論文の概要: A new high-resolution indoor radon map for Germany using a machine
learning based probabilistic exposure model
- arxiv url: http://arxiv.org/abs/2310.11143v1
- Date: Tue, 17 Oct 2023 10:51:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-18 16:43:37.349810
- Title: A new high-resolution indoor radon map for Germany using a machine
learning based probabilistic exposure model
- Title（参考訳）: 機械学習に基づく確率的露光モデルを用いたドイツにおける新しい高分解能屋内ラドンマップ
- Authors: Eric Petermann, Peter Bossew, Joachim Kemski, Valeria Gruber, Nils
Suhr and Bernd Hoffmann
- Abstract要約: ラドンは発癌性の放射性ガスであり、屋内で蓄積することができる。
全国規模のラドン露光は通常、広範囲な測定キャンペーンに基づいて推定される。
室内ラドン分布をよりリアルに推定できるモデルに基づく手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Radon is a carcinogenic, radioactive gas that can accumulate indoors. Indoor
radon exposure at the national scale is usually estimated on the basis of
extensive measurement campaigns. However, characteristics of the sample often
differ from the characteristics of the population due to the large number of
relevant factors such as the availability of geogenic radon or floor level.
Furthermore, the sample size usually does not allow exposure estimation with
high spatial resolution. We propose a model-based approach that allows a more
realistic estimation of indoor radon distribution with a higher spatial
resolution than a purely data-based approach. We applied a two-stage modelling
approach: 1) a quantile regression forest using environmental and building data
as predictors was applied to estimate the probability distribution function of
indoor radon for each floor level of each residential building in Germany; (2)
a probabilistic Monte Carlo sampling technique enabled the combination and
population weighting of floor-level predictions. In this way, the uncertainty
of the individual predictions is effectively propagated into the estimate of
variability at the aggregated level. The results give an arithmetic mean of 63
Bq/m3, a geometric mean of 41 Bq/m3 and a 95 %ile of 180 Bq/m3. The exceedance
probability for 100 Bq/m3 and 300 Bq/m3 are 12.5 % (10.5 million people) and
2.2 % (1.9 million people), respectively. In large cities, individual indoor
radon exposure is generally lower than in rural areas, which is a due to the
different distribution of the population on floor levels. The advantages of our
approach are 1) an accurate exposure estimation even if the survey was not
fully representative with respect to the main controlling factors, and 2) an
estimate of the exposure distribution with a much higher spatial resolution
than basic descriptive statistics.
- Abstract（参考訳）: ラドン(radon)は、屋内で蓄積できる発癌性放射性ガスである。
全国規模での屋内ラドン曝露は通常、広範囲な測定キャンペーンに基づいて推定される。
しかし, 試料の特性は, 地質学的ラドンや床面レベルなど, 関連する要因が多いため, 個体群の特徴とは異なることが多い。
さらに、試料サイズは通常、空間分解能の高い露光推定を許さない。
本研究では,空間分解能の高い屋内ラドン分布を,純粋データベースアプローチよりもリアルに推定できるモデルベースアプローチを提案する。
2段階モデリング手法を適用した。
1)ドイツ各住宅のフロアレベルごとに屋内ラドンの確率分布関数を推定するために, 環境・建物データを用いた質的回帰林を適用し, (2) 確率的モンテカルロサンプリング手法により, 床面積予測の組合せと人口重み付けが可能となった。
このように、個々の予測の不確実性は、集約されたレベルでの可変性の推定に効果的に伝播される。
その結果、算術平均は63Bq/m3、幾何学平均は41Bq/m3、95%は180Bq/m3となる。
100 bq/m3 と 300 bq/m3 の超過確率はそれぞれ 12.5 % (10.5 万人) と 2.2 % (190 万人) である。
