論文の概要: Robust blue-green urban flood risk management optimised with a genetic algorithm for multiple rainstorm return periods

• arxiv url: http://arxiv.org/abs/2502.12174v1
• Date: Thu, 13 Feb 2025 21:42:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-19 20:12:08.57548
• Title: Robust blue-green urban flood risk management optimised with a genetic algorithm for multiple rainstorm return periods
• Title（参考訳）: 複数降雨期における遺伝的アルゴリズムを用いた青緑の都市洪水リスク管理
• Authors: Asid Ur Rehman, Vassilis Glenis, Elizabeth Lewis, Chris Kilsby, Claire Walsh,
• Abstract要約: 洪水リスクマネージャは、投資のリターンを最大化するために、ブルーグリーンインフラストラクチャー(BGI)の設計を最適化しようとします。 現在のシステムは、最適化アルゴリズムと詳細な洪水モデルを使用して、1回の暴風雨のリターン期間の利益-コスト比を最大化する。 本研究では,5つの戻り周期を多目的BGI最適化フレームワークに組み込んだ新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Flood risk managers seek to optimise Blue-Green Infrastructure (BGI) designs to maximise return on investment. Current systems often use optimisation algorithms and detailed flood models to maximise benefit-cost ratios for single rainstorm return periods. However, these schemes may lack robustness in mitigating flood risks across different storm magnitudes. For example, a BGI scheme optimised for a 100-year return period may differ from one optimised for a 10-year return period. This study introduces a novel methodology incorporating five return periods (T = 10, 20, 30, 50, and 100 years) into a multi-objective BGI optimisation framework. The framework combines a Non-dominated Sorting Genetic Algorithm II (NSGA-II) with a fully distributed hydrodynamic model to optimise the spatial placement and combined size of BGI features. For the first time, direct damage cost (DDC) and expected annual damage (EAD), calculated for various building types, are used as risk objective functions, transforming a many-objective problem into a multi-objective one. Performance metrics such as Median Risk Difference (MedRD), Maximum Risk Difference (MaxRD), and Area Under Pareto Front (AUPF) reveal that a 100-year optimised BGI design performs poorly when evaluated for other return periods, particularly shorter ones. In contrast, a BGI design optimised using composite return periods enhances performance metrics across all return periods, with the greatest improvements observed in MedRD (22%) and AUPF (73%) for the 20-year return period, and MaxRD (23%) for the 50-year return period. Furthermore, climate uplift stress testing confirms the robustness of the proposed design to future rainfall extremes. This study advocates a paradigm shift in flood risk management, moving from single maximum to multiple rainstorm return period-based designs to enhance resilience and adaptability to future climate extremes.
