論文の概要: Improving Oil Slick Trajectory Simulations with Bayesian Optimization
- arxiv url: http://arxiv.org/abs/2503.02749v1
- Date: Tue, 04 Mar 2025 16:14:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-05 19:15:47.068208
- Title: Improving Oil Slick Trajectory Simulations with Bayesian Optimization
- Title（参考訳）: ベイズ最適化によるオイルスリック軌道シミュレーションの改善
- Authors: Gabriele Accarino, Marco M. De Carlo, Igor Atake, Donatello Elia, Anusha L. Dissanayake, Antonio Augusto Sepp Neves, Juan Peña Ibañez, Italo Epicoco, Paola Nassisi, Sandro Fiore, Giovanni Coppini,
- Abstract要約: 我々は,MEIK-II数値油流出モデルとベイズ最適化フレームワークを統合する。
水平拡散率やドリフト係数といった重要なパラメータに焦点を当てる。
提案手法は,デフォルトパラメータを持つ制御シミュレーションと比較して,FSSを5.82%から11.07%に体系的に改善することを示す。
- 参考スコア（独自算出の注目度）: 0.6374965026095835
- License:
- Abstract: Accurate simulations of oil spill trajectories are essential for supporting practitioners' response and mitigating environmental and socioeconomic impacts. Numerical models, such as MEDSLIK-II, simulate advection, dispersion, and transformation processes of oil particles. However, simulations heavily rely on accurate parameter tuning, still based on expert knowledge and manual calibration. To overcome these limitations, we integrate the MEDSLIK-II numerical oil spill model with a Bayesian optimization framework to iteratively estimate the best physical parameter configuration that yields simulation closer to satellite observations of the slick. We focus on key parameters, such as horizontal diffusivity and drift factor, maximizing the Fraction Skill Score (FSS) as a measure of spatio-temporal overlap between simulated and observed oil distributions. We validate the framework for the Baniyas oil incident that occurred in Syria between August 23 and September 4, 2021, which released over 12,000 $m^3$ of oil. We show that, on average, the proposed approach systematically improves the FSS from 5.82% to 11.07% compared to control simulations initialized with default parameters. The optimization results in consistent improvement across multiple time steps, particularly during periods of increased drift variability, demonstrating the robustness of our method in dynamic environmental conditions.
- Abstract（参考訳）: 石油流出軌道の正確なシミュレーションは、実践者の反応を支援し、環境・社会経済的影響を緩和するために不可欠である。
MEDSLIK-IIのような数値モデルは、油粒子の対流、分散、変換過程をシミュレートする。
しかし、シミュレーションは正確なパラメータチューニングに大きく依存しており、専門家の知識と手動の校正に基づいている。
これらの制約を克服するために,MEDSLIK-II数値オイル流出モデルとベイズ最適化フレームワークを統合し,衛星観測に近づき,最適物理パラメータ構成を反復的に推定する。
本研究では, 水平拡散率やドリフト係数といった重要なパラメータに着目し, 油分分布と観測油分分布の時空間的重なりの尺度として, フラクションスキルスコア(FSS)を最大化する。
我々は2021年8月23日から9月4日にかけてシリアで発生したバニヤスの石油事故の枠組みを検証する。
提案手法は,デフォルトパラメータで初期化される制御シミュレーションと比較して,FSSを5.82%から11.07%に体系的に改善することを示した。
この最適化により,複数の時間ステップ,特にドリフト変動性の増大期間における一貫した改善が達成され,動的環境条件下での本手法の堅牢性が実証された。
関連論文リスト
- Force Matching with Relativistic Constraints: A Physics-Inspired Approach to Stable and Efficient Generative Modeling [26.145559807686706]
