論文の概要: WaveCastNet: An AI-enabled Wavefield Forecasting Framework for Earthquake Early Warning

• arxiv url: http://arxiv.org/abs/2405.20516v1
• Date: Thu, 30 May 2024 22:18:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-03 16:05:36.910364
• Title: WaveCastNet: An AI-enabled Wavefield Forecasting Framework for Earthquake Early Warning
• Title（参考訳）: WaveCastNet - 地震早期警戒のためのAI対応のウェーブフィールド予測フレームワーク
• Authors: Dongwei Lyu, Rie Nakata, Pu Ren, Michael W. Mahoney, Arben Pitarka, Nori Nakata, N. Benjamin Erichson,
• Abstract要約: 本稿では,大地震の震動を予測するための新しいAI対応フレームワークWaveCastNetを提案する。 WaveCastNetは、新しい畳み込み長表現型メモリ(ConvLEM)モデルをシーケンスからシーケンスへの予測フレームワーク(seq2seq)に統合する。 サンフランシスコ・ベイエリアのシミュレーションデータを用いて, 地震動の強度とタイミングを迅速に予測できることを示す。
• 参考スコア（独自算出の注目度）: 39.353484781486245
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large earthquakes can be destructive and quickly wreak havoc on a landscape. To mitigate immediate threats, early warning systems have been developed to alert residents, emergency responders, and critical infrastructure operators seconds to a minute before seismic waves arrive. These warnings provide time to take precautions and prevent damage. The success of these systems relies on fast, accurate predictions of ground motion intensities, which is challenging due to the complex physics of earthquakes, wave propagation, and their intricate spatial and temporal interactions. To improve early warning, we propose a novel AI-enabled framework, WaveCastNet, for forecasting ground motions from large earthquakes. WaveCastNet integrates a novel convolutional Long Expressive Memory (ConvLEM) model into a sequence to sequence (seq2seq) forecasting framework to model long-term dependencies and multi-scale patterns in both space and time. WaveCastNet, which shares weights across spatial and temporal dimensions, requires fewer parameters compared to more resource-intensive models like transformers and thus, in turn, reduces inference times. Importantly, WaveCastNet also generalizes better than transformer-based models to different seismic scenarios, including to more rare and critical situations with higher magnitude earthquakes. Our results using simulated data from the San Francisco Bay Area demonstrate the capability to rapidly predict the intensity and timing of destructive ground motions. Importantly, our proposed approach does not require estimating earthquake magnitudes and epicenters, which are prone to errors using conventional approaches; nor does it require empirical ground motion models, which fail to capture strongly heterogeneous wave propagation effects.
• Abstract（参考訳）: 大規模な地震は破壊され、地形に急速に浸食されることがある。 緊急の脅威を軽減するため、地震波が到着する直前に住民、緊急対応者、重要なインフラオペレーターに警告する早期警報システムが開発された。 これらの警告は、予防措置を講じ、損傷を防ぐ時間を与えます。 これらのシステムの成功は、地震の複雑な物理、波動伝播、複雑な空間的および時間的相互作用のために難しい、高速で正確な地動強度の予測に依存している。 早期警戒を改善するため,大地震の震動を予測するための新しいAI対応フレームワークWaveCastNetを提案する。 WaveCastNetは、新しい畳み込みLong Expressive Memory(ConvLEM)モデルをSequence to sequence(seq2seq)予測フレームワークに統合し、長期の依存関係とマルチスケールパターンを空間と時間の両方でモデル化する。 WaveCastNetは、空間的次元と時間的次元で重みを共有するが、トランスフォーマーのようなリソース集約モデルに比べてパラメータが少ないため、推論時間が短縮される。 重要なことは、WaveCastNetはトランスフォーマーベースのモデルよりも、より稀で重要な地震を含む様々な地震シナリオを一般化する。 サンフランシスコ・ベイエリアのシミュレーションデータを用いて, 地震動の強度とタイミングを迅速に予測できることを示す。 提案手法では, 従来手法による誤差の少ない震度・震源の推定は不要であり, また, 強不均一波動伝搬効果の観測に失敗する経験的地動モデルも不要である。