• Abstract（参考訳）: 洪水リスクマネージャは、投資のリターンを最大化するために、ブルーグリーンインフラストラクチャー(BGI)の設計を最適化しようとします。 現在のシステムは、最適化アルゴリズムと詳細な洪水モデルを使用して、1回の暴風雨のリターン期間の利益-コスト比を最大化する。 しかし、これらのスキームは、異なる嵐の規模で洪水のリスクを軽減するための堅牢性に欠ける可能性がある。 例えば、100年間のリターン期間に最適化されたBGIスキームは、10年間のリターン期間に最適化されたBGIスキームとは異なる場合がある。 本研究では,5つの戻り期間(T=10,10,20,30,50,100年)を多目的BGI最適化フレームワークに組み込む手法を提案する。 このフレームワークは、非支配的ソーティング遺伝的アルゴリズムII(NSGA-II)と完全に分散された流体力学モデルを組み合わせて、BGI特徴の空間配置と組み合わせサイズを最適化する。 直接損傷コスト (DDC) と予測年次被害 (EAD) は, 様々なビルタイプで計算され, リスク対象関数として利用され, 多目的問題から多目的問題へと変換される。 メディアリスク差 (MedRD) や最大リスク差 (MaxRD) やAUPF (Area Under Pareto Front) のようなパフォーマンス指標は、100年間最適化されたBGI設計が、他のリターン期間、特に短い期間で評価すると、性能が低くなることを示している。 対照的に、コンポジットリターン期間を最適化したBGI設計では、20年リターン期間のMedRD(22%)とAUPF(73%)、50年リターン期間のMaxRD(23%)で最大の改善が見られた。 さらに、気候上昇応力試験は、将来の降雨極度に対する提案された設計の堅牢性を確認する。 本研究は, 降水リスク管理のパラダイムシフトを提唱し, 単一最大値から複数値の降雨期間に基づく設計へ移行し, 将来の気候極端への弾力性と適応性を高める。

関連論文リスト

• Unbiased Dynamic Pruning for Efficient Group-Based Policy Optimization [60.87651283510059]
  Group Relative Policy Optimization (GRPO) はLLM推論を効果的にスケールするが、計算コストは禁じている。 本研究では,非バイアス勾配推定を保ちながら動的プルーニングを可能にする動的プルーニングポリシー最適化(DPPO)を提案する。 刈り込みによって引き起こされるデータの空間性を軽減するため,ウィンドウベースの欲求戦略であるDense Prompt Packingを導入する。
  論文  参考訳（メタデータ） (2026-03-04T14:48:53Z)
• Diverse Approaches to Optimal Execution Schedule Generation [0.0]
  本稿では,品質多様性アルゴリズムMAP-Elitesの取引実行への応用について述べる。 MAP-Elitesは、単一の最適政策を探すのではなく、流動性とボラティリティの条件によって索引付けされた、多種多様な体制-特殊主義戦略のポートフォリオを生成する。 個々の専門家は行動ニッチの中で8～10%のパフォーマンス改善を達成する一方、他の細胞は劣化を示す。
  論文  参考訳（メタデータ） (2026-01-29T18:41:52Z)
• Anchoring Values in Temporal and Group Dimensions for Flow Matching Model Alignment [61.80228667422234]
  VGPOは時間次元とグループ次元の両方で値の推定を再定義する。 スパース端末の報酬を密度の高いプロセス認識値推定に変換する。 標準群正規化を絶対値によって強化された新しいプロセスに置き換え、安定した最適化信号を維持する。
  論文  参考訳（メタデータ） (2025-12-13T16:31:26Z)
• MURPHY: Multi-Turn GRPO for Self Correcting Code Generation [55.66642560374686]
  Murphyは、トレーニング中に反復的な自己補正を導入することでGRPOを拡張するマルチターン反射最適化フレームワークである。 Murphy は GRPO に対して 8% の相対的な利得を達成し,同様の計算予算で性能を継続的に向上することを示す。
  論文  参考訳（メタデータ） (2025-11-11T05:03:22Z)
• Long-Term Spatio-Temporal Forecasting of Monthly Rainfall in West Bengal Using Ensemble Learning Approaches [0.0]
  本研究は,西ベンガル19地区における月間降雨量の長期予測を考察した。 毎日の降雨記録は月刊にまとめられ、各地区で120年間観測される。 降雨力学の非線形構造と複雑な構造に対処するため,年次特徴の回帰に基づく予測と多層パーセプトロン(MLP)を組み合わせて月次予測を行う枠組みを提案する。
  論文  参考訳（メタデータ） (2025-10-15T13:20:33Z)
• HydroFusion-LMF: Semi-Supervised Multi-Network Fusion with Large-Model Adaptation for Long-Term Daily Runoff Forecasting [3.3915788299794767]
  ハイドロフュージョン-LMFは非定常性を低減するためにトレンド-残留分解を行う。 専門的なアウトプットを、水文学的な文脈認識ゲートを通じて融合させ、日々のフェーズで条件付けする。 MSE 1.0128 / MAE 0.5818を10年毎のデータセットで取得する。
  論文  参考訳（メタデータ） (2025-10-04T09:09:06Z)
• Wavelet-SARIMA-Transformer: A Hybrid Model for Rainfall Forecasting [0.0]
  本研究は,1971年から2023年の間にインド北東部の5つの気象区分にまたがる月間降雨量の予測を行うハイブリッドウェーブレットSARIMAトランスフォーマー(WST)を開発した。
  論文  参考訳（メタデータ） (2025-09-15T13:27:19Z)
• Geometric-Mean Policy Optimization [122.95205388291987]
  グループ相対政策最適化(GRPO)の安定化版を提案する。 算術平均を最適化する代わりに、GMPOはトークンレベルの報酬の幾何学平均を最大化する。 GMPO-7Bは安定性の向上に加えて、複数の数学ベンチマークでは平均4.1%、マルチモーダル推論ベンチマークでは1.4%でGRPOを上回っている。
  論文  参考訳（メタデータ） (2025-07-28T09:54:05Z)
• Accelerating RL for LLM Reasoning with Optimal Advantage Regression [52.0792918455501]
  本稿では,最適優位関数を直接近似する新しい2段階ポリシー最適化フレームワークを提案する。 A$*-POは、幅広い数学的推論ベンチマークで競合性能を達成する。 PPO、GRPO、REBELと比較して、トレーニング時間を最大2$times$、ピークメモリ使用率を30%以上削減する。
  論文  参考訳（メタデータ） (2025-05-27T03:58:50Z)
