論文の概要: Verification and Validation of the Stakeholder Tool for Assessing Radioactive Transportation (START)

• arxiv url: http://arxiv.org/abs/2306.09901v1
• Date: Fri, 16 Jun 2023 15:22:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-19 13:21:39.242218
• Title: Verification and Validation of the Stakeholder Tool for Assessing Radioactive Transportation (START)
• Title（参考訳）: 放射性物質輸送評価のためのステークホルダーツールの検証と検証(開始)
• Authors: Caitlin Condon, Philip Jensen, Patrick Royer, Harish Gadey, Mark Abkowitz, Robert Claypool, Steven Maheras, Matt Feldman
• Abstract要約: DOE総合廃棄物管理局は、使用済み核燃料(SNF)と高レベル放射性廃棄物(HLW)の輸送・保管・廃棄を計画している。 STARTは、ルーティングオプションやSNFとHLWの転送の他の側面を評価するために開発された、Webベースの地理空間決定支援ツールである。 検証と検証(V&V)プロセスは、STARTを独立して評価することを目的としており、STARTが意図した結果を正確に提供できることの信頼性を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The U.S. Department of Energy (DOE) Office of Integrated Waste Management is planning for the eventual transportation, storage, and disposal of spent nuclear fuel (SNF) and high-level radioactive waste (HLW) from nuclear power plant and DOE sites. The Stakeholder Tool for Assessing Radioactive Transportation (START) is a web-based, geospatial decision-support tool developed for evaluating routing options and other aspects of transporting SNF and HLW, covering rail, truck, barge, and intermodal infrastructure and operations in the continental United States. The verification and validation (V&V) process is intended to independently assess START to provide confidence in the ability of START to accurately provide intended results. The V&V process checks the START tool using a variety of methods, ranging from independent hand calculations to comparison of START performance and results to those of other codes. The V&V activity was conducted independently from the START development team with opportunities to provide feedback and collaborate throughout the process. The V&V analyzed attributes of transportation routes produced by START, including route distance and both population and population density captured within buffer zones around routes. Population in the buffer zone, population density in the buffer zone, and route distance were all identified as crucial outputs of the START code and were subject to V&V tasks. Some of the improvements identified through the V&V process were standardizing the underlying population data in START, changing the projection of the population raster data, and changes to the methodology used for population density to improve its applicability for expected users. This collaboration also led to suggested improvements to some of the underlying shape file segments within START.
• Abstract（参考訳）: アメリカエネルギー省総合廃棄物管理局(DOE)は、原子力発電所やDOEの現場から使用済み核燃料(SNF)と高レベル放射性廃棄物(HLW)の輸送、貯蔵、廃棄を計画している。 Stakeholder Tool for Assessing Radioactive Transportation (START) は、ルーティングオプションの評価やSNFやHLWの輸送、鉄道、トラック、バージ、インターモーダル・インフラストラクチャー、および大陸における運用などの面で開発されたウェブベースの地理空間的意思決定支援ツールである。 検証と検証(V&V)プロセスは、STARTを独立して評価することを目的としており、STARTが意図した結果を正確に提供できることの信頼性を提供する。 V&Vプロセスは、独立した手計算からSTARTのパフォーマンスと結果と他のコードとの比較まで、様々な方法でSTARTツールをチェックする。 v&v活動は、開始開発チームから独立して行われ、フィードバックを提供し、プロセスを通して協力する機会があった。 V&Vは、STARTが生み出す交通ルートの特徴を分析し、経路距離、人口密度、およびルート周辺の緩衝地帯内で捕獲された人口密度の両方を分析した。 バッファゾーンの人口密度,バッファゾーンの人口密度,ルート距離はすべてSTARTコードの重要な出力として同定され,V&Vタスクの対象となった。 v&vプロセスによって特定された改善は、まず基礎となる人口データの標準化、人口ラスターデータの予測の変更、そして、人口密度が期待される利用者に適用性を改善するために使われる方法の変更であった。 この共同作業により、START内のいくつかのシェイプファイルセグメントの改善も提案された。

