論文の概要: At the junction between deep learning and statistics of extremes:
formalizing the landslide hazard definition
- arxiv url: http://arxiv.org/abs/2401.14210v1
- Date: Thu, 25 Jan 2024 14:48:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-26 14:19:14.180793
- Title: At the junction between deep learning and statistics of extremes:
formalizing the landslide hazard definition
- Title（参考訳）: 深層学習と極度の統計の接点:地すべりハザード定義の定式化
- Authors: Ashok Dahal, Rapha\"el Huser, Luigi Lombardo
- Abstract要約: 本研究では,斜面単位レベルでの地すべり危険度を推定する統一モデルを構築した。
ネパールで30年間にわたり観測された降雨トリガーによる地すべりを解析し,複数回の帰還期間における地すべりの危険度を評価する。
提案手法は,地すべりのハザードを統一的にモデル化するのに有効であることを示す。
- 参考スコア（独自算出の注目度）: 1.03590082373586
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The most adopted definition of landslide hazard combines spatial information
about landslide location (susceptibility), threat (intensity), and frequency
(return period). Only the first two elements are usually considered and
estimated when working over vast areas. Even then, separate models constitute
the standard, with frequency being rarely investigated. Frequency and intensity
are intertwined and depend on each other because larger events occur less
frequently and vice versa. However, due to the lack of multi-temporal
inventories and joint statistical models, modelling such properties via a
unified hazard model has always been challenging and has yet to be attempted.
Here, we develop a unified model to estimate landslide hazard at the slope unit
level to address such gaps. We employed deep learning, combined with a model
motivated by extreme-value theory to analyse an inventory of 30 years of
observed rainfall-triggered landslides in Nepal and assess landslide hazard for
multiple return periods. We also use our model to further explore landslide
hazard for the same return periods under different climate change scenarios up
to the end of the century. Our results show that the proposed model performs
excellently and can be used to model landslide hazard in a unified manner.
Geomorphologically, we find that under both climate change scenarios (SSP245
and SSP885), landslide hazard is likely to increase up to two times on average
in the lower Himalayan regions while remaining the same in the middle Himalayan
region whilst decreasing slightly in the upper Himalayan region areas.
- Abstract（参考訳）: 最も広く採用されている地すべり災害の定義は、地すべりの場所(感受性)、脅威(強度)、頻度(回帰期間)に関する空間情報を組み合わせたものである。
広い範囲で作業する場合、通常は最初の2つの要素のみが考慮され、推定される。
それにもかかわらず、別々のモデルが標準を構成しており、周波数を調べることは稀である。
周波数と強度は相互に絡み合っており、より大きな事象が起こる頻度が少なく、逆もまた少ないため、互いに依存する。
しかし、多時期的な在庫や共同統計モデルが欠如しているため、このような特性を統一的ハザードモデルでモデル化することは常に困難であり、まだ試みられていない。
本研究では,斜面単位レベルでの地すべり危険を推定する統一モデルを構築し,そのギャップに対応する。
深層学習と極値理論によるモデルを組み合わせることで,ネパールで観測された30年間の降雨トリガー地すべりの在庫を分析し,複数回の回帰期間における地すべりの危険度を評価する。
また,このモデルを用いて,21世紀末までの異なる気候変動シナリオの下で,同じ回帰期間における地すべり災害を探索する。
その結果,提案モデルが良好に動作し,地すべり災害を統一的にモデル化できることがわかった。
地形学的には, 気候変動のシナリオ (ssp245 と ssp885) において, 地すべりの危険度はヒマラヤ中部地域とヒマラヤ中部地域では2倍まで上昇する傾向にあり, ヒマラヤ中部地域ではやや減少する傾向がみられた。
関連論文リスト
- Data-Driven Prediction of Seismic Intensity Distributions Featuring
Hybrid Classification-Regression Models [21.327960186900885]
本研究では, 地震パラメータに基づいて地震強度分布を予測できる線形回帰モデルを開発した。
このデータセットは、1997年から2020年にかけて日本近海で発生した地震の震度データからなる。
提案モデルでは, 従来のGMPEにおける課題として, 異常な震度分布を予測できる。
論文 参考訳（メタデータ） (2024-02-03T13:39:22Z) - Landslide Topology Uncovers Failure Movements [1.08890978642722]
本稿では,スライドやフローなどの動作に基づいて,障害タイプを特定するアプローチを提案する。
地すべりの形態や形状に埋め込まれた物質移動力学の顕著な特徴をトポロジカルプロキシが明らかにしているのを観察する。
歴史的およびイベント固有の地すべりデータベースの障害タイプを80～94 %の精度で識別できる。
論文 参考訳（メタデータ） (2023-10-14T17:53:55Z) - Residual Diffusion Modeling for Km-scale Atmospheric Downscaling [51.061954281398116]
台湾上空2kmの高解像度気象モデルを用いて,コスト効率の低いダウンスケーリングモデルを訓練した。
textitCorrDiffは、RMSEとCRPSを巧みに表現し、極端な場合でもスペクトルと分布を忠実に回復する。
グローバルな予測のスケールダウンは、これらのメリットの多くを成功裏に維持し、マシンラーニングの天気予報のエンドツーエンドなグローバルなスケールの可能性を先導する。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z) - Dynamic landslide susceptibility mapping over recent three decades to
uncover variations in landslide causes in subtropical urban mountainous areas [17.570791791237387]
本研究は, 年次LSAに複数の予測モデルを用いた動的地すべり感受性マッピングを提案する。
選ばれた研究エリアは香港のランタウ島で、1992年から2019年までの総合的動的LSAを実施しました。
論文 参考訳（メタデータ） (2023-08-23T05:33:03Z) - 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) - 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) - XAI Model for Accurate and Interpretable Landslide Susceptibility [0.0]
我々は,地すべりの感受性を評価するための説明可能なAI(XAI)モデルを開発した。
ヒマラヤ東部の3つの地域において,地すべりの影響を受けやすいことが確認された。
論文 参考訳（メタデータ） (2022-01-18T09:27:13Z) - Geographic ratemaking with spatial embeddings [0.3211619859724084]
ある領域に高い被曝率を持つ保険会社は、通常競争上の優位性がある。
過去の損失データが利用できない地域では、地理的損失に依存することが問題となる。
本論文では, 歴史的保険請求損失の平滑化に代えて, 地理レートモデルを構築するためのデータに基づく手法を提案する。
論文 参考訳（メタデータ） (2021-04-26T20:09:45Z) - From Static to Dynamic Prediction: Wildfire Risk Assessment Based on
Multiple Environmental Factors [69.9674326582747]
ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。
カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
論文 参考訳（メタデータ） (2021-03-14T17:56:17Z) - Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。
我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
論文 参考訳（メタデータ） (2020-10-20T15:31:38Z) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z)
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。