関連論文リスト

• High Resolution Seismic Waveform Generation using Denoising Diffusion [3.5046784866523932]
  本研究では, 高周波波形生成のための新しい, 効率的, スケーラブルな生成モデルを提案する。 地震波形データのスペクトログラム表現を、オートエンコーダを介して低次元のサブ多様体に還元する。 最先端拡散モデルを用いて、キー入力パラメータを条件に、この潜伏表現を生成する。
  論文  参考訳（メタデータ） (2024-10-25T07:01:48Z)
• Time Series Foundation Models and Deep Learning Architectures for Earthquake Temporal and Spatial Nowcasting [1.4854797901022863]
  既成の基盤モデルの総合的な評価を欠いている。 我々はMultiFoundationQuakeとGNNCoderという2つのイノベーションアプローチを紹介した。 我々は,南カリフォルニアの0.1度空間ビン内における今後14日間の時系列予測問題として,地震予報を定式化した。
  論文  参考訳（メタデータ） (2024-08-21T20:57:03Z)
• Fast Information Streaming Handler (FisH): A Unified Seismic Neural Network for Single Station Real-Time Earthquake Early Warning [56.45067876391473]
  既存のEEWアプローチは、フェーズの選択、位置推定、大きさ推定を独立したタスクとして扱い、統一されたフレームワークを欠いている。 我々は高速情報ストリーミングハンドラー(FisH)と呼ばれる新しい統合型地震波ニューラルネットワークを提案する。 FisHは、リアルタイムストリーミング地震データを処理し、位相選択、位置推定、大きさ推定をエンドツーエンドで同時生成するように設計されている。
  論文  参考訳（メタデータ） (2024-08-13T04:33:23Z)
• Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
  我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。 次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。 気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
  論文  参考訳（メタデータ） (2024-08-08T06:47:21Z)
• Learning Physics for Unveiling Hidden Earthquake Ground Motions via Conditional Generative Modeling [43.056135090637646]
  地盤運動の条件生成モデル(CGM-GM) 本研究では, 高周波・空間連続地震動波形を合成する人工知能シミュレータを提案する。 CGM-GMは、最先端の非エルゴディックな地上運動モデルよりも優れた可能性を示す。
  論文  参考訳（メタデータ） (2024-07-21T08:23:37Z)
• 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)
• Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
  本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。 提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
  論文  参考訳（メタデータ） (2023-11-30T08:22:08Z)
• High-Rate Phase Association with Travel Time Neural Fields [13.98860980081838]
  我々は、深層生成モデリングとニューラルフィールドに基づくハイレートアソシエーションフレームワークであるHarpaを紹介した。 Harpaは、到着シーケンスの比較に最適なトランスポートを使用することで、波動物理学を取り入れている。 したがって、未知の波動速度に対して頑健であり、波動速度モデルを相関の副産物として推定する。
  論文  参考訳（メタデータ） (2023-07-14T18:29:24Z)
• Spatial-Temporal Sequential Hypergraph Network for Crime Prediction [56.41899180029119]
  本稿では,複合犯罪の時空間パターンを包括的に符号化する時空間逐次ハイパーグラフネットワーク(ST-SHN)を提案する。 特に、長距離及びグローバルなコンテキスト下での時空間力学を扱うために、グラフ構造化されたメッセージパッシングアーキテクチャを設計する。 提案するST-SHNフレームワークは予測性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-01-07T12:46:50Z)
• A CNN-BiLSTM Model with Attention Mechanism for Earthquake Prediction [0.0]
  本稿では、注意機構(AM)、畳み込みニューラルネットワーク(CNN)、双方向長短期記憶(BiLSTM)モデルに基づく新しい予測手法を提案する。 中国本土の地震カタログに基づいて,各地域の地震の規模と規模を推定することができる。
  論文  参考訳（メタデータ） (2021-12-26T20:16:20Z)

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。