論文の概要: Deep Learning Driven Detection of Tsunami Related Internal GravityWaves: a path towards open-ocean natural hazards detection

• arxiv url: http://arxiv.org/abs/2308.04611v1
• Date: Tue, 8 Aug 2023 22:30:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-10 15:38:51.941473
• Title: Deep Learning Driven Detection of Tsunami Related Internal GravityWaves: a path towards open-ocean natural hazards detection
• Title（参考訳）: 津波に伴う内部重力波の深層学習による検出 : 開海自然災害検出への道
• Authors: Valentino Constantinou, Michela Ravanelli, Hamlin Liu, Jacob Bortnik
• Abstract要約: 津波は電離圏内重力波(IGW)を誘発し、全電子含有量(TEC)を摂動させる。 津波は地球航法衛星システム(GNSS)によって検出されるTIDをトリガーする。 TIDのリアルタイム検出は津波検出のアプローチを提供し、ブイベースの警報システムでは利用できない地域において、早期警報システムを強化する。
• 参考スコア（独自算出の注目度）: 0.8156494881838944
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Tsunamis can trigger internal gravity waves (IGWs) in the ionosphere, perturbing the Total Electron Content (TEC) - referred to as Traveling Ionospheric Disturbances (TIDs) that are detectable through the Global Navigation Satellite System (GNSS). The GNSS are constellations of satellites providing signals from Earth orbit - Europe's Galileo, the United States' Global Positioning System (GPS), Russia's Global'naya Navigatsionnaya Sputnikovaya Sistema (GLONASS) and China's BeiDou. The real-time detection of TIDs provides an approach for tsunami detection, enhancing early warning systems by providing open-ocean coverage in geographic areas not serviceable by buoy-based warning systems. Large volumes of the GNSS data is leveraged by deep learning, which effectively handles complex non-linear relationships across thousands of data streams. We describe a framework leveraging slant total electron content (sTEC) from the VARION (Variometric Approach for Real-Time Ionosphere Observation) algorithm by Gramian Angular Difference Fields (from Computer Vision) and Convolutional Neural Networks (CNNs) to detect TIDs in near-real-time. Historical data from the 2010 Maule, 2011 Tohoku and the 2012 Haida-Gwaii earthquakes and tsunamis are used in model training, and the later-occurring 2015 Illapel earthquake and tsunami in Chile for out-of-sample model validation. Using the experimental framework described in the paper, we achieved a 91.7% F1 score. Source code is available at: https://github.com/vc1492a/tidd. Our work represents a new frontier in detecting tsunami-driven IGWs in open-ocean, dramatically improving the potential for natural hazards detection for coastal communities.
• Abstract（参考訳）: 津波は電離圏内で内部重力波(IGW)を発生させ、地球航法衛星システム(GNSS)によって検出される全電子含有量(TEC)を摂動させる。 GNSSは、ヨーロッパのガリレオ、アメリカ合衆国のGPS、ロシアのGlobal'naya Navigatsionnaya Sputnikovaya Sistema(GLONASS)、中国のBeiDouといった地球軌道からの信号を提供する衛星群である。 TIDのリアルタイム検出は津波検出のアプローチを提供し、ブイベースの警報システムでは利用できない地域において、早期警報システムを強化する。 GNSSデータの大部分はディープラーニングによって活用され、何千ものデータストリームにわたる複雑な非線形関係を効果的に処理する。 VARION(Variometric Approach for Real-Time Ionosphere Observation)アルゴリズムからスラント全電子含有量(sTEC)をグラミアン角差分場(Computer Vision)と畳み込みニューラルネットワーク(Convolutional Neural Networks, CNN)を用いてほぼリアルタイムに検出するフレームワークについて述べる。 2010年モーレ地震、2011年東北地震、2012年ハイダ・グワイ地震と津波の過去のデータはモデルトレーニングに使われ、2015年チリのイラペル地震と津波はサンプルモデルの検証に使われている。 論文で説明した実験フレームワークを用いて,91.7%のF1スコアを得た。 ソースコードはhttps://github.com/vc1492a/tidd。 本研究は, 開海の津波によるIGWの検出における新たなフロンティアであり, 沿岸地域の自然災害検出の可能性を大幅に向上させるものである。

