論文の概要: Prescribed Fire Modeling using Knowledge-Guided Machine Learning for Land Management

• arxiv url: http://arxiv.org/abs/2310.01593v1
• Date: Mon, 2 Oct 2023 19:38:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-04 19:08:09.088024
• Title: Prescribed Fire Modeling using Knowledge-Guided Machine Learning for Land Management
• Title（参考訳）: 知識誘導型機械学習による土地管理のための所定の火災モデル
• Authors: Somya Sharma Chatterjee, Kelly Lindsay, Neel Chatterjee, Rohan Patil, Ilkay Altintas De Callafon, Michael Steinbach, Daniel Giron, Mai H. Nguyen, Vipin Kumar
• Abstract要約: 本稿では,所定の火災を迅速にエミュレーションできる機械学習(ML)フレームワークを提案する。 ドメイン知識を取り入れることで,データ共有シナリオにおける燃料密度推定の物理的不整合を低減することができる。 また,階層構造を組み込んだ火災拡散指標の偏り推定の問題も克服した。
• 参考スコア（独自算出の注目度）: 2.158876211806538
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, the increasing threat of devastating wildfires has underscored the need for effective prescribed fire management. Process-based computer simulations have traditionally been employed to plan prescribed fires for wildfire prevention. However, even simplified process models like QUIC-Fire are too compute-intensive to be used for real-time decision-making, especially when weather conditions change rapidly. Traditional ML methods used for fire modeling offer computational speedup but struggle with physically inconsistent predictions, biased predictions due to class imbalance, biased estimates for fire spread metrics (e.g., burned area, rate of spread), and generalizability in out-of-distribution wind conditions. This paper introduces a novel machine learning (ML) framework that enables rapid emulation of prescribed fires while addressing these concerns. By incorporating domain knowledge, the proposed method helps reduce physical inconsistencies in fuel density estimates in data-scarce scenarios. To overcome the majority class bias in predictions, we leverage pre-existing source domain data to augment training data and learn the spread of fire more effectively. Finally, we overcome the problem of biased estimation of fire spread metrics by incorporating a hierarchical modeling structure to capture the interdependence in fuel density and burned area. Notably, improvement in fire metric (e.g., burned area) estimates offered by our framework makes it useful for fire managers, who often rely on these fire metric estimates to make decisions about prescribed burn management. Furthermore, our framework exhibits better generalization capabilities than the other ML-based fire modeling methods across diverse wind conditions and ignition patterns.
• Abstract（参考訳）: 近年、山火事の脅威が高まっているため、効果的な所定の消防管理の必要性が強調されている。 プロセスベースのコンピュータシミュレーションは伝統的に、山火事防止のための所定の火災計画に使われてきた。 しかし、QUIC-Fireのような単純化されたプロセスモデルでさえ、特に気象条件が急速に変化する場合、リアルタイムな意思決定に使用するには計算集約的すぎる。 従来の機械学習手法は、計算スピードアップを提供するが、物理的に矛盾する予測、クラス不均衡による偏りのある予測、延焼面積、拡散率など)の偏りのある推定値、分布外風条件での一般化性に苦慮している。 本稿では,これらの問題に対処しながら,所定の火災を迅速にエミュレーションできる機械学習(ML)フレームワークを提案する。 提案手法は, ドメイン知識を取り入れることで, 燃料密度推定の物理的不整合を低減できる。 予測における大多数のクラスバイアスを克服するために、既存のソースドメインデータを活用してトレーニングデータを強化し、火の拡散をより効果的に学習する。 最後に, 燃料密度と燃焼領域の相互依存性を捉えるため, 階層的モデリング構造を組み込むことにより, 延焼指標の偏差推定の問題を克服する。 特に、我々のフレームワークによって提供される火力計(例えば、燃えている領域)の見積もりの改善は、火力計の見積もりを所定の火力管理の決定に頼る火力管理者に役立ちます。 さらに,本フレームワークは,風条件や着火パターンにまたがる他のMLベースの火災モデリング手法よりも優れた一般化能力を示す。

