論文の概要: Broadband Ground Motion Synthesis via Generative Adversarial Neural Operators: Development and Validation

• arxiv url: http://arxiv.org/abs/2309.03447v3
• Date: Thu, 15 Feb 2024 02:18:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-16 23:48:04.413931
• Title: Broadband Ground Motion Synthesis via Generative Adversarial Neural Operators: Development and Validation
• Title（参考訳）: 生成型adversarial neural operatorsによる広帯域動画像合成:開発と検証
• Authors: Yaozhong Shi, Grigorios Lavrentiadis, Domniki Asimaki, Zachary E. Ross, Kamyar Azizzadenesheli
• Abstract要約: まず,条件付きグラウンドモーション合成アルゴリズム(cGM-GANO)について述べる。 次に,南カリフォルニア地震センター・ブロードバンド・プラットフォーム(BBP)と記録されたKK-netデータによる地動シミュレーションについて,cGM-GANOを訓練する。 以上の結果から,cGM-GANOは対応するテクトニクス環境のトレーニングデータと一貫した中央値のスケーリングが可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 12.275587079383603
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a data-driven framework for ground-motion synthesis that generates three-component acceleration time histories conditioned on moment magnitude, rupture distance , time-average shear-wave velocity at the top $30m$ ($V_{S30}$), and style of faulting. We use a Generative Adversarial Neural Operator (GANO), a resolution invariant architecture that guarantees model training independent of the data sampling frequency. We first present the conditional ground-motion synthesis algorithm (cGM-GANO) and discuss its advantages compared to previous work. We next train cGM-GANO on simulated ground motions generated by the Southern California Earthquake Center Broadband Platform (BBP) and on recorded KiK-net data and show that the model can learn the overall magnitude, distance, and $V_{S30}$ scaling of effective amplitude spectra (EAS) ordinates and pseudo-spectral accelerations (PSA). Results specifically show that cGM-GANO produces consistent median scaling with the training data for the corresponding tectonic environments over a wide range of frequencies for scenarios with sufficient data coverage. For the BBP dataset, cGM-GANO cannot learn the ground motion scaling of the stochastic frequency components; for the KiK-net dataset, the largest misfit is observed at short distances and for soft soil conditions due to the scarcity of such data. Except for these conditions, the aleatory variability of EAS and PSA are captured reasonably well. Lastly, cGM-GANO produces similar median scaling to traditional GMMs for frequencies greater than 1Hz for both PSA and EAS but underestimates the aleatory variability of EAS. Discrepancies in the comparisons between the synthetic ground motions and GMMs are attributed to inconsistencies between the training dataset and the datasets used in GMM development. Our pilot study demonstrates GANO's potential for efficient synthesis of broad-band ground motions
• Abstract（参考訳）: 本稿では,3成分加速度履歴をモーメントマグニチュード,破断距離,平均せん断波速度の最高値である30m$(V_{S30}$)で生成する地動合成のためのデータ駆動フレームワークについて述べる。 データサンプリング周波数に依存しないモデルトレーニングを保証する,分解能不変アーキテクチャであるgano(generative adversarial neural operator)を用いる。 まず,条件付き地動合成アルゴリズム(cgm-gano)を提案し,その利点について検討する。 次に,南カリフォルニア地震センター・ブロードバンド・プラットフォーム(BBP)と記録したKK-netデータを用いて,実効振幅スペクトル(EAS)のスケールと擬スペクトル加速度(PSA)の総合的な等級,距離,V_{S30}$のスケールを学習可能であることを示す。 以上の結果から, cGM-GANOは, 十分なデータカバレッジを有するシナリオに対して, 幅広い周波数で, 対応するテクトニクス環境のトレーニングデータと一貫した中央値のスケーリングを生成することが示された。 BBPデータセットでは,cGM-GANOは確率周波数成分の基底運動のスケーリングを学べず,KiK-netデータセットでは,このようなデータの不足により,短距離および柔らかい土壌条件で最大の不適合が観測される。 これらの条件を除いて、ESAとPSAの気道変動は合理的に捉えられる。 最後に、cGM-GANO は、PSA と EAS の両方で 1Hz 以上の周波数で従来の GMM と同様の中央値のスケーリングを生成するが、EAS の共振変動を過小評価する。 合成地盤運動とGMMの比較の相違は、トレーニングデータセットとGMM開発で使用されるデータセットとの矛盾に起因する。 広帯域地盤運動の効率的な合成におけるGANOの可能性

