論文の概要: Application of machine learning algorithm in temperature field reconstruction

• arxiv url: http://arxiv.org/abs/2502.13190v1
• Date: Tue, 18 Feb 2025 14:07:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-20 13:58:56.251657
• Title: Application of machine learning algorithm in temperature field reconstruction
• Title（参考訳）: 温度場再構成における機械学習アルゴリズムの適用
• Authors: Qianyu He, Huaiwei Sun, Yubo Li, Zhiwen You, Qiming Zheng, Yinghan Huang, Sipeng Zhu, Fengyu Wang,
• Abstract要約: 本研究では,貯水池の水温の成層パターンと動的進化に着目した。 限定的かつノイズの多い局所測定データを用いて温度場を推定・再構成することを目的としている。
• 参考スコア（独自算出の注目度）: 10.34360541161895
• License:
• Abstract: This study focuses on the stratification patterns and dynamic evolution of reservoir water temperatures, aiming to estimate and reconstruct the temperature field using limited and noisy local measurement data. Due to complex measurement environments and technical limitations, obtaining complete temperature information for reservoirs is highly challenging. Therefore, accurately reconstructing the temperature field from a small number of local data points has become a critical scientific issue. To address this, the study employs Proper Orthogonal Decomposition (POD) and sparse representation methods to reconstruct the temperature field based on temperature data from a limited number of local measurement points. The results indicate that satisfactory reconstruction can be achieved when the number of POD basis functions is set to 2 and the number of measurement points is 10. Under different water intake depths, the reconstruction errors of both POD and sparse representation methods remain stable at around 0.15, fully validating the effectiveness of these methods in reconstructing the temperature field based on limited local temperature data. Additionally, the study further explores the distribution characteristics of reconstruction errors for POD and sparse representation methods under different water level intervals, analyzing the optimal measurement point layout scheme and potential limitations of the reconstruction methods in this case. This research not only effectively reduces measurement costs and computational resource consumption but also provides a new technical approach for reservoir temperature analysis, holding significant theoretical and practical importance.
• Abstract（参考訳）: 本研究は, 水温の成層パターンと動的変化に着目し, 限られた局地的観測データを用いて温度場を推定・再構成することを目的とする。 複雑な測定環境と技術的制限のため、貯水池の完全な温度情報を取得することは極めて困難である。 そのため,少数の局所データ点から温度場を正確に再構築することが重要な科学的問題となっている。 そこで本研究では, 局所測定点数に制限された温度データに基づいて温度場を再構成するために, 適切な直交分解法(POD)とスパース表現法を用いた。 その結果,POD基底関数の数が2に設定され,測定点数が10に設定された場合には,良好な再構成が可能であることがわかった。 異なる吸水深度下では,POD法とスパース表現法の両方の再構成誤差は0.15付近で安定であり,局所温度データに基づく温度場の再構成におけるこれらの手法の有効性を十分に検証している。 さらに, 異なる水位間隔でのPODおよびスパース表現法における再構成誤差の分布特性について検討し, 最適測定点配置方式と本事例における復元法の可能性について検討した。 本研究は, 測定コストと計算資源消費を効果的に削減するだけでなく, 貯水池の温度解析に新たな技術的アプローチを提供し, 重要な理論的, 実用的重要性を有する。

関連論文リスト

• An Expeditious Spatial Mean Radiant Temperature Mapping Framework using Visual SLAM and Semantic Segmentation [7.1869288530375135]
  平均放射温度(MRT)の測定は非常に困難である。 ほとんどの一般的な測定手法は時間を要するが、ユーザフレンドリーではない。 本稿では,視覚的同時ローカライゼーションとマッピング(SLAM)とセマンティックセグメンテーション技術を用いた新しいMRT計測フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-12T08:50:35Z)
• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• Continuous Field Reconstruction from Sparse Observations with Implicit Neural Networks [11.139052252214917]
  この研究は、暗黙の神経表現を用いて物理場の連続的な表現を学ぶ新しいアプローチを示す。 実験により,提案手法は最近のINR法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-01-21T22:18:29Z)
• Multi-Modal Learning-based Reconstruction of High-Resolution Spatial Wind Speed Fields [46.72819846541652]
  本稿では,Variデータ同化とディープラーニングの概念に基づくフレームワークを提案する。 この枠組みは、海面風速に関する高解像度のリッチインタイムを回復するために応用される。
  論文  参考訳（メタデータ） (2023-12-14T13:40:39Z)
• Bayesian inference of composition-dependent phase diagrams [47.79947989845143]
  本研究では,分子動力学(MD),融点シミュレーション,フォノン計算からの熱力学データを合成し,これらのデータを処理し,温度集中相図を生成する手法を開発した。 開発したアルゴリズムは,Ge-SiとK-Naの2つの二元系において,全濃度および温度で試験に成功した。
  論文  参考訳（メタデータ） (2023-09-03T20:57:10Z)
• Information Entropy Initialized Concrete Autoencoder for Optimal Sensor Placement and Reconstruction of Geophysical Fields [58.720142291102135]
  そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。 本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。 得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
  論文  参考訳（メタデータ） (2022-06-28T12:43:38Z)
• A deep learning method based on patchwise training for reconstructing temperature field [10.422905687540172]
  本研究は、限られた観測から電子機器の温度場を正確に再構築するためのパッチワイズトレーニングに基づく新しい深層学習手法を提案する。 再構成された温度場の絶対誤差はパッチワイドトレーニング法で1K未満である。
  論文  参考訳（メタデータ） (2022-01-26T10:42:23Z)
• Physics-Informed Deep Reversible Regression Model for Temperature Field Reconstruction of Heat-Source Systems [10.151316399254718]
  本研究は, 熱源系の温度場再構成のための物理インフォームド深部可逆回帰モデルを開発した。 まず、熱源系の温度場再構成タスクを数学的に定義し、問題を数値的にモデル化し、さらに問題を画像から画像への回帰問題として変換する。 本研究は, 深部モデルの前方・後方伝播法則に基づいて, 境界付近の物理情報をよりよく学習できる深部可逆回帰モデルを開発する。
  論文  参考訳（メタデータ） (2021-06-22T17:01:53Z)
• Role of topology in determining the precision of a finite thermometer [58.720142291102135]
  低接続性は、温度計を低温で動作させるためのリソースであることに気付きました。 位置測定により達成可能な精度を,エネルギー測定に対応する最適値と比較する。
  論文  参考訳（メタデータ） (2021-04-21T17:19:42Z)
• Real-time estimation of the optically detected magnetic resonance shift in diamond quantum thermometry [47.50219326456544]
  ナノダイヤモンド(NDs)における窒素空孔中心の光検出磁気共鳴(ODMR)の周波数シフトのリアルタイム推定手法について検討する。 近年,多点ODMR測定とND粒子追跡を蛍光顕微鏡に効果的に統合することで,生体内温度の安定なモニタリングが実証されている。
  論文  参考訳（メタデータ） (2020-06-12T01:44:35Z)

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。