関連論文リスト

• FreqFed: A Frequency Analysis-Based Approach for Mitigating Poisoning Attacks in Federated Learning [98.43475653490219]
  フェデレート・ラーニング(Federated Learning, FL)は、毒素による攻撃を受けやすい。 FreqFedは、モデルの更新を周波数領域に変換する新しいアグリゲーションメカニズムである。 FreqFedは, 凝集モデルの有用性に悪影響を及ぼすことなく, 毒性攻撃を効果的に軽減できることを実証した。
  論文  参考訳（メタデータ） (2023-12-07T16:56:24Z)
• Data-Agnostic Model Poisoning against Federated Learning: A Graph Autoencoder Approach [65.2993866461477]
  本稿では,フェデレートラーニング(FL)に対するデータに依存しないモデル中毒攻撃を提案する。 この攻撃はFLトレーニングデータの知識を必要とせず、有効性と検出不能の両方を達成する。 実験により、FLの精度は提案した攻撃の下で徐々に低下し、既存の防御機構では検出できないことが示された。
  論文  参考訳（メタデータ） (2023-11-30T12:19:10Z)
• Modelling wildland fire burn severity in California using a spatial Super Learner approach [0.04188114563181614]
  米国西部の森林火災の頻度が高まる中、燃え尽き症候群を理解・正確に予測するツールを開発する必要がある。 遠隔で検知した火災予報データを用いて,燃焼後重大度を予測する機械学習モデルを開発した。 このモデルが実装されると、カリフォルニアの人命、財産、資源、生態系が失われる可能性がある。
  論文  参考訳（メタデータ） (2023-11-25T22:09:14Z)
• Generative Algorithms for Fusion of Physics-Based Wildfire Spread Models with Satellite Data for Initializing Wildfire Forecasts [0.0]
  衛星による火災検出の最近の進歩は、火災拡散予測を改善するために測定を使用する機会を与えている。 本研究は,衛星観測から山火事の歴史を推定する手法を開発した。
  論文  参考訳（メタデータ） (2023-09-05T23:24:34Z)
• Image-Based Fire Detection in Industrial Environments with YOLOv4 [53.180678723280145]
  この研究は、AIが火災を検出し、認識し、画像ストリーム上のオブジェクト検出を使用して検出時間を短縮する可能性を検討する。 そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されてきた複数の公開情報源から, 適切なデータを収集, ラベル付けした。
  論文  参考訳（メタデータ） (2022-12-09T11:32:36Z)
• Recurrent Convolutional Deep Neural Networks for Modeling Time-Resolved Wildfire Spread Behavior [0.0]
  高忠実度モデルはリアルタイムの火災応答に使用するには計算コストがかかりすぎる。 低忠実度モデルは、経験的測定を統合することで、いくつかの物理的精度と一般化性を犠牲にしている。 機械学習技術は、第一原理物理学を学習することで、これらの目的を橋渡しする能力を提供する。
  論文  参考訳（メタデータ） (2022-10-28T21:23:03Z)
• Assimilation of Satellite Active Fires Data [0.0]
  この論文の目的は、山火事のモデリング能力を改善することで、山火事の影響に対処する技術を開発することである。 特に,火災の履歴を構築する方法,山火事データを同化するための新しい技術,およびモデル化された火災の挙動を変更する方法を開発する。
  論文  参考訳（メタデータ） (2022-04-01T20:11:28Z)
• Attention on Classification for Fire Segmentation [82.75113406937194]
  本稿では,画像中の火災の分類とセグメンテーションのための畳み込みニューラルネットワーク(CNN)を提案する。 我々は,空間的自己認識機構を用いて画素間の長距離依存性を捉えるとともに,分類確率を注目重みとして利用する新しいチャネルアテンションモジュールを提案する。
  論文  参考訳（メタデータ） (2021-11-04T19:52:49Z)
• Accumulative Poisoning Attacks on Real-time Data [56.96241557830253]
  我々は、よく設計されたが簡単な攻撃戦略が、中毒効果を劇的に増幅できることを示します。 我々の研究は、よく設計されたが簡単な攻撃戦略が、中毒効果を劇的に増幅できることを検証する。
  論文  参考訳（メタデータ） (2021-06-18T08:29:53Z)
• Uncertainty Aware Wildfire Management [6.997483623023005]
  アメリカ合衆国では近年の山火事で生命が失われ、数十億ドルが失われた。 大規模に展開するリソースは限られており、火災の広がりを予測することは困難である。 本稿では,山火事対策のための意思決定論的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-15T17:47:31Z)
• Can Autonomous Vehicles Identify, Recover From, and Adapt to Distribution Shifts? [104.04999499189402]
  トレーニング外の配布(OOD)シナリオは、デプロイ時にエージェントを学ぶ上で一般的な課題である。 インプロバスト模倣計画(RIP)と呼ばれる不確実性を考慮した計画手法を提案する。 提案手法は,OODシーンにおける過信および破滅的な外挿を低減し,分布変化を検知し,回復することができる。 分散シフトを伴うタスク群に対する駆動エージェントのロバスト性を評価するために,自動走行車ノベルシーンベンチマークであるtexttCARNOVEL を導入する。
  論文  参考訳（メタデータ） (2020-06-26T11:07:32Z)

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。