関連論文リスト

• Long-distance Geomagnetic Navigation in GNSS-denied Environments with Deep Reinforcement Learning [62.186340267690824]
  既存の地磁気航法の研究は、事前保存された地図や広範囲な探索に依存しており、探索されていない地域での適用性や航法効率の低下に繋がる。 本稿では,特に長距離地磁気航法における深部強化学習(DRL)に基づくメカニズムについて述べる。 設計されたメカニズムは、プリストアドマップや広範囲で高価な探索アプローチではなく、地磁気ナビゲーションのための磁気受容能力を学ぶようにエージェントを訓練する。
  論文  参考訳（メタデータ） (2024-10-21T09:57:42Z)
• Global 4D Ionospheric STEC Prediction based on DeepONet for GNSS Rays [14.934920001287962]
  我々は,DeepONet-STECと呼ばれる高精度STECモデルを提案する。これは非線形演算子を学習し,特定地上局 - 衛星線経路の4次元時空間統合パラメータを予測する。 実演として,電離層および嵐条件下でのグローバルおよびUS-CORS体制の観測データに基づくモデルの性能評価を行った。 DeepONet-STECモデルの結果から,時間分解能30sのPPP(Precise Point Positioning)による観測データを用いて,3日間の静かな期間における72時間予測を高精度に行うことができた。
  論文  参考訳（メタデータ） (2024-03-12T10:51:38Z)
• A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
  様々な動物が環境の手がかりを使って正確なナビゲーションをしている。 動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。 提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
  論文  参考訳（メタデータ） (2024-02-06T13:20:56Z)
• Leveraging Citizen Science for Flood Extent Detection using Machine Learning Benchmark Dataset [0.9029386959445269]
  我々は、アメリカ本土とバングラデシュ内の約36,000平方キロメートルの地域をカバーする、既知の洪水イベントの間に、ラベル付きの水域範囲と浸水地域の範囲を作成します。 また、データセットをオープンソース化し、データセットに基づいたオープンコンペティションを開催して、コミュニティ生成モデルを使用した洪水範囲検出を迅速にプロトタイプ化しました。 データセットはSentinel-1C SARデータに基づく既存のデータセットに追加され、より堅牢な洪水範囲のモデリングにつながります。
  論文  参考訳（メタデータ） (2023-11-15T18:49:29Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• Automatized marine vessel monitoring from sentinel-1 data using convolution neural network [0.0]
  本稿では,ウェーブレット変換に基づく畳み込みニューラルネットワークによるSAR画像からの物体認識手法を提案する。 Sentinel-1 SAR-Cによるインド西部沿岸域の二重分極データ取得を含む。
  論文  参考訳（メタデータ） (2023-04-23T18:09:44Z)
• Deep Learning Aided Routing for Space-Air-Ground Integrated Networks Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
  現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。 大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。 低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
  論文  参考訳（メタデータ） (2021-10-28T14:12:10Z)
• Synergy between Observation Systems Oceanic in Turbulent Regions [0.0]
  海洋ダイナミクスは、複雑な気候現象における海洋の役割を決定する上での公理の源である。 現在の観測システムは3次元海洋データに十分な統計的精度を達成するのに限界がある。 湾岸流と黒潮の延長流における海洋ダイナミクスのモデル化において,潜流クラス回帰と深層回帰ニューラルネットワークを探索するデータ駆動型手法を提案する。
  論文  参考訳（メタデータ） (2020-12-28T22:52:57Z)
• Dense Attention Fluid Network for Salient Object Detection in Optical Remote Sensing Images [193.77450545067967]
  光リモートセンシング画像(RSI)における有意物体検出のためのエンド・ツー・エンドDense Attention Fluid Network(DAFNet)を提案する。 GCA(Global Context-Aware Attention)モジュールは、長距離の意味的関係を適応的にキャプチャするために提案される。 我々は、2000枚の画像とピクセルワイドなサリエンシアノテーションを含むSODのための新しい、挑戦的な光学RSIデータセットを構築した。
  論文  参考訳（メタデータ） (2020-11-26T06:14:10Z)
• Detection of Abnormal Vessel Behaviours from AIS data using GeoTrackNet: from the Laboratory to the Ocean [6.791963125004147]
  本稿では、運用状況に関する新しいニューラルネットワークであるGeoTrackNetについて分析する。 特に,GeoTrackNetが検出した異常行動の専門的解釈との関連性を評価することを目的とする。 モデルの運用レベルを満たす可能性を示す実験を報告する。
  論文  参考訳（メタデータ） (2020-08-12T17:11:45Z)
• Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and On-Device Inference [49.88536971774444]
  慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。 正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。 我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
  論文  参考訳（メタデータ） (2020-01-13T04:41:54Z)

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。