論文の概要: Data-driven recommendations for enhancing real-time natural hazard warnings, communication, and response

• arxiv url: http://arxiv.org/abs/2311.14678v1
• Date: Wed, 1 Nov 2023 02:59:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-03 14:04:42.844056
• Title: Data-driven recommendations for enhancing real-time natural hazard warnings, communication, and response
• Title（参考訳）: リアルタイム自然災害警報・通信・応答強化のためのデータ駆動型勧告
• Authors: Kate R. Saunders, Owen Forbes, Jess K. Hopf, Charlotte R. Patterson, Sarah A. Vollert, Kaitlyn Brown, Raiha Browning, Miguel Canizares, Richard S. Cottrell, Lanxi Li, Catherine J.S. Kim, Tace P. Stewart, Connie Susilawati, Xiang Y. Zhao, Kate J. Helmstedt
• Abstract要約: このパースペクティブは、リアルタイムの警告通信と緊急応答を支える既存のデータ駆動アプローチをレビューする。 警告を強化するための4つの主要なテーマが強調されている。 モチベーションの例は、2022年にオーストラリアで経験した大規模な洪水である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The effectiveness and adequacy of natural hazard warnings hinges on the availability of data and its transformation into actionable knowledge for the public. Real-time warning communication and emergency response therefore need to be evaluated from a data science perspective. However, there are currently gaps between established data science best practices and their application in supporting natural hazard warnings. This Perspective reviews existing data-driven approaches that underpin real-time warning communication and emergency response, highlighting limitations in hazard and impact forecasts. Four main themes for enhancing warnings are emphasised: (i) applying best-practice principles in visualising hazard forecasts, (ii) data opportunities for more effective impact forecasts, (iii) utilising data for more localised forecasts, and (iv) improving data-driven decision-making using uncertainty. Motivating examples are provided from the extensive flooding experienced in Australia in 2022. This Perspective shows the capacity for improving the efficacy of natural hazard warnings using data science, and the collaborative potential between the data science and natural hazards communities.
• Abstract（参考訳）: 自然災害警報の有効性と妥当性は、データの可用性と、その公衆への行動可能な知識への変換にかかっている。 そのため、リアルタイム警告通信と緊急対応をデータサイエンスの観点から評価する必要がある。 しかし、現在、確立したデータサイエンスのベストプラクティスと、自然の危険警告をサポートするためのそれらの応用との間にはギャップがある。 このパースペクティブは、リアルタイムの警告コミュニケーションと緊急対応を支える既存のデータ駆動アプローチをレビューし、ハザードと影響予測の制限を強調します。 警告を強化するための4つの主要なテーマが強調されている。 (i)危険予測の可視化に最善の実践原則を適用すること。 (ii)より効果的な影響予測のためのデータ機会 三 より局所的な予測のためのデータの利用、及び (4)不確実性を用いたデータ駆動意思決定の改善。 モチベーションの例は2022年にオーストラリアで起きた大規模な洪水から得られる。 この観点からは,データサイエンスを用いた自然災害警報の有効性向上と,データサイエンスと自然災害コミュニティの協調可能性を示す。

関連論文リスト

• Enhancing Trustworthiness and Minimising Bias Issues in Leveraging Social Media Data for Disaster Management Response [0.1499944454332829]
  リアルタイムデータを活用することは、データの不確実性に大きく対処し、災害対応努力を強化することができる。 ソーシャルメディアは、災害前後のソーシャルメディアの利用が盛んに行われているため、リアルタイムデータの効果的な源泉として現れている。 また、これらのデータの信頼性とバイアスに関する課題も生み出します。 信頼性を高めバイアスを最小化するために使用できる要因を調査し、特定することを目的としている。
  論文  参考訳（メタデータ） (2024-08-15T10:59:20Z)
• Visual Privacy Auditing with Diffusion Models [52.866433097406656]
  本稿では,拡散モデル(DM)に基づくリコンストラクション攻撃を提案する。 本研究では,(1)実世界のデータ漏洩が再建の成功に大きく影響すること,(2)現在のリビルド境界がデータ先行によるリスクをうまくモデル化していないこと,(3)DMは,プライバシー漏洩を可視化するための効果的な監査ツールとして機能すること,を示す。
  論文  参考訳（メタデータ） (2024-03-12T12:18:55Z)
• Continual Causal Inference with Incremental Observational Data [8.543321506666636]
  観測データを用いて因果効果を推定するための連続因果効果表現学習法を提案する。 提案手法は,原データに対する推定能力を損なうことなく,新たなデータの因果効果を連続的に推定する。
  論文  参考訳（メタデータ） (2023-03-03T08:33:15Z)
• Toward Foundation Models for Earth Monitoring: Generalizable Deep Learning Models for Natural Hazard Segmentation [0.47725505365135473]
  自然災害のリアルタイムマッピングは、災害救済、リスク管理、政府の政策決定の伝達に最優先される。 リアルタイムに近いマッピングを実現するための最近の手法は、ディープラーニング(DL)をますます活用している。 本研究では,適切なプレタスクの事前学習に基づいて,DL自然災害マッパーの一般化可能性を大幅に向上させる手法を提案する。
  論文  参考訳（メタデータ） (2023-01-23T08:35:00Z)
• Foveate, Attribute, and Rationalize: Towards Physically Safe and Trustworthy AI [76.28956947107372]
  包括的不安全テキストは、日常的なシナリオから生じる可能性のある特定の関心領域であり、有害なテキストを検出するのが困難である。 安全の文脈において、信頼に値する合理的な生成のために外部知識を活用する新しいフレームワークであるFARMを提案する。 実験の結果,FARMはSafeTextデータセットの最先端結果を得ることができ,安全性の分類精度が5.9%向上したことがわかった。
  論文  参考訳（メタデータ） (2022-12-19T17:51:47Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Incorporating Causal Graphical Prior Knowledge into Predictive Modeling via Simple Data Augmentation [92.96204497841032]
  因果グラフ(CG)は、データ分散の背後にあるデータ生成プロセスの知識のコンパクトな表現である。 本研究では,条件付き独立性(CI)関係の事前知識を活用可能なモデルに依存しないデータ拡張手法を提案する。 本手法は,小データシステムにおける予測精度の向上に有効であることを実験的に示した。
  論文  参考訳（メタデータ） (2021-02-27T06:13:59Z)
• Text Analytics for Resilience-Enabled Extreme Events Reconnaissance [7.54569938687922]
  本研究は,(1)太平洋地震工学研究センター(PEER)サーバがホストする自動データ(ニュース・ソーシャルメディア)収集,(2)偵察報告の自動生成,(3)復旧時間などの災害後の情報を抽出するためのソーシャルメディアの利用に焦点を当てた。
  論文  参考訳（メタデータ） (2020-11-26T01:43:29Z)
• Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
  我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。 本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。 我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
  論文  参考訳（メタデータ） (2020-09-20T12:24:45Z)
• On Data Augmentation and Adversarial Risk: An Empirical Analysis [9.586672294115075]
  我々は,異なるデータ拡張手法が敵のリスクに与える影響を3つの尺度で分析する。 データ拡張による分類性能の向上は、常に敵攻撃によるリスクの改善を伴うという仮説を否定する。 以上の結果から, 拡張されたデータは, 拡張されていないデータよりも, 結果のモデルに強い影響があることが判明した。
  論文  参考訳（メタデータ） (2020-07-06T11:16:18Z)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)

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。