論文の概要: Bayesian inversion of GPR waveforms for uncertainty-aware sub-surface
material characterization
- arxiv url: http://arxiv.org/abs/2312.07928v1
- Date: Wed, 13 Dec 2023 06:54:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-14 16:20:25.494429
- Title: Bayesian inversion of GPR waveforms for uncertainty-aware sub-surface
material characterization
- Title(参考訳): 不確実性を考慮した地下材料評価のためのGPR波形のベイズ反転
- Authors: Ishfaq Aziz, Elahe Soltanaghai, Adam Watts, Mohamad Alipour
- Abstract要約: 本研究では,地中レーダ(GPR)波形インバージョンに対するベイズモデル更新手法を提案する。
提案手法は不確実性を考慮した地下パラメータ推定のための有望な手法を提供する。
- 参考スコア(独自算出の注目度): 0.8602553195689513
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate estimation of sub-surface properties like moisture content and depth
of layers is crucial for applications spanning sub-surface condition
monitoring, precision agriculture, and effective wildfire risk assessment. Soil
in nature is often covered by overlaying surface material, making its
characterization using conventional methods challenging. In addition, the
estimation of the properties of the overlaying layer is crucial for
applications like wildfire assessment. This study thus proposes a Bayesian
model-updating-based approach for ground penetrating radar (GPR) waveform
inversion to predict sub-surface properties like the moisture contents and
depths of the soil layer and overlaying material accumulated above the soil.
The dielectric permittivity of material layers were predicted with the proposed
method, along with other parameters, including depth and electrical
conductivity of layers. The proposed Bayesian model updating approach yields
probabilistic estimates of these parameters that can provide information about
the confidence and uncertainty related to the estimates. The methodology was
evaluated for a diverse range of experimental data collected through laboratory
and field investigations. Laboratory investigations included variations in soil
moisture values and depth of the top layer (or overlaying material), and the
field investigation included measurement of field soil moisture for sixteen
days. The results demonstrated predictions consistent with time-domain
reflectometry (TDR) measurements and conventional gravimetric tests. The top
layer depth could also be predicted with reasonable accuracy. The proposed
method provides a promising approach for uncertainty-aware sub-surface
parameter estimation that can enable decision-making for risk assessment across
a wide range of applications.
- Abstract(参考訳): 地下環境モニタリング, 精密農業, 効果的な山火事リスク評価などに適用するためには, 水分含量や層深などの地下特性の正確な推定が重要である。
自然界の土壌は表層材を重ねて覆うことが多いため、従来の方法によるキャラクタリゼーションは困難である。
さらに, オーバーレイ層の特性評価は, ワイルドファイア評価などのアプリケーションにとって重要である。
本研究では, 地中レーダ(gpr)波形インバージョンに対するベイズモデルに基づく手法を提案する。
材料層の誘電誘電率を, 深さ, 導電率などのパラメータとともに, 提案法で予測した。
提案したベイズモデル更新アプローチは、これらのパラメータの確率的推定をもたらし、その推定に関する信頼性と不確実性に関する情報を提供する。
本手法は, 実験および現場調査により収集した多種多様な実験データを用いて評価した。
実験室調査では土壌水分値と表層(またはオーバーレイ材)の深さの変化があり、現地調査では16日間の土壌水分の測定が行われた。
その結果,tdr(time-domain reflectometry)測定と従来の重力測定と一致した予測が得られた。
最上層の深さも妥当な精度で予測できる。
提案手法は,幅広いアプリケーションを対象としたリスクアセスメントの意思決定を可能にする不確実性を考慮したサブサーフェスパラメータ推定に有望なアプローチを提供する。
関連論文リスト
- Evaluating Uncertainty Quantification approaches for Neural PDEs in
scientific applications [0.0]
この研究は、科学応用におけるフォワード問題と逆問題の両方に対する様々な不確実量化(UQ)アプローチを評価する。
具体的には,ハミルトン・モンテカルロ (HMC) やモンテカルロ・ドロップアウト (MCD) などのベイズ法の有効性を検討する。
この結果から,ニューラルPDEは流れ系を効果的に再構築し,関連する未知パラメータを予測できることが示唆された。
論文 参考訳(メタデータ) (2023-11-08T04:52:20Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳(メタデータ) (2023-02-20T16:08:54Z) - HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper
Surfaces [54.77683371400133]
本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。
実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
論文 参考訳(メタデータ) (2022-10-13T16:39:53Z) - DeepWSD: Projecting Degradations in Perceptual Space to Wasserstein
Distance in Deep Feature Space [67.07476542850566]
本稿では,統計的分布の観点から知覚空間の品質劣化をモデル化する。
品質は、深い特徴領域におけるワッサーシュタイン距離に基づいて測定される。
ニューラルネットワークの特徴に基づいて実行されるディープワッサースタイン距離(ディープWSD)は、品質汚染のより良い解釈性をもたらす。
論文 参考訳(メタデータ) (2022-08-05T02:46:12Z) - Impact of sensor placement in soil water estimation: A real-case study [0.0]
カナダ・アルバータ州レスブリッジの実際の農地における土壌水分推定におけるセンサ配置の影響について検討した。
本研究では, 不均質土壌パラメータを持つ3次元農業水理モデルを開発した。
最適センサ位置を決定するために3次元システムに観測可能性のモーダル度を適用した。
論文 参考訳(メタデータ) (2022-03-13T02:46:27Z) - Artificial Intelligence Hybrid Deep Learning Model for Groundwater Level
Prediction Using MLP-ADAM [0.0]
本稿では,多層パーセプトロンを用いて地下水位をシミュレーションする。
この問題には適応モーメント推定アルゴリズムも用いられる。
その結果,ディープラーニングアルゴリズムは高精度な予測が可能であることが示唆された。
論文 参考訳(メタデータ) (2021-07-29T10:11:45Z) - Adaptive Surface Normal Constraint for Depth Estimation [102.7466374038784]
アダプティブサーフェスノーマル(ASN)制約と呼ばれるシンプルで効果的な手法を導入し、深さ推定と幾何学的一貫性を相関させます。
本手法は3次元形状を忠実に再構成でき,境界,鋭角,雑音などの局所形状変化に頑健である。
論文 参考訳(メタデータ) (2021-03-29T10:36:25Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳(メタデータ) (2021-02-15T10:37:52Z) - Adaptive confidence thresholding for monocular depth estimation [83.06265443599521]
本稿では,自己教師付ステレオマッチング法から生成されたステレオ画像の擬似地上真実深度マップを利用する新しい手法を提案する。
擬似地底深度マップの信頼度マップを推定し、不正確な擬似地底深度マップによる性能劣化を緩和する。
実験結果から, 最先端の単分子深度推定法よりも優れた性能を示した。
論文 参考訳(メタデータ) (2020-09-27T13:26:16Z) - SMArtCast: Predicting soil moisture interpolations into the future using
Earth observation data in a deep learning framework [0.8399688944263843]
本研究では,衛星画像から土壌水分と植生の計測を行った。
システムは、これらの測定の将来の値を予測することを学習する。
これは、モニタリング能力に制限のある地域で作物に好ましくない土壌水分を警告する可能性がある。
論文 参考訳(メタデータ) (2020-03-16T23:06:14Z)
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。