関連論文リスト

• Spatial-Temporal Generative AI for Traffic Flow Estimation with Sparse Data of Connected Vehicles [48.32593099620544]
  交通流推定(TFE)はインテリジェント交通システムにおいて重要である。 本稿では,スパース時間生成人工知能(GAI)フレームワークを活用した,新規で費用対効果の高いTFEフレームワークを提案する。 このフレームワーク内では、条件エンコーダは初期TFE結果の時空間相関をマイニングする。
  論文  参考訳（メタデータ） (2024-07-10T20:26:04Z)
• Double-Bounded Optimal Transport for Advanced Clustering and Classification [58.237576976486544]
  本稿では,2つの境界内での目標分布の制限を前提としたDB-OT(Douubly bounded Optimal Transport)を提案する。 提案手法は,テスト段階における改良された推論方式により,良好な結果が得られることを示す。
  論文  参考訳（メタデータ） (2024-01-21T07:43:01Z)
• Data-Efficient Energy-Aware Participant Selection for UAV-Enabled Federated Learning [18.93536585798473]
  無人航空機(UAV)対応エッジフェデレーション学習(FL)は、研究の関心を喚起している。 UAV収集データの冗長性、例えば撮像データ、非厳密なFL選択の選択により、FL学習過程の収束時間とFLモデルのバイアスが増大する。 DEEPS(Data- efficient energy-aware participants selection strategy)と呼ばれる新しいUAV参加選択方式を提案する。
  論文  参考訳（メタデータ） (2023-08-14T17:00:13Z)
• Update on the Verification and Validation Efforts for the Stakeholder Tool for Assessing Radioactive Transportation [0.0]
  アメリカ合衆国エネルギー省(U.S. DOE)は、使用済み核燃料(SNF)と高レベル放射性廃棄物(HLW)の輸送、貯蔵、廃棄を民間の原子力発電所や他の米国のDOE施設から計画している。 STARTは、ルーティングオプションの評価や、SNFとHLWをバージ、トレイン、トラック、インターモーダルな表面輸送を通じて輸送するその他の側面のために開発された、Webベースの地理空間決定支援ツールである。 検証と検証(V&V)の取り組みは、STARTを独立して評価し、ツールの能力に対する信頼性を提供することを目的としている。
  論文  参考訳（メタデータ） (2023-06-15T19:36:26Z)
• Integrated Sensing, Computation, and Communication for UAV-assisted Federated Edge Learning [52.7230652428711]
  フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。 無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
  論文  参考訳（メタデータ） (2023-06-05T16:01:33Z)
• Do Neural Optimal Transport Solvers Work? A Continuous Wasserstein-2 Benchmark [133.46066694893318]
  最適輸送のためのニューラルネットワークに基づく解法の性能を評価する。 既存の解法では,下流タスクでは良好に機能するにもかかわらず,最適な輸送マップを復元できないことがわかった。
  論文  参考訳（メタデータ） (2021-06-03T15:59:28Z)
• Improved Exploring Starts by Kernel Density Estimation-Based State-Space Coverage Acceleration in Reinforcement Learning [0.0]
  強化学習(Reinforcement Learning, RL)は、制御工学における一般的な研究テーマである。 RLコントローラは、制御されたシステムと直接対話するために訓練され、データ駆動およびパフォーマンス指向のソリューションをレンダリングする。 DESSCAはカーネル密度推定に基づく状態空間カバレッジアクセラレーションである。
  論文  参考訳（メタデータ） (2021-05-19T08:36:26Z)
• A Principled Approach to Data Valuation for Federated Learning [73.19984041333599]
  フェデレートラーニング(FL)は、分散データソース上で機械学習(ML)モデルをトレーニングする一般的なテクニックである。 Shapley value (SV) はデータ値の概念として多くのデシラタを満たすユニークなペイオフスキームを定義する。 本稿では,FL に対応する SV の変種を提案する。
  論文  参考訳（メタデータ） (2020-09-14T04:37:54Z)
• Data-Driven Prediction of Route-Level Energy Use for Mixed-Vehicle Transit Fleets [7.2775693810940565]
  公共交通機関は電気自動車(EV)による燃費削減を目指している EVの先行コストが高いため、ほとんどの機関は内燃機関と電気自動車の混成車しか手に入らない。 混合車両輸送車両における経路レベルのエネルギー利用に関するデータ駆動予測のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2020-04-10T16:31:10Z)
• Federated Learning in the Sky: Joint Power Allocation and Scheduling with UAV Swarms [98.78553146823829]
  無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。 本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T14:04:01Z)

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。