論文の概要: Spatial-variant causal Bayesian inference for rapid seismic ground failures and impacts estimation

• arxiv url: http://arxiv.org/abs/2412.00026v1
• Date: Mon, 18 Nov 2024 15:01:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-08 09:16:02.402751
• Title: Spatial-variant causal Bayesian inference for rapid seismic ground failures and impacts estimation
• Title（参考訳）: 急激な地震断層崩壊に対する空間変動型因果ベイズ推定と影響評価
• Authors: Xuechun Li, Susu Xu,
• Abstract要約: 地震後の地盤破壊と建物被害の迅速かつ正確な推定は、地震後の効果的な応答に不可欠である。 先進的な進歩は、新しい因果グラフベースのベイジアンネットワークを導入し、地震の地すべりを継続的に改善し、衛星画像から得られた損傷推定を構築した。 本研究では, 空間的複雑度を考慮に入れた手法として, 周囲のハザードから関係を捉えるために, 両側フィルタの影響を受けやすい空間変数を導入する手法を考案した。
• 参考スコア（独自算出の注目度）: 3.190793775376023
• License:
• Abstract: Rapid and accurate estimation of post-earthquake ground failures and building damage is critical for effective post-disaster responses. Progression in remote sensing technologies has paved the way for rapid acquisition of detailed, localized data, enabling swift hazard estimation through analysis of correlation deviations between pre- and post-quake satellite imagery. However, discerning seismic hazards and their impacts is challenged by overlapping satellite signals from ground failures, building damage, and environmental noise. Previous advancements introduced a novel causal graph-based Bayesian network that continually refines seismic ground failure and building damage estimates derived from satellite imagery, accounting for the intricate interplay among geospatial elements, seismic activity, ground failures, building structures, damages, and satellite data. However, this model's neglect of spatial heterogeneity across different locations in a seismic region limits its precision in capturing the spatial diversity of seismic effects. In this study, we pioneer an approach that accounts for spatial intricacies by introducing a spatial variable influenced by the bilateral filter to capture relationships from surrounding hazards. The bilateral filter considers both spatial proximity of neighboring hazards and their ground shaking intensity values, ensuring refined modeling of spatial relationships. This integration achieves a balance between site-specific characteristics and spatial tendencies, offering a comprehensive representation of the post-disaster landscape. Our model, tested across multiple earthquake events, demonstrates significant improvements in capturing spatial heterogeneity in seismic hazard estimation. The results highlight enhanced accuracy and efficiency in post-earthquake large-scale multi-impact estimation, effectively informing rapid disaster responses.
• Abstract（参考訳）: 地震後の地盤破壊と建物被害の迅速かつ正確な推定は、地震後の効果的な応答に不可欠である。 リモートセンシング技術の進歩は、詳細で局所的なデータを迅速に取得する方法を開拓し、地震前の衛星画像と地震後の衛星画像の相関ずれの分析を通じて、迅速なハザード推定を可能にした。 しかし, 地すべり, 構造物の損傷, 環境騒音などの衛星信号が重なり合うことにより, 地震の危険性と影響を識別することが課題となっている。 以前の進歩は、新しい因果グラフベースのベイジアンネットワークを導入し、衛星画像から得られた地震の地すべり、地震活動、地すべり、建築構造、損傷、衛星データの間の複雑な相互作用を考慮に入れながら、地震の地すべりを継続的に改善し、損傷を推定する。 しかし, このモデルでは, 地震活動の空間的多様性を捉えた精度を抑えるため, 地震域内の異なる場所における空間的不均一性を無視する。 本研究では, 空間的複雑度を考慮に入れた手法として, 周囲のハザードから関係を捉えるために, 両側フィルタの影響を受けやすい空間変数を導入する手法を考案した。 両フィルタは、隣接するハザードの空間的近接と地盤揺らぎ強度値の両方を考慮し、空間関係の精密なモデリングを確実にする。 この統合は、地域固有の特徴と空間的傾向のバランスを保ち、災害後の景観を包括的に表現する。 本モデルでは, 地震危険度推定における空間的不均一性を推定する上で, 顕著な改善が示された。 その結果、地震後の大規模マルチインパクト推定における精度の向上と効率の向上が強調され、迅速な災害対応が効果的に実現された。

