Fugu-MT 論文翻訳(概要): Turkey's Earthquakes: Damage Prediction and Feature Significance Using A Multivariate Analysis

論文の概要: Turkey's Earthquakes: Damage Prediction and Feature Significance Using A Multivariate Analysis

arxiv url: http://arxiv.org/abs/2411.08903v1
Date: Tue, 29 Oct 2024 10:29:06 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-17 09:01:58.441067
Title: Turkey's Earthquakes: Damage Prediction and Feature Significance Using A Multivariate Analysis
Title（参考訳）: トルコ地震:多変量解析による被害予測と特徴的意義
Authors: Shrey Shah, Alex Lin, Scott Lin, Josh Patel, Michael Lam, Kevin Zhu,
Abstract要約: 本研究は,トルコにおける将来の地震災害における死者の減少に寄与する。我々は、被災者当たりの死亡率と死亡率を予測するために、様々な機械学習アーキテクチャーを試験した。その結果,ランダムフォレストモデルが最も信頼性の高い予測結果が得られた。
参考スコア（独自算出の注目度）: 1.9461727843485295
License:
Abstract: Accurate damage prediction is crucial for disaster preparedness and response strategies, particularly given the frequent earthquakes in Turkey. Utilizing datasets on earthquake data, infrastructural quality metrics, and contemporary socioeconomic factors, we tested various machine-learning architectures to forecast death tolls and fatalities per affected population. Our findings indicate that the Random Forest model provides the most reliable predictions. The model highlights earthquake magnitude and building stability as the primary determinants of damage. This research contributes to the reduction of fatalities in future seismic events in Turkey.
Abstract（参考訳）: 正確な被害予測は、特にトルコの頻発する地震を考えると、災害の準備と対応戦略に不可欠である。地震データ,インフラ品質指標,現代社会経済要因のデータセットを用いて,被災者当たりの死亡率と死亡率を予測するための各種機械学習アーキテクチャを検証した。その結果,ランダムフォレストモデルが最も信頼性の高い予測結果が得られた。このモデルは地震のマグニチュードと建物安定性を損傷の主要な要因として強調している。本研究は,トルコにおける将来の地震災害における死者の減少に寄与する。

関連論文リスト

Estimating Earthquake Magnitude in Sentinel-1 Imagery via Ranking [5.71478837100808]
本稿では,地震の規模を計量学習問題として推定する。我々は、Sentinel-1衛星画像から地震の大きさを推定し、さらにペアのサンプルをランク付けするためにモデルを訓練する。実験の結果,従来の回帰のみに基づく手法に比べて最大30%以上のMAEの改善が得られた。
論文参考訳（メタデータ） (2024-07-25T15:35:44Z)
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)
Learning Traffic Crashes as Language: Datasets, Benchmarks, and What-if Causal Analyses [76.59021017301127]
我々は,CrashEventという大規模トラフィッククラッシュ言語データセットを提案し,実世界のクラッシュレポート19,340を要約した。さらに,クラッシュイベントの特徴学習を,新たなテキスト推論問題として定式化し,さらに様々な大規模言語モデル(LLM)を微調整して,詳細な事故結果を予測する。実験の結果, LLMに基づくアプローチは事故の重大度を予測できるだけでなく, 事故の種類を分類し, 損害を予測できることがわかった。
論文参考訳（メタデータ） (2024-06-16T03:10:16Z)
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)
Near-real-time Earthquake-induced Fatality Estimation using Crowdsourced Data and Large-Language Models [5.031939163610801]
本研究では,地球規模の地震による損失予測の時系列と精度を大幅に改善するエンドツーエンドフレームワークを提案する。我々のフレームワークは,大規模言語モデル上に構築された階層的カジュアルさ抽出モデルと,迅速な設計,少数ショット学習を統合している。我々は2022年と2022年の一連の世界地震でリアルタイムにこのフレームワークをテストし、我々のフレームワークが2021年までに手動の手法に匹敵する速度と精度を達成し、カジュアルなデータ検索を合理化していることを示す。
論文参考訳（メタデータ） (2023-12-04T17:09:58Z)
Harnessing Diverse Data for Global Disaster Prediction: A Multimodal Framework [0.0]
本研究は, 新たな多モーダル災害予測フレームワークを提案する。気象学的要因と地形学的要因との関係から, 地すべりや地すべりの予測に着目する。モデルは利用可能なデータに基づいて慎重に構築されており、クラス不均衡に対処するための戦略も実装しています。
論文参考訳（メタデータ） (2023-09-28T17:36:27Z)
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)
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)
Assessing out-of-domain generalization for robust building damage detection [78.6363825307044]
建築損傷検出は、衛星画像にコンピュータビジョン技術を適用することで自動化することができる。モデルは、トレーニングで利用可能な災害画像と、新しいイベントの画像の間の分散の変化に対して堅牢でなければならない。今後はOOD体制に重点を置くべきだと我々は主張する。
論文参考訳（メタデータ） (2020-11-20T10:30:43Z)
RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
論文参考訳（メタデータ） (2020-04-15T19:52:09Z)
Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
論文参考訳（メタデータ） (2020-02-05T10:11:26Z)

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。