大都市では、個々の屋内ラドン曝露が農村部よりも一般的に低いが、これは人口の床面における分布が異なるためである。
私たちのアプローチの利点は
1)メインコントロールファクターに関して調査が完全に代表的でない場合でも,正確な露出推定を行う。
2) 基本的な記述統計よりも空間分解能がはるかに高い露光分布の推定。
関連論文リスト
- Small Area Estimation with Random Forests and the LASSO [39.58317527488534]
この研究は、第6回リビング・スタンダード・サーベイ(GLSS)と2010年の人口・住宅国勢調査から得られるガーナのデータによって動機付けられている。
我々は、アラルレベルのランダム林とLASSOアプローチを、頻繁な前方変動選択法とベイズ縮小法と比較した。
GAMA領域にまたがる1.3倍の変動を示すログ消費地域推定値として,面積間の実質的な変動がみられた。
論文 参考訳（メタデータ） (2023-08-29T10:02:10Z) - Fast parameter estimation of Generalized Extreme Value distribution
using Neural Networks [9.987055028382876]
一般的な極値分布は、洪水、干ばつ、熱波、山火事などの極端な事象をモデル化するための一般的な選択である。
本稿では,ニューラルネットワークを用いた計算効率が高く,可能性のない推定手法を提案する。
提案手法は,従来の最大値法と同等の精度でGEV分布パラメータの推定値を提供する。
論文 参考訳（メタデータ） (2023-05-07T17:40:52Z) - Score Approximation, Estimation and Distribution Recovery of Diffusion
Models on Low-Dimensional Data [68.62134204367668]
本稿では,未知の低次元線形部分空間上でデータをサポートする場合の拡散モデルのスコア近似,推定,分布回復について検討する。
適切に選択されたニューラルネットワークアーキテクチャでは、スコア関数を正確に近似し、効率的に推定することができる。
推定スコア関数に基づいて生成された分布は、データ幾何学構造を捕捉し、データ分布の近傍に収束する。
論文 参考訳（メタデータ） (2023-02-14T17:02:35Z) - Robust Bayesian Subspace Identification for Small Data Sets [91.3755431537592]
分散効果を低減するため,正規化推定器,縮小推定器,ベイズ推定器を提案する。
実験の結果,提案した推定器は従来の部分空間法よりも40%のコストで推定リスクを低減できることがわかった。
論文 参考訳（メタデータ） (2022-12-29T00:29:04Z) - High-resolution landscape-scale biomass mapping using a spatiotemporal
patchwork of LiDAR coverages [0.0]
温室効果ガス推定において,森林土壌のバイオマスの微細な評価がますます重要になっている。
ここでは、トレーニングデータの選択、地域的あるいは範囲的な偏見やエラーの調査、複数スケールでのマップパターンなど、一般的な障害に対処する。
我々のモデルは全体として正確であり (% RMSE 13-33%) バイアスが非常に低く (MBE $leq$$pm$5 Mg ha$-1$) 、ほとんどのフィールドオブザーバの変動を説明した。
論文 参考訳（メタデータ） (2022-05-17T17:53:50Z) - Super-resolution GANs of randomly-seeded fields [68.8204255655161]
ランダムスパースセンサからフィールド量の推定を行うための,GAN(Super- resolution Generative Adversarial Network)フレームワークを提案する。
このアルゴリズムはランダムサンプリングを利用して、高解像度の基底分布の不完全ビューを提供する。
提案手法は, 流体流動シミュレーション, 海洋表面温度分布測定, 粒子画像速度測定データの合成データベースを用いて検証した。
論文 参考訳（メタデータ） (2022-02-23T18:57:53Z) - Featurized Density Ratio Estimation [82.40706152910292]
本研究では,2つの分布を推定前の共通特徴空間にマッピングするために,可逆生成モデルを活用することを提案する。
この偉業化は、学習された入力空間の密度比が任意に不正確な場合、潜在空間において密度が密接な関係をもたらす。
同時に、特徴写像の可逆性は、特徴空間で計算された比が入力空間で計算された比と同値であることを保証する。
論文 参考訳（メタデータ） (2021-07-05T18:30:26Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - A data-driven approach to the forecasting of ground-level ozone
concentration [0.0]
本研究では,スイス南部におけるオゾン濃度の日頭最大値の予測に機械学習アプローチを適用した。
重み付けが、オゾンの日中ピーク値の特定の範囲の予測精度を高めるのにどう役立つかを示す。
論文 参考訳（メタデータ） (2020-10-14T09:35:48Z) - Predicting and Mapping of Soil Organic Carbon Using Machine Learning
Algorithms in Northern Iran [0.0]
本研究では,支援ベクトルマシン,人工ニューラルネットワーク,回帰木,ランダムフォレスト,極勾配向上,および従来の深部ニューラルネットワークを用いて,SOCの予測モデルを前進させる機械学習アルゴリズムを提案する。
モデルは、1879年の複合表層土壌サンプルと105の補助データで訓練されている。
論文 参考訳（メタデータ） (2020-07-12T08:23:24Z) - Fast approximations in the homogeneous Ising model for use in scene
analysis [61.0951285821105]
我々は、推論に必要な量を数値計算できる正確な近似を提供する。
近似式はスケーラブルでマルコフランダム場の大きさに満足できないことを示す。
機能的磁気共鳴イメージングアクティベーション検出実験においてベイズ推論を行い, ピスタチオ樹収量の年次増加の空間パターンにおける異方性に対する確率比試験を行った。
論文 参考訳（メタデータ） (2017-12-06T14:24:34Z)
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。