本稿では,特殊相対論的力学を取り入れた生成モデリングフレームワークForMを紹介する。
ForM は速度制約を課し、サンプル速度が一定限の範囲内にあることを保証する。
ForMは, 安定, 効率的, 柔軟な生成プロセスを実現するための, 有望な経路を提供する。
論文 参考訳（メタデータ） (2025-02-12T06:30:01Z) - FlowTS: Time Series Generation via Rectified Flow [67.41208519939626]
FlowTSは、確率空間における直線輸送を伴う整流フローを利用するODEベースのモデルである。
非条件設定では、FlowTSは最先端のパフォーマンスを達成し、コンテキストFIDスコアはStockとETThデータセットで0.019と0.011である。
条件設定では、太陽予測において優れた性能を達成している。
論文 参考訳（メタデータ） (2024-11-12T03:03:23Z) - Advances in Land Surface Model-based Forecasting: A comparative study of LSTM, Gradient Boosting, and Feedforward Neural Network Models as prognostic state emulators [4.852378895360775]
地表面プロセスのシミュレーションによる実験研究の高速化における3つの代理モデルの効率性を評価する。
以上の結果から, LSTMネットワークは, 予測期間を経た平均モデル全体の精度は高いが, 慎重に調整した場合は, 大陸の長距離予測に優れることがわかった。
論文 参考訳（メタデータ） (2024-07-23T13:26:05Z) - On the Impact of Sampling on Deep Sequential State Estimation [17.92198582435315]
逐次モデルにおける状態推定とパラメータ学習は近似手法を用いてうまく行うことができる。
モンテカルロの厳密な目的は、生成的モデリング性能を向上させるために文献で提案されている。
論文 参考訳（メタデータ） (2023-11-28T17:59:49Z) - Simulation-based Bayesian inference for robotic grasping [6.218934678555297]
一般的なロボットグリップパーは、そのリッチな非滑らかな接触ダイナミクスと環境やセンサノイズによる不確実性のため、制御が困難である。
本研究では,シミュレーションに基づくベイズ推定を用いて,6-DoFグリップポーズの計算方法を示す。
論文 参考訳（メタデータ） (2023-03-10T11:56:56Z) - Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。
本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。
我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
論文 参考訳（メタデータ） (2022-09-27T07:58:25Z) - Neural Posterior Estimation with Differentiable Simulators [58.720142291102135]
微分可能シミュレータを用いてニューラル・ポストミラー推定(NPE)を行う新しい手法を提案する。
勾配情報が後部形状の制約にどのように役立ち、試料効率を向上させるかを示す。
論文 参考訳（メタデータ） (2022-07-12T16:08:04Z) - Hybrid and Automated Machine Learning Approaches for Oil Fields
Development: the Case Study of Volve Field, North Sea [58.720142291102135]
本稿では,意思決定プロセスを支援する分野開発タスクにおけるインテリジェントなアプローチの利用について述べる。
我々は,油田立地最適化の問題と,その中の2つの課題に注目し,石油生産量推定の品質向上と貯水池特性の評価を行う。
実装されたアプローチは、異なる油田を解析したり、同様の物理問題に適応することができる。
論文 参考訳（メタデータ） (2021-03-03T18:51:46Z) - Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。
従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。
我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文 参考訳（メタデータ） (2020-11-02T18:02:26Z) - A nudged hybrid analysis and modeling approach for realtime wake-vortex
transport and decay prediction [0.0]
流れの縮小秩序モデル (ROM) を強化するための長期記憶 (LSTM) ヌージングフレームワークは, 騒音測定を利用して航空交通改善を行った。
我々は、現実的な応用において、初期および境界条件、モデルパラメータ、および測定に不確実性が存在するという事実に基づいて構築する。
LSTM nudging (LSTM-N) 法では,不完全なGROMと不確実な状態推定を組み合わせた予測とスパーシアンセンサ測定を併用して,動的データ同化フレームワークにおいてより信頼性の高い予測を行う。
論文 参考訳（メタデータ） (2020-08-05T23:47:15Z) - Learnable Bernoulli Dropout for Bayesian Deep Learning [53.79615543862426]
Learnable Bernoulli Dropout (LBD) は、他のモデルパラメータと共に最適化されたパラメータとしてドロップアウト率を考慮する新しいモデルに依存しないドロップアウトスキームである。
LBDは画像分類とセマンティックセグメンテーションにおける精度と不確実性の推定を改善する。
論文 参考訳（メタデータ） (2020-02-12T18:57:14Z)
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。