• Efficient Risk-sensitive Planning via Entropic Risk Measures [51.42922439693624]
  動的プログラミングにより,エントロピーリスク対策(EntRM)のみを効率的に最適化できることを示す。 エントロピーリスクの新たな構造解析と滑らかさ特性により, この最適性を効果的に計算できることを実証する。
  論文  参考訳（メタデータ） (2025-02-27T09:56:51Z)
• Global-Decision-Focused Neural ODEs for Proactive Grid Resilience Management [50.34345101758248]
  本稿では,機能停止予測とグローバルに最適化された介入を統合するフレームワークPATOGを提案する。 提案手法は,空間的かつ時間的に整合性のある意思決定を保証し,予測精度と操作効率を両立させる。 合成および実世界のデータセットの実験では、停止予測一貫性とグリッドレジリエンスが大幅に改善された。
  論文  参考訳（メタデータ） (2025-02-25T16:15:35Z)
• Catastrophe Insurance: An Adaptive Robust Optimization Approach [5.877778007271621]
  この研究は、災害保険料の計算に適した新しい適応ロバスト最適化フレームワークを導入している。 私たちの知る限り、AROアプローチが災害保険価格に適用されるのは初めてです。 米国の洪水保険データをケーススタディとして、最適化モデルは損失をカバーし余剰を発生させる効果を示す。
  論文  参考訳（メタデータ） (2024-05-11T18:35:54Z)
• Time-Series Classification for Dynamic Strategies in Multi-Step Forecasting [0.37141182051230903]
  時系列におけるマルチステップ予測(MSF)はほとんどの時間領域において基本である。 これまでの研究では、予測戦略が未確認データに基づく評価に最適であるかどうかが明らかでないことが示されている。 MSFのための動的戦略(DyStrat)を提案する。
  論文  参考訳（メタデータ） (2024-02-13T11:10:14Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• Ensemble Modeling for Time Series Forecasting: an Adaptive Robust Optimization Approach [3.7565501074323224]
  本稿では,時系列予測モデルの堅牢なアンサンブルを構築するための新しい手法を提案する。 本手法の有効性を,一連の合成実験と実世界の応用を通して実証する。
  論文  参考訳（メタデータ） (2023-04-09T20:30:10Z)
• Online Ensemble of Models for Optimal Predictive Performance with Applications to Sector Rotation Strategy [0.0]
  資産固有の要因は、一般的に金融リターンを予測し、資産固有のリスク・プレミアを定量化するために使用される。 予測性能を最適化するオンラインアンサンブルアルゴリズムを開発した。 当社のアンサンブルからの月次予測を利用して、市場を著しく上回るセクターローテーション戦略を策定する。
  論文  参考訳（メタデータ） (2023-03-30T02:25:54Z)
• Learning Inter-Annual Flood Loss Risk Models From Historical Flood Insurance Claims and Extreme Rainfall Data [0.0]
  洪水は最も壊滅的な自然災害の1つであり、実質的な経済的損失の原因となっている。 本研究は,国立洪水保険プログラムデータセット上に構築されたレジストレーターの予測能力を評価する。
  論文  参考訳（メタデータ） (2022-12-15T19:23:02Z)
• Efficient Risk-Averse Reinforcement Learning [79.61412643761034]
  リスク逆強化学習(RL)では、リターンのリスク測定を最適化することが目標である。 特定の条件下では、これは必然的に局所最適障壁につながることを証明し、それを回避するためのソフトリスク機構を提案する。 迷路ナビゲーション,自律運転,資源配分ベンチマークにおいて,リスク回避の改善を示す。
  論文  参考訳（メタデータ） (2022-05-10T19:40:52Z)
• Evolving Pareto-Optimal Actor-Critic Algorithms for Generalizability and Stability [67.8426046908398]
  汎用性と安定性は,実世界における強化学習(RL)エージェントの運用において重要な2つの目的である。 本稿では,アクター・クリティック・ロス関数の自動設計法であるMetaPGを提案する。
  論文  参考訳（メタデータ） (2022-04-08T20:46:16Z)
• Policy Gradient Bayesian Robust Optimization for Imitation Learning [49.881386773269746]
  我々は、期待される性能とリスクのバランスをとるために、新しいポリシー勾配スタイルのロバスト最適化手法PG-BROILを導出する。 その結果,PG-BROILはリスクニュートラルからリスク・アバースまでの行動のファミリを創出できる可能性が示唆された。
  論文  参考訳（メタデータ） (2021-06-11T16:49:15Z)
• Learning to Plan Optimistically: Uncertainty-Guided Deep Exploration via Latent Model Ensembles [73.15950858151594]
  本稿では,不確実な長期報酬に直面した最適化による深層探査を可能にするLOVE(Latent Optimistic Value Exploration)を提案する。 潜在世界モデルと値関数推定を組み合わせ、無限水平リターンを予測し、アンサンブルにより関連する不確実性を回復する。 連続行動空間における視覚ロボット制御タスクにLOVEを適用し、最先端や他の探査目標と比較して、平均20%以上のサンプル効率の改善を実証する。
  論文  参考訳（メタデータ） (2020-10-27T22:06:57Z)

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。