関連論文リスト

• High Resolution Seismic Waveform Generation using Denoising Diffusion [3.5046784866523932]
  本研究では, 高周波波形生成のための新しい, 効率的, スケーラブルな生成モデルを提案する。 地震波形データのスペクトログラム表現を、オートエンコーダを介して低次元のサブ多様体に還元する。 最先端拡散モデルを用いて、キー入力パラメータを条件に、この潜伏表現を生成する。
  論文  参考訳（メタデータ） (2024-10-25T07:01:48Z)
• Spatial-Temporal Bearing Fault Detection Using Graph Attention Networks and LSTM [0.7864304771129751]
  本稿では,グラフ注意ネットワーク(GAT)とLong Short-Term Memory(LSTM)ネットワークを組み合わせた新しい手法を提案する。 このアプローチは、センサデータ内の空間的および時間的依存関係を捕捉し、軸受故障検出の精度を向上させる。
  論文  参考訳（メタデータ） (2024-10-15T12:55:57Z)
• DyG-Mamba: Continuous State Space Modeling on Dynamic Graphs [59.434893231950205]
  動的グラフ学習は、現実世界のシステムにおける進化の法則を明らかにすることを目的としている。 動的グラフ学習のための新しい連続状態空間モデルDyG-Mambaを提案する。 我々はDyG-Mambaがほとんどのデータセットで最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2024-08-13T15:21:46Z)
• cDVGAN: One Flexible Model for Multi-class Gravitational Wave Signal and Glitch Generation [0.7853804618032806]
  本稿では,複数の時間領域観測のクラスをシミュレートする手法として,ジェネレーティブ・アドリアック・ネットワーク・フレームワークに新しい条件モデルを提案する。 提案したcDVGANは,3つのクラスの特徴を再現する4種類のベースラインGANモデルより優れている。 実験の結果,cDVGAN生成データによる畳み込みニューラルネットワークのトレーニングにより,検出器ノイズに埋め込まれたサンプルの検出が向上することがわかった。
  論文  参考訳（メタデータ） (2024-01-29T17:59:26Z)
• Convolutional Monge Mapping Normalization for learning on sleep data [63.22081662149488]
  我々は、CMMN(Convolutional Monge Mapping Normalization)と呼ばれる新しい手法を提案する。 CMMNは、そのパワースペクトル密度(PSD)をトレーニングデータに基づいて推定されるワッサーシュタインバリセンタに適応させるために、信号をフィルタリングする。 睡眠脳波データに関する数値実験により、CMMNはニューラルネットワークアーキテクチャから独立して、顕著で一貫したパフォーマンス向上をもたらすことが示された。
  論文  参考訳（メタデータ） (2023-05-30T08:24:01Z)
• Automated classification of pre-defined movement patterns: A comparison between GNSS and UWB technology [55.41644538483948]
  リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。 本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
  論文  参考訳（メタデータ） (2023-03-10T14:46:42Z)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• Score-based Generative Modeling in Latent Space [93.8985523558869]
  スコアベース生成モデル(SGM)は,最近,サンプル品質と分布範囲の両面で顕著な結果を示した。 本稿では,Latent Score-based Generative Model (LSGM)を提案する。 データから潜在空間への移動により、より表現力のある生成モデルをトレーニングし、非連続データにSGMを適用し、よりスムーズなSGMをより小さな空間で学習することができる。
  論文  参考訳（メタデータ） (2021-06-10T17:26:35Z)
• Data-driven Accelerogram Synthesis using Deep Generative Models [0.0]
  我々は、GAN(Generative Adversarial Networks)の最近の進歩を活用して、地震加速時間履歴の新しい枠組みを開発する。 我々のアプローチは、連続的な物理変数の集合上で条件付けられた基底運動の生成を可能にするために、ワッサーシュタイン GAN の定式化を拡張している。 学習したジェネレータモデルは, 大きさ, 距離, および$V_s30$で条件付きリアルな3成分加速度図を合成可能であることを示す。
  論文  参考訳（メタデータ） (2020-11-18T02:12:14Z)
• Conditioning Trick for Training Stable GANs [70.15099665710336]
  本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。 我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
  論文  参考訳（メタデータ） (2020-10-12T16:50:22Z)
• Greenhouse Gas Emission Prediction on Road Network using Deep Sequence Learning [4.814071726181215]
  本稿では,従来の時間ステップの速度,密度,GHG ERなど,最も代表的な予測値に基づいて,リンクレベルのGHG排出率(ER)を予測するためのディープラーニングフレームワークを開発する。 トロント中心街の道路網はケーススタディとして利用され,キャリブレーションされた交通マイクロシミュレーションとMOVESを用いて詳細なデータを合成する。
  論文  参考訳（メタデータ） (2020-04-16T14:25:32Z)

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。