論文の概要: Interpretable Time Series Models for Wastewater Modeling in Combined Sewer Overflows

• arxiv url: http://arxiv.org/abs/2401.02465v1
• Date: Thu, 4 Jan 2024 11:48:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-08 16:51:02.111526
• Title: Interpretable Time Series Models for Wastewater Modeling in Combined Sewer Overflows
• Title（参考訳）: 複合下水流における排水モデリングのための解釈可能な時系列モデル
• Authors: Teodor Chiaburu, Felix Biessmann
• Abstract要約: 雨槽から流出した地下水の汚水汚染問題に特に対処する。 我々は, 最先端の解釈可能な時系列モデルが, どの程度の臨界水位を予測できるかを考察する。 その結果, 現代の時系列モデルでは, 下水道の排水管理や環境汚染防止に寄与することが示唆された。
• 参考スコア（独自算出の注目度）: 1.5229257192293204
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Climate change poses increasingly complex challenges to our society. Extreme weather events such as floods, wild fires or droughts are becoming more frequent, spontaneous and difficult to foresee or counteract. In this work we specifically address the problem of sewage water polluting surface water bodies after spilling over from rain tanks as a consequence of heavy rain events. We investigate to what extent state-of-the-art interpretable time series models can help predict such critical water level points, so that the excess can promptly be redistributed across the sewage network. Our results indicate that modern time series models can contribute to better waste water management and prevention of environmental pollution from sewer systems. All the code and experiments can be found in our repository: https://github.com/TeodorChiaburu/RIWWER_TimeSeries.
• Abstract（参考訳）: 気候変動は社会にますます複雑な課題をもたらす。 洪水、山火事、干ばつなどの極度の気象現象は、より頻繁に、自然に起こり、予知や対応が困難になっている。 本研究は, 豪雨の結果として降雨槽から流出し, 下水汚濁水が表層水域を汚染する問題に特に対処するものである。 本研究は, 最先端の解釈可能な時系列モデルが, 臨界水位予測にどの程度役立つかを検証し, 余剰水が下水ネットワーク上で迅速に再分配されるようにした。 その結果, 現代の時系列モデルは, 下水道の排水管理や環境汚染防止に寄与することが示唆された。 すべてのコードと実験は、私たちのリポジトリで見ることができる。

関連論文リスト

• TRG-Net: An Interpretable and Controllable Rain Generator [61.2760968459789]
  本研究は,降雨の基盤となる物理的発生機構を十分に考慮した,新しい深層学習型降雨発生器を提案する。 その意義は、発電機が予想される雨をシミュレートするために雨の本質的な要素を精巧に設計するだけでなく、複雑で多様な雨のイメージに微妙に適応することにある。 提案した雨発生器が発生した雨は, 高品質であるだけでなく, 排水作業や下流作業にも有効であることを示す。
  論文  参考訳（メタデータ） (2024-03-15T03:27:39Z)
• CasCast: Skillful High-resolution Precipitation Nowcasting via Cascaded Modelling [93.65319031345197]
  本稿では,メソスケール降水分布と小規模パターンの予測を分離するために,決定的かつ確率的な部分からなるカスケードフレームワークCasCastを提案する。 CasCastは地域の極端降水量計のベースライン(+91.8%)をはるかに上回っている。
  論文  参考訳（メタデータ） (2024-02-06T08:30:47Z)
• Graph Transformer Network for Flood Forecasting with Heterogeneous Covariates [2.694662116529994]
  河川システムのためのグラフ変換器ネットワーク(FloodGTN)を用いた洪水予測ツール FloodGTNは、グラフニューラルネットワーク(GNN)とLSTMを用いて、異なる監視ステーションにおける水位の連続時間依存性を学習する。 FloodGTNツールを南フロリダ水管理地区のデータに適用した。
  論文  参考訳（メタデータ） (2023-10-11T16:24:06Z)
• 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)
• Rethinking Real-world Image Deraining via An Unpaired Degradation-Conditioned Diffusion Model [51.49854435403139]
  本研究では,拡散モデルに基づく最初の実世界の画像デライニングパラダイムであるRainDiffを提案する。 安定的で非敵対的なサイクル一貫性のあるアーキテクチャを導入し、トレーニングをエンドツーエンドで行えます。 また,複数の降雨の先行学習によって条件付けられた拡散生成過程を通じて,所望の出力を洗練する劣化条件拡散モデルを提案する。
  論文  参考訳（メタデータ） (2023-01-23T13:34:01Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Inductive Predictions of Extreme Hydrologic Events in The Wabash River Watershed [15.963061568077567]
  我々の単純なモデルはGeoMANのような複雑な注意ネットワークよりもはるかに高速に訓練できることを示す。 また,訓練中に観測された場所とは別の地理的位置において,極端な事象を予測できることを実証した。 この空間的インダクティブな設定により、Wabash Basinデータで訓練されたモデルを使用して、米国および他の地域における極端なイベントを予測できます。
  論文  参考訳（メタデータ） (2021-04-25T02:26:09Z)
• HydroNets: Leveraging River Structure for Hydrologic Modeling [0.0]
  HydroNetsは、特定の降雨流出信号と上流ネットワークダイナミクスの両方を活用するために設計されたディープニューラルネットワークモデルである。 川構造の事前知識の注入は、サンプルの複雑さを減らし、スケーラブルでより正確な水理モデリングを可能にする。 インドにおける2つの大きな盆地に関する実証的研究を行い、提案モデルとその利点を確実に支持する。
  論文  参考訳（メタデータ） (2020-07-01T16:32:07Z)
• Structural Residual Learning for Single Image Rain Removal [48.87977695398587]
  本研究は,本質的な降雨構造を有するネットワークの出力残余を強制することで,新たなネットワークアーキテクチャを提案する。 このような構造的残差設定は、ネットワークによって抽出された雨層が、一般的な雨害の以前の知識に微妙に従うことを保証している。
  論文  参考訳（メタデータ） (2020-05-19T05:52:13Z)
• Time series and machine learning to forecast the water quality from satellite data [0.0]
  アルガルブルームは沿岸の汚染物質であり、その原因となっている。 多くの衛星データ、例えばMODISは、花を検知するために水質の高い製品を生成するために使われてきた。 監視のためには、汚染管理委員会がいかなる汚染も予測する。
  論文  参考訳（メタデータ） (2020-03-16T18:16:44Z)

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。