関連論文リスト

• Multiclass Post-Earthquake Building Assessment Integrating Optical and SAR Satellite Imagery, Ground Motion, and Soil Data with Transformers [0.0]
  本研究では,地震後の高分解能衛星画像と構造物の耐震性能に関連する建築固有のメタデータを組み合わせたフレームワークを提案する。 2023年2月6日トルコ・シリア地震の建物群を対象とした多層地震後の被害同定において, 現状の成果が得られた。
  論文  参考訳（メタデータ） (2024-12-05T23:19:51Z)
• Generalizable Disaster Damage Assessment via Change Detection with Vision Foundation Model [17.016411785224317]
  DAVI(Disaster Assessment with Vision foundation model)は,ドメインの格差に対処し,ターゲット領域に接地トラストラベルを必要とせずに建物レベルで構造的損傷を検出する手法である。 DAVIは、ソース領域で訓練されたモデルからのタスク固有の知識と、イメージセグメンテーションモデルからのタスク非依存の知識を組み合わせて、ターゲット領域の潜在的な損傷を示す擬似ラベルを生成する。 次に、2段階の精錬プロセスを使用し、ピクセルレベルと画像レベルの両方で動作し、災害被害地域の変化を正確に識別する。
  論文  参考訳（メタデータ） (2024-06-12T09:21:28Z)
• Typhoon Intensity Prediction with Vision Transformer [51.84456610977905]
  台風強度を正確に予測するために「台風強度変換器(Tint)」を導入する。 Tintは、層ごとにグローバルな受容野を持つ自己認識機構を使用する。 公開されている台風ベンチマークの実験は、Tintの有効性を検証する。
  論文  参考訳（メタデータ） (2023-11-28T03:11:33Z)
• Normalizing flow-based deep variational Bayesian network for seismic multi-hazards and impacts estimation from InSAR imagery [11.753558942419545]
  インターフェロメトリ合成開口レーダ(InSAR)のデータは、迅速なハザード推定のために高解像度のオンサイト情報を提供する上で重要である。 InSAR画像のノイズによる影響と,複数の未観測障害の近接した後部から発生する流れの正規化による新しい変分推論を導入する。
  論文  参考訳（メタデータ） (2023-10-20T20:32:43Z)
• Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
  敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。 現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。 空間周波数Krawtchouk分解に基づく識別検出器を提案する。
  論文  参考訳（メタデータ） (2023-05-18T10:18:59Z)
• Deep Learning-based Damage Mapping with InSAR Coherence Time Series [3.286503080462008]
  本研究では, 深層学習とSAR観測のフルタイム履歴を組み合わせた損傷マッピング手法を提案する。 我々は、インターフェロメトリSARコヒーレンス時系列を用いて地球表面の変化を定量化し、確率的異常検出器としてリカレントニューラルネットワーク(RNN)を用いる。 本研究では,Sentinel-1 SAR の複数年連続取得による3つの地震の被害予測に本手法を適用した。
  論文  参考訳（メタデータ） (2021-05-24T21:21:03Z)
• Towards advancing the earthquake forecasting by machine learning of satellite data [22.87513332935679]
  本研究では,6マグニチュード以上の1,371地震の衛星データに基づく短期予測を行うための新しい機械学習手法であるInverse Boosting Pruning Trees(IBPT)を開発した。 提案手法は,選択された6つのベースラインを上回り,異なる地震データベースの地震予測の可能性を向上する強力な能力を示す。
  論文  参考訳（メタデータ） (2021-01-31T02:29:48Z)
• Towards Overcoming False Positives in Visual Relationship Detection [95.15011997876606]
  視覚的関係検出(VRD)における偽陽性率の高い原因について検討する。 本稿では,偽陽性の影響を軽減する堅牢なVRDフレームワークとして,Spatially-Aware Balanced negative pRoposal sAmpling(SABRA)を提案する。
  論文  参考訳（メタデータ） (2020-12-23T06:28:00Z)
• 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)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)
• 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。

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。