化学習(DRL)について考察する。
また,学習したモデルの振る舞いを所望の特性の集合上で検証する検証戦略を提案する。
論文 参考訳（メタデータ） (2021-12-16T16:53:56Z) - Sparsity in Partially Controllable Linear Systems [56.142264865866636]
本研究では, 部分制御可能な線形力学系について, 基礎となる空間パターンを用いて検討する。
最適制御には無関係な状態変数を特徴付ける。
論文 参考訳（メタデータ） (2021-10-12T16:41:47Z) - Balancing detectability and performance of attacks on the control
channel of Markov Decision Processes [77.66954176188426]
マルコフ決定過程(MDPs)の制御チャネルにおける最適ステルス毒素攻撃の設計問題について検討する。
この研究は、MDPに適用された敵国・毒殺攻撃や強化学習(RL)手法に対する研究コミュニティの最近の関心に動機づけられている。
論文 参考訳（メタデータ） (2021-09-15T09:13:10Z) - Robust Reinforcement Learning with Wasserstein Constraint [49.86490922809473]
最適なロバストなポリシーの存在を示し、摂動に対する感度分析を行い、新しいロバストな学習アルゴリズムを設計する。
提案アルゴリズムの有効性はCart-Pole環境で検証する。
論文 参考訳（メタデータ） (2020-06-01T13:48:59Z) - Adaptive Control and Regret Minimization in Linear Quadratic Gaussian
(LQG) Setting [91.43582419264763]
我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。
LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
論文 参考訳（メタデータ） (2020-03-12T19:56:38Z)
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。